Como científico de datos, ¿es mejor cambiar de industria regularmente?

Gracias por el A2A.

Estoy completamente de acuerdo con la respuesta de Jerrod Lowmaster. Quiero agregar mi experiencia personal al respecto.

Para mí no tiene sentido cambiar de industria. Soy un desarrollador de videojuegos en primer lugar. Puedo cambiar a algo similar pero no cambiaría la industria dramáticamente. Me han contactado para productos farmacéuticos, por ejemplo. No estoy realmente interesado.

Creo que hay mucho que ganar de cambiar de industria. Diferentes problemas, nuevas cosas que aprender, mayores posibilidades de crecimiento profesional. Si esa es su visión de su lugar en la ciencia de datos, entonces hágalo, cambiando de industria.

Yo, por otro lado, soy un experto en mi campo. Estoy trabajando en juegos durante mucho tiempo y soy gerente por más tiempo. Siento que mi experiencia es mi activo más valioso, no mi capacidad técnica.

Pero ninguno es el mejor. Realmente creo que es una cuestión de mejor ajuste profesional.

Creo que esta pregunta se reduce en gran medida a cuáles son sus objetivos.

Una de las razones más comunes que he visto citadas para moverse con frecuencia es que le permite aumentar continuamente su salario a una tasa considerablemente más alta que si permaneciera en su empresa. No he visto ningún dato empírico sólido sobre esto, pero sospecho que en un mercado caliente en este momento para DS, es más fácil aprovechar el salario base puro al “ser cazado furtivamente” algunas veces por una prima del 15-20% Par de años.

Una de las mejores razones por las que he visto, y a la que atribuyo descaradamente, es que debes irte cuando alcances tu límite de aprendizaje. En todas las empresas a las que he ido, mi contrato explícito ha sido que me quedaré hasta que deje de aprender. Creo que para los roles de análisis en general (Científico de datos, Analista de datos, Analista de negocios), aquí hay un punto dulce. Durante la primera parte de su mandato en un nuevo lugar, está en modo de crecimiento, desarrollando tanto sus habilidades técnicas generales (python, hadoop, linux), como la alfabetización de datos específica de su empresa (¿cómo encuentro estos datos? ¿Cómo uso nuestras herramientas internas para lograr mi objetivo específico?), y luego, ¿cómo construir una cantidad de experiencia en el tema que pueda aprovechar y “monetizar” en su empresa determinada.

Una dimensión importante además de esto que creo que a menudo se pasa por alto es el medio por el cual monetiza su valor como empleado experimentado. A medida que se vuelve valioso, el “ir a la persona” en temas específicos, comienza a monetizar su base de habilidades y su base de conocimientos, lo cual es fantástico.

A veces, esto se manifiesta al convertirse en el “conjunto de datos doyen”, donde se le pregunta continuamente cómo resolver problemas específicos en el dominio de datos: aquí puede crear apalancamiento y “activar” a sus colegas, pero la desventaja es que puede comienza a sentirse como un enrutador humano.

Otra forma en que esto puede manifestarse es convertirse en una “máquina tragamonedas de datos”: alguien pone una moneda y hace una pregunta muy específica y usted escupe la respuesta correcta. Pro aquí es que esto podría ayudar a proporcionar grasa crítica para el motor. el negocio funciona, pero la desventaja es que puede sentirse como un teclado humano, respondiendo preguntas específicas divorciadas del contexto más amplio, y puede sentir que se está desperdiciando su potencial.

Una tercera forma en que puede monetizar es ser un “democratizador de datos”, que puede realizar ETL o panel de control; aquí es que estas tareas siempre son necesarias y tienden a abordar puntos problemáticos muy específicos y a menudo urgentes para las empresas, pero la desventaja es que crear y, lo que es peor, mantener, los paneles también se perciben como actividades de poco valor agregado y no terriblemente interesantes

La otra forma de monetizar, que se conoce con varios nombres como “inmersiones profundas”, “análisis estratégico” y “encontrar ideas”, tiende a ser lo que las personas en profesiones analíticas quieren hacer, la parte superior de la pirámide analítica de Maslow. Es sexy, es interesante, y es lo que la mayoría de las personas probablemente sienten que fueron contratadas para hacer. Como resultado, sin embargo, quién en la empresa debe hacer estos proyectos puede ser polémico.

tl; dr Creo que las personas se van cuando se dan cuenta de que han desarrollado (la mayor parte) de la experiencia en el dominio que van a obtener, y descubren que quieren estar en el cubo 4 pero están atrapados en serie en los cubos 1,2, y / o 3.

A diferencia del campo de la consultoría empresarial, los científicos de datos a menudo son contratados internamente. En el campo de la consultoría, es más común que una empresa se generalice en muchas industrias y muchas áreas de conocimiento. Allí puede ser gratificante si adquieres experiencia en múltiples industrias para una función en particular (como marketing, TI o RRHH).

Pero en DS su conjunto principal de habilidades es la comprensión de las tendencias y comportamientos en ese campo en particular. Por lo tanto, puede que no sea una buena propuesta ingresar a una industria completamente diferente, donde su conocimiento de la industria anterior no sirve de nada. Una vez dicho esto, puede hacerse las siguientes preguntas y analizar los pros y los contras para decidir si le conviene cambiar su industria.

¿Qué has probado hasta ahora y por cuánto tiempo?

¿Has trabajado lo suficiente como para descartarlo como un interés? ¿Has investigado en un campo el tiempo suficiente para descartarlo como industria? ¿Has adquirido suficiente conocimiento del campo para descartarlo como industria?

Este es el tipo de preguntas que es posible que desee hacerse.

Otra cosa:

¿Por qué quieres entrar en otra industria?

¿Es porque ves a otras personas apasionadas y deseas tener el mismo entusiasmo por algo? (en caso afirmativo, entonces definitivamente deberías pensarlo). Intenta descubrir por qué quieres elegir una industria diferente

Algunos punteros:

1. Si es solo para ganar experiencia en algún tipo de problemas nuevos, ¿no considerarías probar primero una compañía diferente en la misma industria …? Eso seguramente te dará algunos problemas nuevos e interesantes para trabajar

2. Una buena cosa con el campo de la ciencia de datos es que siempre tiene problemas similares en diferentes industrias para resolver (como en estos días las compañías de seguros están introduciendo muchos productos para satisfacer las elecciones de los clientes individuales, como FMCG basado en análisis), por lo que probablemente encuentre algo interesante y diferente en tu propia industria.

Como escribí aquí:

La respuesta de Yuval Ariav a ¿Qué hace el 1% de los mejores científicos de datos que el otro 99% no?

Los principales científicos de datos tienen una gran idea de cómo se comportan sus datos.

Una de las mejores formas de construir este tipo de intuición sobre los datos es trabajar con tantos conjuntos de datos diferentes que resuelvan las cosas como sea posible. Ciertamente puede obtener esa experiencia diversa cuando trabaja en diferentes industrias, pero también puede quedarse en 1-2 industrias diferentes y simplemente cambiar a trabajar en otros problemas y / o conjuntos de datos.

Creo que depende mucho de la persona.

Para mí, me gusta tener diversidad, así que cambiaré a menudo. Amplía mi campo de conocimiento y los métodos utilizados. Además, puedo introducir métodos que son poco comunes en algunas industrias.