Hiring a Data-Driven Guide to Data Scientists

जास्त मागणी आणि विपुल पुरवठ्यासह, आजच्या बाजारामध्ये डेटा वैज्ञानिकांना कामावर ठेवणे सोपे काम नाही. आपल्याला ते शोधण्यात आणि त्यांना कामावर घेण्यास मदत करण्यासाठी आम्ही आमच्या संशोधनातून महत्त्वाचे निष्कर्ष काढले ज्यात यासह: ते कोठे शोधायचे, त्यांना काय माहित आहे, त्यांचे काय महत्त्व आहे आणि बरेच काही.

चांगल्या किंवा वाईट गोष्टींसाठी, घट्ट कामगार बाजारात, तांत्रिक प्रतिभा आकर्षित करण्यासाठी आणि जिंकण्यासाठी आपल्या उमेदवाराचे व्यक्तिमत्त्व समजणे ही एक महत्त्वाची पूर्व शर्त आहे. आपले लक्ष्यित उमेदवार प्रोफाइल शिकणे - त्यांना मिळवण्याच्या कौशल्यासह, उच्च-गुणवत्तेची प्रतिभा जिंकणे आणि गमावणे यात फरक असू शकतो.

Hiring a Data-Driven Guide to Data Scientists
Hiring a Data-Driven Guide to Data Scientists


आपण डेटा वैज्ञानिक घेतल्यास,

आपण आपला शोध प्रारंभ करण्यापूर्वी आपल्याला काय माहित असावे? आम्ही अधिक चांगल्या प्रकारे समजून घेण्यासाठी 70,000 पेक्षा अधिक विकसक आणि तांत्रिक व्यावसायिकांच्या अभिप्रायाच्या आधारे - आमच्या 2019 च्या विकसक कौशल्य अहवालातून अंतर्दृष्टी संकलित केली. या मार्गदर्शकामध्ये डेटा संशोधक उमेदवारांना अधिक चांगले शोधण्यात, आकर्षित करण्यास आणि मूल्यांकन करण्यासाठी आपल्याला आमच्या संशोधनातून डेटा अनपॅक करू.

ते कोण आहेत

एकूणच, डेटा शास्त्रज्ञ तांत्रिक कौशल्य पूल (2%) चा तुलनेने लहान भाग बनवतात - परंतु 4 मधील 1 पेक्षा अधिक सध्या कामाच्या शोधात आहेत.

वाढत्या प्रमाणात मागणी असूनही, डेटा वैज्ञानिक काही प्रमाणात दुर्मिळ आहेत जे तांत्रिक प्रतिभेच्या सुमारे 2% लोकसंख्येचे प्रतिनिधित्व करतात. त्या सबसेटमध्ये, सुमारे 31% डेटा वैज्ञानिक स्वत: ला "कनिष्ठ" स्तराचे कर्मचारी मानतात. दुसरीकडे, २%% लोक म्हणतात की ते सध्या "ज्येष्ठ" भूमिका साकारत आहेत.

गेल्या वर्षामध्ये त्यांना सरासरीपेक्षा अधिक नोकरी मिळण्याची शक्यता आहे:

Technical 44% डेटा शास्त्रज्ञांनी गेल्या वर्षात काम शोधले आहे, इतर तंत्रज्ञानाच्या भूमिकेतील% 38% लोक त्यास विरोध करतात. नोकरी करणार्‍यांमधील वाढ, शेतातील वाढीशी जोडली जाऊ शकते. २०१ scientists-२०१. मध्ये डेटा वैज्ञानिकांना कामावर घेणार्‍या कंपन्यांमध्ये मोठ्या प्रमाणात वाढ झाली, परंतु तेव्हापासून ती कमी होऊ लागली आहे.

आत्ता काम शोधत असलेल्या इतर भूमिकांपेक्षा डेटा शास्त्रज्ञांची शक्यता कमी आहे, परंतु मागील वर्षात काम शोधण्यासाठी असलेल्या इतर तांत्रिक भूमिकांपेक्षा ती अधिक शक्यता होती.

तथापि, त्याची सर्वात मोठी भिन्नता म्हणजे त्याची शैक्षणिक पार्श्वभूमी.

सरासरी तांत्रिक व्यावसायिकांपेक्षा मास्टर डिग्री किंवा डॉक्टरेट पदवी मिळविण्याची शक्यता डेटा वैज्ञानिक दोनदा आहेः इतर तांत्रिक भूमिकांमधील 24% च्या तुलनेत 55% पदव्युत्तर पदव्युत्तर पदवी आणि पदव्युत्तर पदवी दोन्ही धारण करतात. डेटा सायन्स नेनोडेग्रीसची वाढती लोकप्रियता कालांतराने त्या शैक्षणिक प्रोफाइलमध्ये बदल होऊ शकते, तरीही डेटा सायन्स टॅलेन्ट पूल अजूनही प्रगत पदवी असणार्‍या लोकांवर वर्चस्व राखत आहे.

डेटा वैज्ञानिक कोठे शोधायचे

डेटा शास्त्रज्ञ प्रामुख्याने <1 br="">
निष्क्रीय डेटा वैज्ञानिक प्रतिभा शोधण्यासाठी, छोट्या कंपन्या आपल्यासाठी सर्वोत्तम पैज आहेत: सध्या जवळपास% a% डेटा वैज्ञानिक एक हजाराहून कमी कर्मचारी असलेल्या कंपनीत काम करतात.

अमेरिकेत डेटा शास्त्रज्ञांची सर्वाधिक लोकसंख्या (30.1%) आहे, त्यानंतर भारत (23.7%) आणि ब्राझील (5.4%) आहे.

तंत्रज्ञानाच्या इतर अलौकिक बुद्ध्यांकांप्रमाणेच, ते सार्वजनिक प्रकल्प वेबसाइटवर शोधणे सोपे आहे - 78% असे म्हणतात की त्यांचे खाते आहे आणि 63% लोक म्हणतात की त्यांनी मागील वर्षात सार्वजनिक प्रकल्प सादर केले आहेत. परंतु भौगोलिकदृष्ट्या, त्यांचे जगभरात चांगले वितरण झाले आहे. ते बहुतेक अमेरिकेत केंद्रित आहेत, जिथे सुमारे 30% डेटा वैज्ञानिक राहतात. परंतु ते मध्य-पूर्व, युरोप आणि आशिया-पॅसिफिक प्रदेशातही वितरीत केले आहेत.

त्यांना काय माहित आहे

डेटा वैज्ञानिकांना बहुधा पायथन, एसक्यूएल आणि जावा माहित असेल आणि त्यांचे बहुतेक दिवस नवीन वैशिष्ट्यांसह कोडिंग करण्यात घालवले जातात. बर्‍याच तांत्रिक अलौकिक बुद्धिमत्तांसाठी, जावास्क्रिप्ट, जावा आणि सी सारख्या भाषा सर्वात सामान्य आहेत. परंतु दुसरीकडे, डेटा शास्त्रज्ञ पायथन आणि एसक्यूएल सारख्या भाषांवर लक्ष केंद्रित करतात.

दिवसेंदिवस, ते आपला बहुतेक वेळ नवीन वैशिष्ट्यांसह (58%), ब्रेनस्टॉर्मिंग (47%) आणि फिक्सिंग बग्स (41%) वर घालवतात. परंतु सरासरी तंत्रज्ञानाच्या व्यावसायिकांच्या तुलनेत ते देखभाल कार्य (जसे की बग निश्चित करणे आणि तंत्रज्ञान कर्ज सोडवणे) यावर कमी वेळ घालवतात आणि नवीन पुढाकारांवर (विचारमंथन आणि नवीन उत्पादनांच्या नावीन्यपूर्ण कामांद्वारे) अधिक वेळ घालवतात.

वैज्ञानिकांना काय डेटा मूल्य आहे

बर्‍याच डेटा वैज्ञानिक नियमितपणे दूरस्थपणे काम करू इच्छितात आणि नोकरीच्या शोधात असताना विकासास आणि त्यांचे प्रथम प्राधान्य जाणून घेतात. आज, अर्ध्याहून अधिक डेटा वैज्ञानिक केवळ प्रसंगी दूरस्थपणे कार्य करतात. परंतु बहुतेकांनी कार्यालयात त्यांचा वेळ घालविला असला तरी, त्यांच्यात तळमळ आहे:% 73% लोकांना आठवड्यातून किमान १ दिवस दूर काम करायचे आहे. स्काला, गो आणि ज्युलिया यासारख्या भाषा शिकण्यासाठी ते सर्वात उत्साही आहेत.

 

Post a Comment

Previous Post Next Post

Reviews