Wśród startupów technologicznych badacz danych jest coraz bardziej popularnym terminem odnoszącym się do maniaków danych, którzy mogą łączyć tradycyjnie odrębne obszary funkcjonalne inteligencji danych. Naukowiec danych to ktoś, kto swobodnie wykonuje kilka (jeśli nie wszystkie) aspekty projektów analizy danych:
- Akwizycja danych: może to wiązać się z pisaniem niestandardowych analizatorów składni i przeszukiwaczy sieci lub skryptów ukierunkowanych na określone usługi sieciowe lub interfejsy API dla nietradycyjnych źródeł danych.
- Zarządzanie danymi: ETL, manipuluj, przeszukuj i przechowuj dane w bazach danych, sklepach z kluczowymi wartościami lub Hadoop.
- Wizualizacja informacji: Odkrywanie wzorców za pomocą statycznych zestawów narzędzi do wizualizacji i / lub interaktywnych platform opartych na Flash, JavaScript lub Processing.
- Analityka: może to być od prostych do złożonych technik statystyki wielowymiarowej, uczenia maszynowego i NLP.
- Wgląd: wyodrębnij, podsumuj i zaprezentuj kluczowe ustalenia szerokiej publiczności.
Istnieje wiele narzędzi, umiejętności i szczegółów technicznych, a latami można opanować każdy z wymienionych wyżej przedmiotów. Chociaż specjalista ds. Danych może nie posiadać prawdziwej wiedzy eksperckiej w żadnym z tych obszarów, może swobodnie przeskakiwać w przód iw tył i wykonywać podstawowe zadania we wszystkich z nich. Rezultatem jest maniak danych wystarczająco zwinny, aby szybko zbadać projekt danych i uzyskać odpowiedzi na (wysokie) pytania od kierownictwa. (o naukowcach danych w Data Scientists: The New Rock Stars of the Tech World.)
Aby pielęgnować naukowców zajmujących się danymi, firmy muszą bardziej skoncentrować się na kulturze i strukturze organizacyjnej. Wielu pracowników danych ma wystarczające umiejętności i przeszkolenie, aby szybko stać się produktywnym w wielu obszarach analizy danych. Problem polega na tym, że większość nie działa w środowiskach, które zachęcają ich do zostania naukowcami danych. Utknęli w silosach i ograniczają się do jednego lub dwóch obszarów analizy danych. Często ograniczają się do korzystania z narzędzi „zatwierdzonych” przez ich menedżerów.
