Después de haber trabajado en el negocio de consultoría y en Data Science, aquí están mis $ 0.02. La consultoría de gestión es un campo muy amplio. Una buena área para explorar en este campo es la consultoría analítica, es decir, los roles de trabajo que se centran en el uso de la ciencia de datos para resolver problemas comerciales. Si bien casi todos los proyectos de consultoría requieren el análisis de datos para resolver el problema, la consultoría analítica está mucho más enfocada. La principal ventaja de trabajar en este espacio es que tiene la oportunidad de exponerse a problemas en una amplia variedad de industrias / verticales. Esto es extremadamente útil para comprender las vastas aplicaciones de la ciencia de datos. Además, trabajar en consultoría lo ayuda a desarrollar algunas habilidades muy importantes, como comprender el problema desde la perspectiva del cliente y presentar análisis a los clientes de una manera fácil de entender. Una de las habilidades más importantes que necesita un Científico de Datos es la capacidad de explicar sus análisis a personas no técnicas. Cuando se trata de clientes, en la mayoría de los casos no se trata de personas que están interesadas en comprender los detalles de los algoritmos que ha utilizado, o por qué los bosques aleatorios son mejores modelos, etc. Están interesados para comprender cómo puede resolver el problema y cuán útil será su solución para sus negocios. Esto te obliga a pensar desde una perspectiva completamente diferente, a diferencia de un científico de datos tradicional. Un modelo de conjunto complejo con una alta precisión puede ser un muy buen modelo para usar en los datos que tiene, pero puede no tener ningún sentido desde la perspectiva empresarial. Esto es importante de entender al presentar soluciones a los usuarios finales. Trabajar como consultor durante algunos años lo ayudará a desarrollar este conjunto de habilidades que resultará muy útil a medida que avance en su carrera. Después de trabajar un tiempo en consultoría analítica, si está realmente interesado en los aspectos técnicos de la ciencia de datos, como la construcción de mejores algoritmos, puede cambiar de roles. En ese momento, comprenderá cómo se pueden aplicar los análisis a diversos problemas comerciales y podrá elegir en qué industria o vertical desea enfocarse. En mi rol actual, el enfoque principal es diseñar mejores metodologías / algoritmos, investigar varios modelos y cómo se pueden mejorar los procesos actuales usando mejores modelos, etc. Si bien las necesidades del cliente siguen siendo una prioridad, eso no necesariamente define la forma en que las cosas trabajo. Un Data Scientist tradicional tiene más libertad para explorar soluciones innovadoras que podrían no usarse en un entorno de consultoría.
Desde una perspectiva completamente diferente, uno de los mayores desafíos de la industria de la consultoría es el requisito de viaje. Para muchas personas, la consultoría no tiene el mismo encanto a medida que avanzan en sus vidas debido a este requisito exigente. Viajar al sitio del cliente de lunes a jueves todas las semanas durante unos meses no es muy emocionante cuando tienes una familia o responsabilidades en casa. Sin embargo, para alguien recién salido de la escuela de posgrado, estas restricciones podrían no aplicarse necesariamente. Esto es cuando realmente está comenzando su carrera, y estar en consultoría le dará la oportunidad de explorar varias opciones. Estas experiencias te moldean como persona y pueden ser realmente gratificantes en el futuro. Obviamente, no todos están interesados en ese estilo de vida, pero si esto es algo con lo que se sentirá cómodo, entonces definitivamente considérelo como una opción seria.
- ¿Cuántas vacaciones tiene un empleado en Nueva Zelanda?
- ¿Por qué la mayoría de los científicos de datos tienen habilidades obsoletas de los años 90?
- ¿Cómo es ser un científico de datos en Dropbox?
- ¿Por qué es importante la comunicación para los científicos de datos?
- ¿Qué herramientas utilizan los científicos de datos para presentaciones profesionales (por ejemplo, diagramas, gráficos, diagramas de flujo, etc.)?