Con muchos años de experiencia en análisis de datos y generación de informes, ¿qué herramienta de visualización de datos debo aprender a trabajar en el mundo de los científicos de datos?

Ggplot2 de R es ampliamente aceptado como legítimo.

Matplotlib de Python también.

Si quieres cosas automatizadas, prueba Tableau o qlikview.

Por experiencia personal, herramientas como Tableau y qlikview no son requisitos de trabajo para los científicos de datos. Son requisitos de trabajo para otros trabajos de análisis (gerente de análisis, analistas senior, etc.). Y Tableau aparece mucho más en las ofertas de trabajo en ese sentido.

Lo que hago cuando quiero abreviar mi camino para encontrar lo que la gente está contratando es ser un usuario avanzado de los sitios de búsqueda de empleo. Voy de hecho y escribo: “científico de datos” Tableau

Con mi ubicación y comparar el número de publicaciones a:

Qlikview “científico de datos”

Es una manera rápida y sucia, lo sé. No me importa

Probablemente no encontrará matplotlib o ggplot2 en muchas publicaciones, pero si dicen visualización usando r, ggplot2 es un paquete popular. Y si dicen visualización mediante Python, matplotlib es un paquete popular. Sin embargo, hay otros paquetes en ambos idiomas.

D3.js de JavaScript aparece raramente y eso es probablemente porque se usa principalmente en aplicaciones web personalizadas.

Supongo que la opción es si te sientes cómodo con Python, r, JavaScript o ninguno de los anteriores. Es notable señalar que Tableau es costoso.

El científico de datos examinará todos los datos entrantes con el objetivo de descubrir una información previamente oculta, que a su vez puede proporcionar una ventaja competitiva o abordar un problema empresarial urgente. Un científico de datos no solo recopila e informa sobre los datos, sino que también los mira desde muchos ángulos, determina lo que significa y luego recomienda formas de aplicar los datos. La preparación primaria comienza desde el período de graduación

Los científicos de datos son inquisitivos: exploran, hacen preguntas, hacen análisis de “qué pasaría si”, cuestionan los supuestos y procesos existentes

Los datos se duplican cada dos años, y todos han oído hablar de los números de crecimiento absurdos indicados en los informes. En este contexto, el resultado inevitable es la aparición del Data Scientist. Un científico de datos necesita analizar grandes cantidades de datos y proyectar el mapa tecnológico para hacer posible la transición de datos a ideas. El alcance del trabajo de un científico de datos incluye la identificación de fuentes de datos, la calidad de los datos, las correlaciones entre los puntos de datos y la difusión a los usuarios de la información.