પૃથ્વી પર શું છે ડેટા સાયન્ટિસ્ટ? બઝવર્ડના શોધક ડીજે પાટિલ બધાને ફેલાવે છે

જો તમે તાજેતરમાં જોબ માર્કેટ પર સહેજ પણ ધ્યાન આપ્યું હોય, તો તમે આ દિવસોમાં ભાડે લેવામાં એક ઉત્તેજક વલણ જોયું હશે: મોટા નિગમો અને નાના સ્ટાર્ટઅપ્સમાંથી દરેક ભરતી કરનાર ડેટા વૈજ્ .ાનિક તરીકેની જગ્યા ભરવા માટે જોઈ રહ્યા છે. જો તમે નજીકથી નજર નાખો, તો સંભવ છે કે તમારા કેટલાક મિત્રો જેની પાસે કોઈ વિજ્ backgroundાન પૃષ્ઠભૂમિ નથી જે પહેલાથી જ ગુંચવા લાગ્યું છે અને લિંક્ડઇન પર ડેટા વૈજ્ .ાનિકો તરીકે તેમની વ્યાવસાયિક સ્વત re પુન reબ્રાંડેડ કરી છે.

શબ્દ વૈજ્ .ાનિક શબ્દ, જે થોડા વર્ષો પહેલા વર્ચ્યુઅલ રીતે સાંભળ્યો ન હતો, હવે લિંક્ડઇનના જોબ્સ પૃષ્ઠ પર 25,000 થી વધુ પરિણામો આપે છે - તે સાર્વત્રિક રૂપે ટ્રેન્ડી નાણાકીય વિશ્લેષક (ઓછામાં ઓછા આપણા માટે ન્યૂ યોર્કર્સ) ના શોધ પરિણામ કરતાં 2 હજાર વધારે છે.

રુચિમાં અચાનક વધારો કેમ? અને તેનો અર્થ શું છે, જેમ કે, ડેટા વૈજ્ ?ાનિકો શું કરે છે? આ પ્રશ્નો મેં તે વ્યક્તિ પાસે લીધા છે જેની મને લાગણી છે તે જવાબ આપવા માટે તે સૌથી યોગ્ય છે: તે વ્યક્તિ જેણે ડેટા વૈજ્ .ાનિક શબ્દ આપ્યો.

ડી.જે.પાટિલ, એ ભૂતપૂર્વ લિંક્ડઇન એક્ઝિક્યુટિવ (2008 થી 2011 સુધી) જેમણે બાદમાં પ્રમુખ બરાક ઓબામા હેઠળ વ્હાઇટ હાઉસના મુખ્ય ડેટા વૈજ્entistાનિક તરીકે ફરજ બજાવી હતી, યુ.એસ. માં પ્રથમ વખત ડેટા વૈજ્entistાનિક તરીકે ઓળખાય છે તેમની સરકારની ભૂમિકા વહીવટની આગેવાની હેઠળના ડિજિટલાઇઝેશનના સફળ પ્રયત્નોના ભાગ રૂપે બનાવવામાં આવી હતી. ઓબામા, પરંતુ આ ભૂમિકાને વર્ણવવા માટે વપરાયેલા શબ્દોની પસંદગી, લિંક્ડઇન ખાતેના તેમના દિવસો દરમિયાન નક્કી કરવામાં આવી હતી.

હું લિંક્ડઇનમાં ડેટા ટીમ બનાવતો હતો, અને જેફ હેમરબેકર [ક્લouડેરાના સહ-સ્થાપક] ફેસબુકની ડેટા ટીમમાં ખળભળાટ મચાવતા હતા, અને અમે કેટલીક વાર નોંધ કરીશું અને નોંધોની તુલના કરીશું. પાટિલે ગયા મહિને ઓબ્ઝર્વર સાથેની એક મુલાકાતમાં જણાવ્યું હતું કે અમને એક વાતની અનુભૂતિ થઈ હતી કે આપણે પોતાને શું કહેવું તે જાણતા નથી.

શું તમે તમારી જાતને વિશ્લેષક કહો છો? તે વોલ સ્ટ્રીટ પણ લાગે છે. કોઈ સંશોધન વૈજ્entistાનિક કે આંકડાશાસ્ત્રી? ખૂબ શૈક્ષણિક લાગે છે, તે યાદ કર્યું. પરંતુ કારણ કે હું લિંક્ડઇન પર કામ કરતો હતો, મેં નોકરીના અરજદારો પાસેથી સૌથી વધુ રસ કઇ મેળવશે તે જોવા માટે અમે બધા જ જોબ ટાઇટલની તપાસ કરી. બહાર આવ્યું છે કે દરેક વ્યક્તિ ડેટા વૈજ્ everybodyાનિક બનવા માંગે છે, તેથી અમે છીએ, ઠીક છે, તે જ આપણે પોતાને કહીશું.

આ શીર્ષક સુસંસ્કૃત લાગે છે અને ઉદ્યોગોને આગળ વધારવા માટે પૂરતું અસ્પષ્ટ છે અને ગંભીરતાથી લેવામાં આવે છે, એવા લોકો દ્વારા પણ કે જેને તે જાણ નથી.

મને લાગે છે કે આણે લીધેલ મૂળભૂત કારણ એ છે કે લોકો ખરેખર તેનો અર્થ શું કરે છે તેની ખાતરી હોતા નથી. પાટિલે કહ્યું કે અને તે શક્તિ છે. જ્યારે તમે તમારી જાતને કોઈ વસ્તુ તરીકે લેબલ કરો છો, ત્યારે લોકો તમને તે નુ લેબલ પણ લેબલ કરે છે. તેથી, જ્યારે તમે ઓરડામાં હોવ અને કહો કે તમે ડેટા વિશ્લેષક છો, ત્યારે તેઓ વિચારે છે કે તમે મીટિંગ્સના આ સ્તરે ન હોવ. પરંતુ જ્યારે તમે કહો છો કે તમે ડેટા વૈજ્ .ાનિક છો, ત્યારે તે હશે, દેવતાનો આભાર કે અમારી પાસે અહીં સ્માર્ટ લોકો છે.

ડેટા વૈજ્ .ાનિકોની માંગનો પ્રવાહ અંશત. ઇન્ટરનેટના યુગમાં આપણે એકત્રિત કરેલા ડેટાની અભૂતપૂર્વ વિપુલતાને કારણે છે, જેણે વિવિધ ઉદ્યોગોમાં ડેટા સાથે સંબંધિત મોટી નોકરીઓને વેગ આપ્યો છે. સેક્સી સંભળાતા જોબ ટાઇટલથી ભરતીકારોને નોકરીની જાહેરાતો મૂકવી અને જોબ સીકર્સ માટે પોતાને પ્રોત્સાહન આપવું અનુકૂળ છે. પરંતુ તેની અંતર્ગત સંદિગ્ધતાએ તે લોકોની ટીકા પણ કરી છે કે જેઓ ખરેખર તેનો અર્થ શું છે તે અંગે મૂંઝવણમાં છે.

ખરેખર કારકીર્દિ સાઇટના પ્રોડક્ટ મેનેજર ક્લિન્ટ ચેજિને એ. માં તેની હતાશા વ્યક્ત કરી હતી મધ્યમ પોસ્ટ શીર્ષક, ડેટા સાયન્ટિસ્ટ જેવી કોઈ વસ્તુ નથી.

મોટાભાગના ડેટા સાયન્સ જોબ વર્ણનો તેઓ જાહેરાત કરે છે તે સ્થિતિની વાસ્તવિક આવશ્યકતાઓને રજૂ કરતા નથી, લખ્યું જેરીમી હેરિસ, કારકિર્દી માર્ગદર્શક પ્લેટફોર્મ શાર્પેસ્ટમાઇન્ડ્સના સ્થાપક.

પાટીલે કહ્યું કે, સામાન્ય રીતે હું તેને ખૂબ સખત રીતે વ્યાખ્યાયિત કરવાનો પ્રયાસ કરવાનો વિરોધ કરું છું. મહત્ત્વની બાબત એ છે કે તમે વિશ્વ સાથે ક્રિયાપ્રતિક્રિયા કરવા, તેનો અભ્યાસ કરવા અને નવી વસ્તુઓ સાથે આવવાનો પ્રયાસ કરવા માટે ડેટાનો ઉપયોગ કેવી રીતે કરો છો.

તેમાંથી કેટલીક વસ્તુઓ નવા ઉત્પાદનો છે, જેમ કે સ્વ-ડ્રાઇવિંગ કાર અથવા તમારી હવામાન એપ્લિકેશન . અન્યો એ ડેટા વિશ્લેષણ છે જેનો ઉપયોગ લોકોને લોનથી લઈને આરોગ્ય સંભાળના નિર્ણયો સુધીની દરેક બાબતોનું મૂલ્યાંકન કરવામાં સહાય માટે કરવામાં આવે છે. ત્યાં તમામ પ્રકારના ડેટા વૈજ્ .ાનિકો છે.કદાચ શીર્ષક બચે છે અને કદાચ તે કંઈક અન્યમાં ફેરવાય છે. પરંતુ મને લાગે છે કે અહીં સૌથી શક્તિશાળી વસ્તુ એ છે કે આપણે વસ્તુઓના નિર્માણ માટે નવીન રીતોમાં ડેટાનો ઉપયોગ કરીએ છીએ.