En dataforsker henter ut innsikt fra komplekse data. De bygger modeller, kjører eksperimenter og svarer på spørsmål som krever mer enn en forespørsel. Vil denne kunden forsvinne? Hvilken pris maksimerer inntektene? Hvilke pasienter er i faresonen for reinnleggelse? Jobben kombinerer statistikk, programmering og domenekunnskap. De beste dataforskerne forstår både forretningsdriften og matematikken.

Rollen har utviklet seg. Tidlige dataforskere gjorde alt: datarensing, modellering, distribusjon. Moderne team deler ofte arbeidet. Dataingeniører håndterer pipelines. Maskinlæringsingeniører distribuerer modeller. Dataforskere fokuserer på analyse og eksperimentering. Verktøyene er Python og R, med biblioteker som pandas, scikit-learn og TensorFlow. SQL er fortsatt viktig. Kommunikasjonsevner er like viktige som tekniske. En modell som ingen forstår eller stoler på, vil ikke bli brukt. Dataforskere må forklare funnene sine til ledere, produktsjefer og ingeniører. De må være ærlige om usikkerhet. En prediksjon med 70 prosent sikkerhet er ikke en garanti. Den vanskeligste delen er ikke å bygge modellen. Det handler om å få organisasjonen til å handle ut fra det modellen sier. Det krever tillit, og tillit krever tydelig kommunikasjon.

Dataforskerferdigheter

• Statistikk — hypotesetesting, regresjon, sannsynlighet
• Programmering — Python, R, SQL
• Maskinlæring – modellvalg, trening, evaluering
• Domenekunnskap – å forstå forretningsproblemet
• Kommunikasjon – tydelig forklaring av funn

En dataforsker er delvis analytiker, delvis ingeniør, delvis oversetter. Tittelen er bred fordi arbeidet er bredt.