Analityk danych wydobywa wnioski ze złożonych danych. Buduje modele, przeprowadza eksperymenty i odpowiada na pytania, które wymagają czegoś więcej niż tylko zapytania. Czy ten klient odejdzie? Jaka cena maksymalizuje przychody? Którzy pacjenci są narażeni na ponowną hospitalizację? Praca łączy statystykę, programowanie i wiedzę specjalistyczną. Najlepsi analitycy danych rozumieją biznes równie dobrze, jak matematykę.

Rola ta ewoluowała. Wcześni naukowcy zajmujący się danymi robili wszystko: oczyszczanie danych, modelowanie i wdrażanie. Współczesne zespoły często dzielą się pracą. Inżynierowie danych obsługują potoki danych. Inżynierowie uczenia maszynowego wdrażają modele. Naukowcy danych koncentrują się na analizie i eksperymentowaniu. Narzędziami są Python i R z bibliotekami takimi jak Pandas, Scikit-learn i TensorFlow. SQL pozostaje niezbędny. Umiejętności komunikacyjne są równie ważne, jak techniczne. Model, którego nikt nie rozumie lub któremu nikt nie ufa, nie będzie używany. Naukowcy danych muszą wyjaśniać swoje ustalenia kierownictwu, menedżerom produktów i inżynierom. Muszą być szczerzy w kwestii niepewności. Prognoza z 70-procentowym prawdopodobieństwem nie jest gwarancją. Najtrudniejszą częścią nie jest zbudowanie modelu. Najtrudniejszą częścią jest skłonienie organizacji do działania zgodnie z tym, co mówi model. To wymaga zaufania, a zaufanie wymaga jasnej komunikacji.

Umiejętności naukowca zajmującego się danymi

• Statystyka — testowanie hipotez, regresja, rachunek prawdopodobieństwa
• Programowanie — Python, R, SQL
• Uczenie maszynowe — wybór modelu, szkolenie, ocena
• Wiedza domenowa — zrozumienie problemu biznesowego
• Komunikacja — jasne wyjaśnianie ustaleń

Analityk danych to po części analityk, po części inżynier, po części tłumacz. Tytuł jest szeroki, ponieważ zakres jego obowiązków jest szeroki.