En data scientist utvinner insikter från komplex data. De bygger modeller, kör experiment och svarar på frågor som kräver mer än en fråga. Kommer den här kunden att försvinna? Vilket pris maximerar intäkterna? Vilka patienter riskerar att bli återinlagda? Jobbet kombinerar statistik, programmering och domänkunskap. De bästa data scientisterna förstår både verksamheten och matematiken.

Rollen har utvecklats. Tidiga data scientists gjorde allt: datarensning, modellering, driftsättning. Moderna team delar ofta upp arbetet. Dataingenjörer hanterar pipelines. Maskininlärningsingenjörer driftsätter modeller. Data scientists fokuserar på analys och experiment. Verktygen är Python och R, med bibliotek som pandas, scikit-learn och TensorFlow. SQL är fortfarande avgörande. Kommunikationsförmåga är lika viktig som tekniska. En modell som ingen förstår eller litar på kommer inte att användas. Data scientists måste förklara sina resultat för chefer, produktchefer och ingenjörer. De måste vara ärliga om osäkerhet. En förutsägelse med 70 procents säkerhet är ingen garanti. Det svåraste är att inte bygga modellen. Det handlar om att få organisationen att agera utifrån vad modellen säger. Det kräver förtroende, och förtroende kräver tydlig kommunikation.

Datavetares färdigheter

• Statistik — hypotesprövning, regression, sannolikhet
• Programmering — Python, R, SQL
• Maskininlärning — modellval, träning, utvärdering
• Domänkunskap — att förstå affärsproblemet
• Kommunikation — tydlig förklaring av resultaten

En data scientist är delvis analytiker, delvis ingenjör, delvis översättare. Titeln är bred eftersom arbetet är brett.