¿Cuáles son las diversas formas en que Data Science puede convertirlo en un emprendedor exitoso?

No lo hace. Data Science es el reverso del emprendimiento.

  1. Data Science es una habilidad de los empleados, no una habilidad emprendedora. Cuando desea construir algo de cero a uno, no tiene datos, por lo tanto, la ciencia de datos no es útil. En el momento en que tiene una gran cantidad de datos (por una gran cantidad de datos, me refiero a una gran cantidad de datos para justificar el uso de tantas herramientas estadísticas sofisticadas para analizar), el negocio ya despegó. (Bueno, puede decir que obtiene una visión emprendedora de los datos públicos, sin embargo, normalmente el volumen de dichos datos es bastante limitado, y no veo cómo lo hace de manera diferente a las empresas de investigación de mercado existentes).
  2. Hay algunos ejemplos de científicos de datos que ayudan a descubrir importantes patrones subyacentes a partir de datos (como la famosa historia de “correlación de cerveza y pañales”). Pero durante la mayor parte del tiempo, simplemente realizaron consultas para recopilar resúmenes. El descubrimiento innovador real normalmente proviene de la intuición humana y la comprensión del negocio real, no del todo de los datos.

El científico de datos representa una evolución desde el rol comercial o analista de datos. La capacitación formal es similar, con una base sólida típicamente en informática y aplicaciones, modelado, estadísticas, análisis y matemáticas.

Lo que distingue al científico de datos es la perspicacia empresarial fuerte, junto con la capacidad de comunicar los hallazgos a los líderes empresariales y de TI de una manera que puede influir en la forma en que una organización aborda un desafío empresarial. Los buenos científicos de datos no solo abordarán los problemas comerciales, sino que elegirán los problemas correctos que tengan el mayor valor para la organización.

More Interesting

¿Cómo es la escena de la ciencia de datos en Boston?

¿Quiénes son los mejores expertos en aprendizaje automático (ML)?

Para alguien sin experiencia en ciencia de datos, ¿cómo me convenzo de que los modelos predictivos son importantes, ya que no garantizan eventos futuros?

Entre las siguientes compañías, ¿cuál tiene el mejor equipo de Data Science?

¿Cómo convertirse en un científico de datos financieros? Quiero aplicar programación, matemáticas y finanzas en un solo trabajo. Tengo una licenciatura en informática, soy bueno con Java y C ++, y estoy aprendiendo R y Python. ¿Cuál debería ser mi próximo paso?

¿Cuáles son las diferencias entre la desigualdad de Hoeffding y la desigualdad de VC?

¿Cuál debería elegir, Data Science en UC Berkeley (programa MIDS) por $ 65,000, o Data Science en la Universidad de Illinois (MCS-DS) por $ 20,000?

¿Qué es el análisis de datos grandes y el alcance de Hadoop?

¿Por qué las empresas solicitan habilidades de ingeniería de datos cuando reclutan científicos de datos, es decir, matemáticos?

¿Cómo comparar los algoritmos de clasificación de minería de datos? ¿Hay algún parámetro / punto de referencia para ello?

Cómo comenzar a construir un proyecto sobre minería de datos desde cero

¿Qué significa "casi todas las herramientas de software estadístico disponibles para los científicos alientan el modelado paramétrico y, por lo tanto, el diseño de experimentos basados ​​en suposiciones sobre la distribución de datos que están equivocados"?

Tengo experiencia con React and Angular, y desarrollo de JavaScript de pila completa, ¿debería incluirlos cuando busco entre ciencia de datos?

¿Cuáles son las habilidades necesarias para obtener un trabajo como analista de datos o científico de datos para alguien que acaba de completar una licenciatura en ingeniería?

¿Cómo se puede usar Big Data contra nosotros?