¿Cuándo explotará la burbuja de ciencia de datos?

Data Science es un trabajo de proyecto, como un proyecto de ingeniería civil o un proyecto de ingeniería marina. Cada vez que se encuentre entre proyectos, si hay una recesión empresarial, lo dejarán ir. Puede que tenga que esperar un par de años antes de que alguien vuelva a contratar, o tomar un trabajo realmente asqueroso.

Sus pares que no estuvieron entre proyectos durante la recesión estarán haciendo bancos y preguntándose qué pasa con usted.

Las recesiones comerciales son difíciles para las nuevas empresas. La financiación se agota. Las startups mueren como moscas. Si está sin trabajo durante una recesión, habrá muchas personas talentosas con una carrera que ha sido un detector de recesión bastante sensible.

Querrás vivir frugalmente y ahorrar suficiente dinero para soportar al menos una breve recesión. Es genial tener un cónyuge que trabaje en una compañía diferente, y aún mayor si solo puede vivir con uno de sus dos salarios.

El riesgo de quedar desempleado es solo una razón más para mantener sus habilidades actualizadas y para cambiar de trabajo si está estancado. Debido a que será abandonado, las segundas condiciones comerciales se deteriorarán.

Si usted hace ciencia de datos y construye cosas, no piense en la posibilidad de una burbuja ni siquiera un momento. Su trabajo para los próximos años debe ser encontrar problemas que le encante resolver. Estar interesado y curioso. Trabaja en tu oficio y busca personas que estén haciendo proyectos que consideres auténticamente interesantes. Seguir su curiosidad es mucho más probable que lo lleve a un trabajo en el que estará involucrado.

Mi consejo es este. Olvídate de planificar o preocuparte por tu carrera ahora mismo. Encuentre una manera de trabajar en proyectos que le interesen. Contribuir a proyectos de código abierto. Aprenderá y se conectará con otras personas que comparten sus intereses.

Las pasantías son importantes. No porque se vean bien en su currículum sino porque aprende a trabajar y comportarse en un entorno de producción. Las cooperativas son las mejores porque tienes 6 meses trabajando a tiempo completo. No es solo la habilidad técnica lo que hace que un ingeniero de software tenga éxito. La capacidad de trabajar como parte de un equipo es algo que se aprende. Viene con experiencia.

Por último / no menos importante, no tengas miedo de preguntar a las personas ocupadas, exitosas, “importantes” por su perspectiva sobre las cosas. La mayoría de las veces, si se comunica con un correo electrónico reflexivo, recibirá una respuesta reflexiva. Siempre diga gracias y recuerde devolver el favor cuando esté ocupado, tenga éxito y sea una “persona importante” en el futuro.

Lo que debería preocuparte es ser mediocre. Las burbujas tecnológicas limpian los estantes de los ingenieros que no están a la altura. Concéntrese en construir un conjunto de habilidades sólidas y trabaje duro y estará bien independientemente de si el clima tecnológico cambia.

Pero como científico de datos, puedo asegurarle que esta burbuja no explotará en años cercanos.

Salud. 🙂

No, no explotará porque es la realidad. Soy ingeniero de Data Warehouse. Ya tenemos una gran cantidad de datos en este mundo y todavía se acumulan ahora y en el futuro también. Entonces, cuando los humanos dejamos de producir datos, se detiene la demanda de ciencia de datos como concepto y de ciencia de datos como profesión.

En India, en particular, el negocio en línea aún está en auge. Según los datos de la respuesta de Balaji Viswanathan, los ingresos del negocio en línea son de 2 mil millones de dólares, mientras que en China son de 300 mil millones de dólares. Data Science juega un papel clave aquí en estos negocios en línea.

More Interesting

¿Por qué elegiste trabajar en finanzas cuantitativas sobre ciencia de datos?

¿Qué marcos serían beneficiosos al usar Python para las ciencias de datos para principiantes?

¿Addepar tiene roles de tipo científico de datos?

¿Existe una demanda de escritores técnicos que se especialicen en ciencia de datos?

¿Es necesario implementar algoritmos principales de aprendizaje automático desde cero al menos una vez para obtener una pasantía en ciencia de datos en una empresa prestigiosa?

¿Cuál es la mejor manera de configurar una estructura de archivo / directorio en una plataforma de Big Data?

Quiere aprender Big data. ¿Cómo debo aprender desde una perspectiva de prueba, por favor responda?

¿Es necesario conocer la teoría detrás del aprendizaje automático ya que Python tiene tantos paquetes?

Comparta materiales gratuitos interesantes sobre ciencias de datos / Big Data / Machine Learning aquí?

Big data, estadísticas: ¿Cuáles son los principales problemas estadísticos en el análisis de "big data"?

¿Por qué la clasificación funciona mejor para predecir conjuntos de datos con categorías nominales o binarias que los conjuntos de datos con categorías ordinales (como las clases de ingresos)?

¿Es necesario el aprendizaje automático para el análisis de datos?

Cómo convertirme en un "fantasma" en Internet y eliminar todos mis datos en línea

¿Cuántos científicos de datos empleados pueden resolver problemas de competencias en línea como la de Kaggle?

¿Cuál es el mejor instituto para la ciencia de datos?