McKinsey es un gran lugar para que alguien con una sólida formación cuantitativa se convierta en un científico de datos de pleno derecho.
Lo que diferencia a un científico de datos de otras funciones analíticas es su fuerte perspicacia comercial (llevar grandes datos a la empresa) y una empresa de consultoría de gestión es un gran lugar para aprender esto.
Idealmente, querría un puesto dentro de McKinsey que le brinde la oportunidad de trabajar en proyectos altamente cuantitativos con exposición del cliente y pares / superiores cuantitativamente fuertes que puedan asesorarlo sobre cómo aplicar sus habilidades técnicas. Hasta hace dos años, formaba parte de un grupo de un pequeño grupo de especialistas analíticos en Alemania que proporciona exactamente eso y sé de un grupo similar en Nueva York. También hay un fuerte grupo cuantitativo de marketing / conocimiento del cliente y expertos en otras áreas que pueden ser excelentes mentores.
- Si planeo enfocarme en Data Science usando Python en el futuro, actualmente para desarrolladores web ¿debería pasar tiempo aprendiendo Node / Express o enfocarme en Django?
- ¿Cuáles son los componentes de software comunes de un kit de herramientas de almacenamiento de datos?
- ¿Qué tecnología está en auge ahora, aparte de Big Data y Hadoop?
- Cómo seleccionar núcleos SVM
- ¿Cómo se relacionan la regresión lineal y el descenso de gradiente? ¿Es el descenso de gradiente un tipo de regresión lineal y es similar a los mínimos cuadrados ordinarios (OLS) y los mínimos cuadrados generalizados (GLS)?
En cualquier caso, espere un entorno de trabajo duro y desafiante. Como nerd, a veces también me sentía fuera de lugar en un mundo de trajes, corbatas y relojes caros, pero adquirí un conjunto de habilidades que me distingue.
