「テックの冬を生き抜くために、データサイエンティストは特化する必要がある」

To survive the tech winter, data scientists need to specialize.

最近、シリコンバレーの気温は寒くなっています。疑いの余地はありません、私たちはテックの冬にいます。ベンチャーキャピタルの資金が枯渇し、何百もの企業が人員削減を実施しており、AIが誰もの首に息をかけており、追加の雇用喪失と不確実性の脅威を引き起こしています。

データサイエンティストは自分の仕事が安全かどうかを疑問に思っています。そして当然です。かつて最もセクシーなキャリアとされたものが、今ではあまり熱いとは言えません。

全体として、データサイエンスの仕事の見通しは明るいです – 労働統計局は今後10年間で36％成長すると予測しており、これは平均的なアメリカの雇用産業成長率の5％よりもはるかに速いです。しかし、数千人の解雇されたデータサイエンティストのうちどれかがあなたに言えるように、統計は失業への盾ではありません。答えは何でしょうか？一部の専門家は、専門化が目立ち、解雇されないための最良の方法の1つだと提案しています。「データの影響力が増大し、技術が進歩するにつれて、効率を最大化するためにデータチームの特定の役割が必要になるでしょう」とフォーチュンの著者、メーガン・マラスは書いています。

• 「振り返って奇妙さに向き合え」
• 「探索的データ分析の改善のための実践的なヒント」
• レコメンドシステムの評価指標 — 概要

私も同意します。どのデータサイエンティストも、その日のボスが求めるものによって仕事が異なると言います – スプレッドシート、プレゼンテーション、ETLパイプラインの開発、または実行する実験の開発など。

すべてのデータサイエンティストが共通して持っているのは、データの量と重要性が増すにつれ、責任が広がっているということだけです。

すべてをやろうとする代わりに、データサイエンティストは専門化を通じて自分自身をより明確に差別化することができます。スキルや領域を選ぶことで、競争の激しい求人市場での関連性と価値を維持することが容易になります。

専門化がデータサイエンティストの仕事を守るのに役立つ理由

StrataScratchを始める前は、私は普通の総合的なデータサイエンティストでした。急速に進化するこの分野に対応するために、常に新しいスキルと技術を学んでいました。しかし、もちろん、私は自分自身を差別化する必要があると感じた日が来ました。私はインフラストラクチャとデータサイエンスの作業を可能にする方法に特化することにしました。私のインフラストラクチャの仕事は、私のチームのデータサイエンティストが以前よりも速くモデルと結果を提供できるようになるように変わりました。

データサイエンスのインフラストラクチャに焦点を当てた数年後、私はバイオテクノロジー分野のデータ戦略の仕事を見つけました。私はすぐに、私の専門化が私に相当な優位性を与えていることに気付きました。私と同じ特定のスキルと経験を持つ人は少なかったため、私はより高い給与とより高い地位を要求することができました。1つの焦点を持つことで得た深い知識は、他のデータサイエンティストに影響を与えるために、私をより上級の立場に押し上げました。

これは私の物語にすぎませんが、専門化は現在の状況と全体的な目標に応じてさまざまな方法で役立つことがあります。

就職の安定を目指す

私のお気に入りの「友達の恋人はどうやって知り合ったか」のエピソードの1つでは、マーシャルはバーニーのおかげで法律事務所で仕事を得ます。バーニーは彼に「何か」の人にならなければならないと言います。お菓子の人、マッサージの人、ゲームの人など。それが彼の気まぐれな上司に解雇されない唯一の方法でした。

時にはシットコムは正しいこともあります。総合職は他の総合職に置き換えることができますが、専門家はより価値があります。言いやすいです。「いいえ、マーシャルを解雇することはできません。彼は私たちのマーケティング分析担当者です。彼が私たちのマーケティングと販売のパイプラインを作るのに役立っています。彼はチームにとって重要です。」

競争を制する

データサイエンティストへの需要は大きいですが、データサイエンスの学位に対する需要も増えています。さらに、企業が非伝統的なバックグラウンドを見るようになっていることを加えると、競争の激化が予想されます。

   

専門化することで、仕事市場での競争を減らすことができます。例えば、自然言語処理（NLP）に特化すれば、競争できる仕事の範囲は限られます。しかし、データサイエンティストよりもNLPの専門家ははるかに少ないため、需要が高まります。

 

お金が動機になってもいい

 

正直なところ、データサイエンスのキャリアはお金だけではありません。専門化も同様です。しかし、仕事の特定の部分に興味を持っている場合、専門家は一般的な人よりも高い給与を得ることができることを知っておく価値があります。一般的な人がどれだけ多くのスキルを持っていても、専門家は高い給与を要求することができます。

たとえば、Indeedのデータを見てみましょう。データサイエンティストの平均基本給は年間12.7万ドルです。それに比べて、機械学習エンジニア（15.5万ドル）やバックエンド開発者（15.8万ドル）の給与を比較してみてください。

 

データサイエンティストとして専門化する方法

 

わかりました、専門化の価値に納得しましたね。では、どのように専門化すればよいのでしょうか？手順を分解してみましょう。

 

 

自分の興味から始める

 

専門化するのであれば、自分が重点を置く分野に興味を持っていることを確認する必要があります。お金だけでなく、自分が楽しんで行うことになります。まず、自分の興味を見つめ直してみましょう。

自分が情熱を持っているのは何でしょうか？自由な時間にどのようなプロジェクトに取り組んでいるのでしょうか？自分の興味を特定することで、どの分野に特化できるかが見えてくるでしょう。自分が情熱を持つものは、どのような仕事に取り組むのが楽しいと感じるのでしょうか？例えば、プロジェクトでは、インフラの作業に興奮しますか？モデリングの作業に興奮しますか？データのクリーニングの作業に興奮しますか？自分が好きなことを見つけて、その分野に深く入り込んでいきましょう。

 

技術の風景を眺める

 

技術の風景は常に変化しており、最新のトレンドについていくことが重要です。例えば、Metaを見てみましょう。数年間、数十億ドルを使ってメタバースに取り組んできましたが、今では他の主要なテック企業と同様にAIにシフトしています。

自分の興味のあるトピックの候補ができたら、活発な活動や需要のある分野を探してみましょう。これにより、自分がどこに特化できるか、自分自身を差別化できる機会がどこにあるかを特定することができます。

調べるのに最適な場所の1つはIndeedです。この記事は少し古いですが、その考え方が好きです。著者は、特定の言語や都市を言及する求人広告をIndeedからスクレイピングしました。R、SQL、Pythonがリストのトップにあります。また、StackOverflowの開発者調査もチェックしてみてください。彼らは需要のある技術について非常によく把握しているため、見てみる価値があります。

 

無料のコースと資格を見つける

 

興味のある分野を特定したら、スキルを開発するための無料のコースや資格を探してみましょう。高価なコースではなく、知識が定着するかどうかを確認するために無料のコースから始めましょう。

オンラインのコースや書籍、練習プラットフォームなど、無料のリソースはたくさんあります。それらを活用してデータサイエンスのスキルと知識を構築してください。自信がついたら、ポートフォリオを構築するためにプロジェクトを行うこともおすすめです。

 

仕事で新しいプロジェクトを依頼する

 

既にデータサイエンティストとして働いている場合、新しいスキルを活かす機会を探してください。上司や同僚と自分の興味について話し、スキルを開発できるプロジェクトがあるかどうかを確認してみてください。新しいチャレンジを受けることで、専門化した分野での経験と専門知識を積むことができます。

例えば、自然言語処理に興味がある場合、顧客のフィードバックデータを分析するプロジェクトや、顧客サービス向けのチャットボットを開発するプロジェクトに参加することができます。コンピュータビジョンが得意な場合は、画像認識やビデオ分析に関連するプロジェクトがあるかどうか確認して、貢献することができます。

時には、ビジネスのニーズが次のプロジェクトを決定することもあります。例えば、私の最初のプロジェクトの一つは、Twitterのツイートを使用して食中毒の発生を追跡するためのNLPアルゴリズムを作成することでした。私はNLPアルゴリズムの構築についての訓練を受けていなかったので、ゼロから始めてプロジェクト中にできるだけ多くのことを学ぶ必要がありました。データサイエンティストとしてのスキルセットを構築するための素晴らしい学習経験でした。

 

転職する

 

最後に、あなたが新しい職業方向を示すために新しい会社に転職する時が来るかもしれません。もし上司があなたを何でも屋のデータサイエンティストとしか見てくれないのであれば、新しいキャリア方向をアピールするために新しい会社に移る必要があるかもしれません。時には、雇用主のビジネスニーズ（例：常に同じニーズ）や技術スタック、チーム構造に飽きてしまうこともあります。毎日仕事にワクワクしないのであれば、成長し学ぶことができる新しい機会を探す時かもしれません。

新しいスキルにマッチする求人を探して応募しましょう。転職することで、新たな雇用主に新しい専門知識を示すことができます。

 

進むか専門化するか、選択はあなた次第です

 

データサイエンティストとして、専門化することは賢い選択です。しかし、それは単に良いキャリア選択だけではなく、自分の役割についてのより明確な理解や楽しさ、目的をもたらしてくれることを願っています。私の上司たちは私が何をすべきかをより良く理解してくれ、より有用なKPIを提供してくれました。私は価値をもたらす方法をより良く把握することができました。そして、自分の興味にふけることもできました。

これらの手順に従うことで、競争の激しい求人市場でデータサイエンティストとして専門化を始め、際立つことができます。専門化は自分自身をより雇用可能にするだけでなく、興味を追求し、楽しめるキャリアを築くことでもあります。成功を祈ります！ Nate Rosidi はデータサイエンティストであり、プロダクト戦略に従事しています。彼はまた、アナリティクスを教える非常勤講師でもあり、StrataScratchというトップ企業の実際のインタビュー問題でデータサイエンティストが面接に備えるためのプラットフォームの創設者でもあります。Twitter: StrataScratchまたはLinkedInで彼とつながってください。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!