डीजे पाटिल, पूर्व राष्ट्रपति बराक ओबामा के तहत व्हाइट हाउस के पहले मुख्य डेटा वैज्ञानिक।एबिन बॉट्सफोर्ड / द वाशिंगटन पोस्ट गेटी इमेज के माध्यम से यदि आपने हाल ही में नौकरी के बाजार पर थोड़ा भी ध्यान दिया है, तो आपने इन दिनों भर्ती में एक उत्साहजनक प्रवृत्ति देखी होगी: बड़े निगमों और छोटे स्टार्टअप से हर भर्तीकर्ता, डेटा वैज्ञानिक नामक एक पद को भरने की तलाश में है। यदि आप करीब से देखते हैं, तो संभव है कि आपके कुछ मित्र बिना विज्ञान की पृष्ठभूमि वाले हों, जो पहले से ही चर्चा में आ गए हैं और लिंक्डइन पर डेटा वैज्ञानिकों के रूप में अपने पेशेवर खुद को फिर से ब्रांडेड कर चुके हैं।
डेटा साइंटिस्ट शब्द, जो कुछ साल पहले लगभग अनसुना था, अब लिंक्डइन के जॉब्स पेज पर 25,000 से अधिक परिणाम देता है - जो कि सार्वभौमिक रूप से ट्रेंडी वित्तीय विश्लेषक (कम से कम हमारे लिए न्यू यॉर्कर्स) के खोज परिणामों से 2,000 अधिक है।
ब्याज की अचानक वृद्धि क्यों? और इसका क्या मतलब है, जैसे कि डेटा वैज्ञानिक क्या करते हैं? मैं इन सवालों को उस व्यक्ति के पास ले गया जो मुझे लगा कि उनका जवाब देने के लिए सबसे योग्य है: वह व्यक्ति जिसने डेटा वैज्ञानिक शब्द गढ़ा है।
डीजे पाटिल, ए पूर्व लिंक्डइन कार्यकारी (२००८ से २०११ तक) जिन्होंने बाद में राष्ट्रपति बराक ओबामा के तहत व्हाइट हाउस के मुख्य डेटा वैज्ञानिक के रूप में कार्य किया, उन्हें अमेरिका में पहली बार डेटा वैज्ञानिक के रूप में जाना जाता है, उनकी सरकार की भूमिका प्रशासन के भीतर व्यापक डिजिटलीकरण प्रयास के हिस्से के रूप में बनाई गई थी। ओबामा, लेकिन इस भूमिका का वर्णन करने के लिए इस्तेमाल किए जाने वाले शब्दों का चुनाव लिंक्डइन पर उनके दिनों के दौरान तय किया गया था।
मैं लिंक्डइन में डेटा टीम का निर्माण कर रहा था, और जेफ हैमरबैकर [क्लौडेरा के सह-संस्थापक] फेसबुक की डेटा टीम में हलचल कर रहे थे, और हम कभी-कभी नोट्स का सहयोग और तुलना करते थे। पाटिल ने पिछले महीने ऑब्जर्वर के साथ एक साक्षात्कार में कहा था कि जिन चीजों को हमने महसूस किया उनमें से एक यह था कि हमें नहीं पता था कि खुद को क्या कहा जाए।
क्या आप खुद को विश्लेषक कहते हैं? यह वॉल स्ट्रीट भी लगता है। एक शोध वैज्ञानिक या सांख्यिकीविद्? बहुत अकादमिक लगता है, उन्होंने याद किया। लेकिन क्योंकि मैं लिंक्डइन पर काम कर रहा था, मैंने अभी उन सभी जॉब टाइटल्स का परीक्षण किया, जिनके बारे में हम सोच सकते थे कि नौकरी के आवेदकों में से किसको सबसे ज्यादा दिलचस्पी मिलेगी। पता चला कि हर कोई डेटा साइंटिस्ट बनना चाहता था, इसलिए हम ठीक हैं, ठीक यही हम खुद को कहेंगे।
शीर्षक परिष्कृत लगता है और उद्योगों को पार करने के लिए पर्याप्त अस्पष्ट है और इसे गंभीरता से लिया जाता है, यहां तक कि उन लोगों द्वारा भी जिन्हें पता नहीं है कि यह क्या है।
मुझे लगता है कि इसका मूल कारण यह है कि लोग वास्तव में निश्चित नहीं हैं कि इसका क्या अर्थ है। और वह शक्ति है, पाटिल ने कहा। जब आप अपने आप को किसी चीज़ के रूप में लेबल करते हैं, तो लोग उस पर भी लेबल लगाते हैं जो आपको नहीं होना चाहिए। इसलिए, जब आप एक कमरे में होते हैं और कहते हैं कि आप एक डेटा विश्लेषक हैं, तो वे सोचेंगे कि आपको बैठकों के इन स्तरों पर नहीं होना चाहिए। लेकिन जब आप कहते हैं कि आप डेटा वैज्ञानिक हैं, तो वे ऐसे होंगे, भगवान का शुक्र है कि हमारे यहां स्मार्ट लोग हैं।
डेटा वैज्ञानिकों की मांग की सवारी आंशिक रूप से इंटरनेट के युग में हमारे द्वारा जमा किए गए डेटा की अभूतपूर्व प्रचुरता के कारण है, जिसने विभिन्न उद्योगों में बड़े डेटा से संबंधित नौकरियों में तेजी को बढ़ावा दिया है। सेक्सी लगने वाली नौकरी के शीर्षक ने भर्ती करने वालों के लिए नौकरी के विज्ञापन देना आसान बना दिया है और नौकरी चाहने वालों के लिए खुद को बढ़ावा देना आसान बना दिया है। लेकिन इसकी अंतर्निहित अस्पष्टता ने उन लोगों की आलोचना भी की है जो इस उलझन में हैं कि इसका वास्तव में क्या मतलब है।
करियर साइट वास्तव में एक उत्पाद प्रबंधक क्लिंट चेगिन ने अपनी निराशा व्यक्त की: मध्यम पद शीर्षक, डेटा साइंटिस्ट के रूप में ऐसी कोई बात नहीं है।
अधिकांश डेटा विज्ञान नौकरी विवरण उस स्थिति की वास्तविक आवश्यकताओं को व्यक्त नहीं करते हैं जिसका वे विज्ञापन कर रहे हैं, लिखा था करियर मेंटरशिप प्लेटफॉर्म शार्पेस्टमाइंड्स के संस्थापक जेरेमी हैरिस।
पाटिल ने कहा, मैं आमतौर पर इसे बहुत सख्ती से परिभाषित करने की कोशिश करने का विरोध करता हूं। महत्वपूर्ण बात यह है कि आप दुनिया के साथ बातचीत करने के लिए डेटा का उपयोग कैसे करते हैं, इसका अध्ययन करते हैं और नई चीजों के साथ आने का प्रयास करते हैं।
उनमें से कुछ चीज़ें नए उत्पाद हैं, जैसे सेल्फ़-ड्राइविंग कार या आपकी मौसम ऐप . अन्य डेटा विश्लेषण हैं जिनका उपयोग लोगों को ऋण से लेकर स्वास्थ्य देखभाल के निर्णयों तक हर चीज का आकलन करने में मदद करने के लिए किया जाता है, उन्होंने जारी रखा। सभी प्रकार के डेटा वैज्ञानिक हैं।हो सकता है कि शीर्षक बच जाए और शायद यह कुछ और हो जाए। लेकिन मुझे लगता है कि यहां सबसे शक्तिशाली बात यह है कि हम चीजों को बनाने के लिए नए तरीकों से डेटा का उपयोग कर रहे हैं।
