Wat is in hemelsnaam een ​​datawetenschapper? De uitvinder van het modewoord DJ Patil morst alles

Als je de laatste tijd ook maar de minste aandacht hebt besteed aan de arbeidsmarkt, heb je tegenwoordig misschien een opwindende trend in het aannemen van mensen opgemerkt: elke recruiter, zowel van grote bedrijven als kleine startups, is op zoek naar een functie die datawetenschapper wordt genoemd. Als je goed kijkt, is het waarschijnlijk dat sommige van je vrienden zonder enige wetenschappelijke achtergrond de buzz al hebben ingehaald en hun professionele zelf hebben omgedoopt tot datawetenschappers op LinkedIn.

De term datawetenschapper, een paar jaar geleden nog vrijwel ongehoord, geeft nu meer dan 25.000 resultaten op de LinkedIn Jobs-pagina - dat is een solide 2.000 meer dan de zoekresultaten van de universeel trendy financiële analist (tenminste voor ons New Yorkers).

Vanwaar die plotselinge golf van interesse? En wat betekent dat eigenlijk, zoals in, wat doen datawetenschappers? Ik heb deze vragen voorgelegd aan de persoon die volgens mij het meest geschikt is om ze te beantwoorden: de man die de term datawetenschapper heeft bedacht.

DJ Patil, en voormalig LinkedIn-manager (van 2008 tot 2011), die later onder president Barack Obama als chief data scientist van het Witte Huis diende, staat bekend als de allereerste datawetenschapper in de VS. Zijn rol als regering werd gecreëerd als onderdeel van een ingrijpende digitaliseringsinspanning binnen de regering onder leiding van Obama, maar de woordkeuze die werd gebruikt om deze rol te beschrijven, werd bepaald tijdens zijn dagen bij LinkedIn.

Ik was op LinkedIn om het datateam te bouwen, en Jeff Hammerbacher [mede-oprichter van Cloudera] was druk bezig met het datateam van Facebook, en we werkten soms samen en vergeleken aantekeningen. Een van de dingen die we ons realiseerden, was dat we niet wisten hoe we onszelf moesten noemen, zei Patil vorige maand in een interview met Braganca.

Noem jij jezelf een analist? Het voelt te Wall Street. Onderzoeker of statisticus? Voelt te academisch, herinnerde hij zich. Maar omdat ik bij LinkedIn werkte, heb ik zojuist alle functietitels getest die we konden bedenken om te zien welke de meeste interesse zou wekken van sollicitanten. Blijkt dat iedereen een datawetenschapper wilde worden, dus we hebben zoiets van, oké, zo zullen we onszelf noemen.

De titel klinkt verfijnd en net vaag genoeg om de industrie te overstijgen en serieus te worden genomen, zelfs door mensen die geen idee hebben wat het is.

Ik denk dat de fundamentele reden dat het van de grond is gekomen, is dat mensen niet echt zeker weten wat het betekent. En dat is de kracht, zei Patil. Als je jezelf als iets bestempelt, labelen mensen ook wat je niet hoort te zijn. Dus als je in een kamer bent en zegt dat je een data-analist bent, zullen ze denken dat je niet op dit niveau van vergaderingen hoort te zijn. Maar als je zegt dat je de datawetenschapper bent, zullen ze zeggen: godzijdank hebben we hier de slimme mensen.

De toename van de vraag naar datawetenschappers is deels te wijten aan de ongekende overvloed aan data die we hebben verzameld in het internettijdperk, wat heeft geleid tot een hausse aan big data-gerelateerde banen in verschillende industrieën. De sexy klinkende functietitel heeft het voor recruiters gemakkelijk gemaakt om vacatures op te zetten en handig voor werkzoekenden om zichzelf te promoten. Maar de inherente dubbelzinnigheid ervan heeft ook kritiek gekregen van degenen die in de war zijn over wat het eigenlijk betekent.

Clint Chegin, productmanager bij de carrièresite Indeed, uitte zijn frustratie in een: Medium bericht getiteld: Er bestaat niet zoiets als een datawetenschapper.

De overgrote meerderheid van de functiebeschrijvingen van datawetenschap geeft niet de werkelijke vereisten weer van de functie waarvoor ze adverteren, schreef Jeremie Harris, oprichter van loopbaanmentorschapplatform SharpestMinds.

Ik ben er over het algemeen tegen om het te rigoureus te definiëren, zei Patil. Het belangrijkste is hoe je data gebruikt om met de wereld om te gaan, deze te bestuderen en nieuwe dingen te bedenken.

Sommige van die dingen zijn nieuwe producten, zoals een zelfrijdende auto of je auto weer-app . Anderen zijn gegevensanalyses die worden gebruikt om mensen te helpen een beoordeling te maken voor alles, van leningen tot beslissingen over gezondheidszorg, vervolgde hij. Er zijn allerlei soorten datawetenschappers.Misschien overleeft de titel en misschien verandert het in iets anders. Maar ik denk dat het meest krachtige hier is dat we gegevens op nieuwe manieren gebruiken om dingen te bouwen.