Willkommen beim Google Advanced Data Analytics-Zertifikat
Wenn Sie schon einmal eine App genutzt haben, um den besten Weg durch den Verkehr zu finden oder beim Online-Einkauf Produktempfehlungen erhalten haben, sind Sie bereits mit der Datenanalyse von Verbraucherseite vertraut. Schätzungen zufolge erzeugt jeder Mensch durchschnittlich mindestens 1,7 Megabyte Daten pro Sekunde. Das bedeutet ungefähr, dass jeden Tag weltweit über 2,5 Trillionen Megabyte an Daten produziert werden. Daher besteht jetzt und in absehbarer Zukunft ein enormer Bedarf an Menschen, die Daten organisieren und die darin enthaltenen Geschichten interpretieren können. Wenn Sie sich diesem Karriereweg nähern, bringen Sie wahrscheinlich praktische Erfahrung und problemlösende Entscheidungen, die Zuweisung von Ressourcen, Zeitmanagement und viele andere Fähigkeiten mit, die für den Job eines Datenprofis besonders geeignet sind. Viele Unternehmen suchen nach Kandidaten, um Positionen in diesem schnell wachsenden, hochbezahlten Bereich zu besetzen. Mein Name ist Cassie und ich war Datenwissenschaftlerin, bevor wir es Data Science nannten. Ich leite den Bereich Entscheidungsintelligenz hier bei Google und bin Ihr Dozent für den ersten Kurs dieses Zertifikatsprogramms. Bevor ich Chefentscheidungswissenschaftler bei Google Cloud wurde, arbeitete ich als Datenwissenschaftler bei Google Research, wo ich an über 400 Projekten bei Google beteiligt war. Eines meiner liebsten Dinge an der Karriere im Bereich Datenwissenschaft ist die enorme Vielfalt, insbesondere wenn man wie ich von Natur aus neugierig ist. Es gibt so viele verschiedene Arten von Projekten und Herausforderungen. Einige von uns entscheiden sich dafür, jahrelang an einem Projekt zu arbeiten. Andere engagieren sich jede Woche bei mehreren neuen Projekten. Die Möglichkeiten sind endlos. Als Datenprofi wird jede Person bezeichnet, die mit Daten arbeitet und/oder über Datenkenntnisse verfügt. Ein Datenexperte ist zumindest in der Lage, Daten zu untersuchen, zu bereinigen, auszuwählen, zu analysieren und zu visualisieren. Möglicherweise sind sie auch mit dem Schreiben von Code vertraut und sind mit den von Statistikern und Ingenieuren für maschinelles Lernen verwendeten Techniken vertraut, einschließlich der Erstellung von Modellen, der Entwicklung algorithmischen Denkens und/oder der Erstellung von Modellen für maschinelles Lernen. Maschinelles Lernen ist ein alternativer Ansatz zur Automatisierung, der die Art und Weise zum Ausdruck bringt, wie eine Aufgabe erledigt werden soll, indem Daten statt expliziter Anweisungen verwendet werden. Maschinelles Lernen ist ein wichtiger Bestandteil des Werkzeugkastens moderner Datenprofis. Um ein Modell für maschinelles Lernen zu trainieren, verarbeiten Spezialisten eine Reihe potenzieller Dateneingaben durch Algorithmen, optimieren die Einstellungen und iterieren so lange, bis vielversprechende Ergebnisse erzielt werden. Das Training eines Modells ist jedoch nur ein kleiner Schritt auf dem Weg zum professionellen maschinellen Lernen. Techniken des maschinellen Lernens können auch für die Datenanalyse und -exploration mit weitaus weniger Schritten eingesetzt werden. Das lernen Sie in diesem Programm. In den Kursressourcen finden Sie weitere Möglichkeiten, maschinelles Lernen zu erkunden. Schauen Sie sich diese also unbedingt an. Die Arbeit von Datenfachleuten erstreckt sich über ein breites Branchenspektrum und wirkt sich auf eine Vielzahl von Produkten und Dienstleistungen aus. Wie wir später besprechen werden, gibt es auch viele verschiedene Rollen und Titel, die sich auf die Arbeit als Datenprofi konzentrieren. Betrachten Sie sie als Datendetektive, die ihre Ergebnisse analysieren und interpretieren, um die darin enthaltenen Geschichten aufzudecken. Ich freue mich, dass Sie in diesem Programm einige von ihnen kennenlernen. Google-Karrierezertifikate werden von Branchenexperten mit jahrzehntelanger Erfahrung hier bei Google entwickelt. Sie werden von einem anderen Experten von Google durch jeden Kurs dieses Programms geführt. Wir geben unser Wissen und unsere Videos weiter, helfen Ihnen beim Üben mit praktischen Aktivitäten und führen Sie durch Szenarien, denen Sie bei der Arbeit begegnen könnten. Dieses Zertifikat soll Sie in 3 bis 6 Monaten auf eine Stelle vorbereiten, wenn Sie nebenberuflich am Zertifikat arbeiten. Dieses Programm ist also wirklich flexibel. Sie können alle Kurse zu Ihren eigenen Bedingungen und in Ihrem eigenen Tempo absolvieren. Während des gesamten Programms stellen wir Ihnen Ressourcen zur Verfügung, die Sie darauf vorbereiten, Ihre Karriere als Datenexperte voranzutreiben. Im weiteren Verlauf werden Sie auch eine Sammlung von Portfolioprojekten und ein umfassendes Abschlussprojekt aufbauen, das Ihre Fähigkeiten über Ihren Lebenslauf hinaus demonstriert. Sie verfügen außerdem über ein unterstützendes Netzwerk von Peer-Learning-Teilnehmern, die das Zertifikat mitnehmen. Sie können sich in den Diskussionsforen mit ihnen vernetzen. Dieses Programm soll Ihnen Erfahrungen vermitteln, indem es auf den Kenntnissen und Fähigkeiten aufbaut, die Sie bis zu diesem Punkt entwickelt haben. Unabhängig von Ihrer Erfahrung mit Daten und Analysen lernen Sie zu Beginn des Programms verschiedene Erfahrungen kennen, die für den Start oder die Weiterentwicklung Ihrer Karriere relevant und hilfreich sind. Wir bauen nicht nur Ihre Fähigkeiten aus, sondern untersuchen auch, wie Teams von Datenexperten zusammenarbeiten und am Arbeitsplatz einen Beitrag leisten. Am Ende dieses Programms sind Sie bereit, eine Stelle im Datenkarrierebereich anzunehmen. Durch den Abschluss eines Google Career-Zertifikats wie diesem entwickeln Sie die Fähigkeiten und Kenntnisse, die Sie für eine Stelle in diesem expandierenden Berufsfeld benötigen. Sobald Sie Ihren Abschluss gemacht haben, können Sie sich mit Hunderten usw. vernetzen
Übersicht über das Google Advanced Data Analytics-Zertifikat
Betreten Sie ein wachsendes Feld
Warum sind Datenanalysefähigkeiten so gefragt? Unternehmen berichten darüberGrößte Qualifikationslückein der Datenanalyse, und die Nachfrage nach Datenanalysefähigkeiten wächst15-mal schnellerals die Nachfrage nach durchschnittlichen Qualifikationen in den USA. Da die Rechenleistung immer schneller wird, versuchen Branchen, die zunehmende Menge an ihnen zur Verfügung stehenden Daten zu nutzen. Unternehmen integrieren Datenanalysen, um ihre Kunden besser zu verstehen und ihre Produkte und Dienstleistungen zu verbessern. Immer mehr Unternehmen beschäftigen Datenexperten, die sie bei künftigen Geschäftsentscheidungen unterstützen. Daher müssen Datenexperten in der Lage sein, die Herausforderungen und Möglichkeiten des maschinellen Lernens besser zu verstehen, genaue Vorhersagemodelle zu erstellen und ihre Ergebnisse klar zu formulieren.
Während dieses Programms erkunden Sie Konzepte und Szenarien, die Ihnen dabei helfen, Ihr Wissen und Ihre Fähigkeiten als Datenprofi zu erweitern.
Kurse zum Google Advanced Data Analytics-Zertifikat
Das Google Advanced Data Analytics umfasst sieben Kurse. Während jedes Kurses absolvieren Sie praktische Aktivitäten, die der täglichen Arbeit von Datenanalyseexperten ähneln. Auf diese Weise sammeln Sie Erfahrungen, die Ihnen helfen, die Geschichten in den Daten effektiv aufzudecken und Modelle zu erstellen, die Einblicke in Trends liefern können. Am Ende dieses Programms verstehen Sie, wie Sie mit Python programmieren, Daten für die Analyse vorbereiten, Statistiken mit Daten verwenden, Vorhersagemodelle erstellen, maschinelle Lernfunktionen optimieren und vieles mehr. Die Kurse des Programms sind wie folgt:
Inhalt des Google Data Analytics-Zertifikats
Diese Kurse bauen auf vielen grundlegenden Konzepten auf, die im untersucht werdenGoogle Data Analytics-Zertifikat, und Sie werden auf Links zu Inhalten aus den Kursen zum Data Analytics-Zertifikat stoßen. Dieses Material soll eine optionale Überprüfung bieten und als nützliche Ressource dienen.
Vorteile für Arbeitssuchende
Nach Abschluss aller sieben Kurse erhalten Absolventen des Google Advanced Data Analytics-Zertifikats Zugang zu exklusiven Ressourcen für die Jobsuche, bereitgestellt von Google. Sie haben die Möglichkeit:
Erstellen Sie Ihren Lebenslauf, nehmen Sie an Probeinterviews teil und erhalten Sie Tipps für die Jobsuche über Big Interview, eine Plattform für Berufsausbildung, die für Programmabsolventen kostenlos ist.
Verbessern Sie Ihre Interviewtechnik mit Interview Warmup, einem von Google speziell für Absolventen von Zertifikaten entwickelten Tool. Greifen Sie auf datenanalysespezifische Übungsfragen, Transkripte Ihrer Antworten und automatische Erkenntnisse zu, die Ihnen helfen, Ihre Fähigkeiten und Ihr Selbstvertrauen zu stärken.
Greifen Sie mit Career Circle auf Tausende von Stellenausschreibungen und kostenloses Einzel-Karriere-Coaching zu. (Um beizutreten, müssen Sie berechtigt sein, in den USA zu arbeiten.)
Fordern Sie Ihr Google Advanced Data Analytics-Zertifikatsabzeichen an und teilen Sie Ihre Erfolge auf LinkedIn, um sich bei potenziellen Arbeitgebern von anderen Kandidaten abzuheben.
Herzlichen Glückwunsch zu diesem nächsten Schritt auf Ihrem Weg zu einer erfüllenden Karriere in der Datenanalyse!
Überblick über Kurs 1
Hallo und willkommen bei Foundations of Data Science , dem ersten Kurs zum Google Advanced Data Analytics-Zertifikat. Sie beginnen eine aufregende Reise!
In diesem Kurs werden Sie in die Grundkonzepte der Datenwissenschaft eingeführt. Sie erfahren, wie Datenexperten am Arbeitsplatz agieren und wie unterschiedliche Rollen zur Zukunftsvision eines Unternehmens beitragen. Außerdem beginnen Sie mit der Erkundung des Datenworkflows PACE, der für „Planen, Analysieren, Konstruieren und Ausführen“ steht. Der PACE-Workflow hilft Ihnen dabei, besser zu verstehen, wie Sie mit den technischen und arbeitsplatzbezogenen Erwartungen dieses Berufsfelds umgehen können.
Kursbeschreibung
Das Google Advanced Data Analytics-Zertifikat umfasst sieben Kurse. „Grundlagen der Datenwissenschaft“ ist der erste Kurs.
Grundlagen der Datenwissenschaft— (aktueller Kurs) Erfahren Sie , wie Datenexperten am Arbeitsplatz agieren und wie unterschiedliche Rollen im Bereich der Datenwissenschaft zur Zukunftsvision eines Unternehmens beitragen. Erkunden Sie dann die Rollen in der Datenwissenschaft, Kommunikationsfähigkeiten und Datenethik.
Beginnen Sie mit Python— Entdecken Sie, wie die Programmiersprache Python Ihre Datenanalyse unterstützen kann. Lernen Sie grundlegende Python-Konzepte wie Datentypen, Funktionen, bedingte Anweisungen, Schleifen und Datenstrukturen kennen.
Gehen Sie über die Zahlen hinaus: Verwandeln Sie Daten in Erkenntnisse— Lernen Sie die Grundlagen der Datenbereinigung und -visualisierung kennen und erfahren Sie, wie Sie die wichtigen Geschichten, die in Daten stecken, offenlegen.
Die Macht der Statistik— Entdecken Sie deskriptive und inferenzielle Statistiken, grundlegende Wahrscheinlichkeiten und Wahrscheinlichkeitsverteilungen, Stichproben, Konfidenzintervalle und Hypothesentests.
Regressionsanalyse: Komplexe Datenbeziehungen vereinfachen— Lernen Sie, Variablenbeziehungen zu modellieren, wobei der Schwerpunkt auf linearer und logistischer Regression liegt.
Das A und O des maschinellen Lernens— Erlernen Sie unbeaufsichtigte Techniken des maschinellen Lernens und deren Anwendung auf Unternehmensdaten.
Schlussstein für Google Advanced Data Analytics— Absolvieren Sie ein praktisches Projekt, um die Fähigkeiten und Kompetenzen zu demonstrieren, die Sie im Programm erwerben.
Inhalt von Kurs 1
Jeder Kurs dieses Zertifikatsprogramms ist in Module unterteilt. Sie können Kurse in Ihrem eigenen Tempo absolvieren, die Modulaufschlüsselung soll Ihnen jedoch dabei helfen, das gesamte Google Advanced Data Analytics-Zertifikat in etwa sechs Monaten abzuschließen.
Was kommt? Hier finden Sie einen kurzen Überblick über die Fähigkeiten, die Sie in den einzelnen Modulen dieses Kurses erlernen.
Modul 1: Einführung in datenwissenschaftliche Konzepte
Sie erfahren, was Sie für Kurs 1 und das gesamte Zertifikatsprogramm erwartet. Sie erkunden die Coursera-Plattform, die Verfahren und Inhaltstypen und treffen andere Lernende im Programm. Anschließend lernen Sie die Grundlagen der Datenwissenschaft kennen und gehen der Frage nach: „Was ist Datenwissenschaft?“ indem wir Elemente seiner Geschichte untersuchen und seine aktuellen prägenden Merkmale nachzeichnen. Abschließend erfahren Sie noch einige Tipps für den Berufseinstieg in diesem Bereich.
Modul 2: Die Auswirkungen von Daten heute
In diesem Teil des Kurses werden Sie Beispiele dafür untersuchen, wie sich datengesteuerte Erkenntnisse auf verschiedene Branchen auswirken. Sie erfahren, wie Datenanalyseexperten Organisationen verändern und erfahren, wie Datenexperten die Datenverantwortung angehen. Anschließend betrachten Sie den Verlauf der Datenanalyse und prognostizieren die Zukunft der Datenfelder.
Modul 3: Ihre Karriere als Datenprofi
Sie erfahren, was eine Karriere als Datenprofi bedeutet. In diesem Abschnitt untersuchen Sie die erforderlichen Fähigkeiten eines Datenanalysten und vergleichen sie mit vielen anderen Rollen im Datenbereich. Anschließend erfahren Sie, wie Datenexperten in funktionsübergreifenden Teams arbeiten und wie sie ihren Organisationen dienen.
Modul 4: Datenanwendungen und Workflow
Sie erfahren, wie Sie Ihre Arbeit als Datenanalyst strukturieren und lernen den PACE-Workflow kennen, der Sie dabei unterstützt, wie ein Datenprofi zu denken. Sie werden außerdem untersuchen, was es bedeutet, ein erfolgreicher Kommunikator zu sein und wie Kommunikation dazu beitragen kann, die Datenanalyse im PACE-Workflow voranzutreiben.
Modul 5: Abschlussprojekt von Kurs 1
Sie arbeiten an einem Projekt, das Ihnen bei der Entwicklung Ihres Lebenslaufs hilft und Ihre Fähigkeit verfeinert, wie ein Datenprofi zu denken. Am Ende des Kurses reflektieren Sie Ihre Lernreise und erhalten dann eine Vorschau auf den nächsten Kurs.
Was zu erwarten ist
Jeder Kurs bietet viele Arten von Lernmöglichkeiten:
Von Google-Lehrern geleitete Videos vermitteln neue Konzepte, führen in die Verwendung relevanter Tools ein, bieten Karriereunterstützung und liefern inspirierende persönliche Geschichten.
Die Lesungen bauen auf den in den Videos behandelten Themen auf, stellen verwandte Konzepte vor, teilen nützliche Ressourcen und beschreiben Fallstudien.
Diskussionsaufforderungen erläutern Kursthemen zum besseren Verständnis und ermöglichen es Ihnen, mit anderen Lernenden im zu chatten und Ideen auszutauschenDiskussionsforen.
Durch Selbstüberprüfungsaktivitäten und Labore können Sie die erlernten Fertigkeiten praktisch üben und Ihre eigene Arbeit bewerten, indem Sie sie mit einem abgeschlossenen Beispiel vergleichen.
Interaktive Plug-Ins regen Sie zum Üben konkreter Aufgaben an und helfen Ihnen, das im Kurs erworbene Wissen zu integrieren.
In-Video-Tests helfen Ihnen, Ihr Verständnis zu überprüfen, während Sie jedes Video durchgehen.
Mit Übungsquiz können Sie Ihr Verständnis wichtiger Konzepte überprüfen und wertvolles Feedback geben.
Benotete Tests zeigen Ihr Verständnis der Hauptkonzepte eines Kurses. Um ein Zertifikat zu erhalten, müssen Sie in jedem benoteten Quiz mindestens 80 % erreichen. Sie können ein benotetes Quiz auch mehrmals absolvieren, um eine bestandene Punktzahl zu erreichen.
Tipps für den Erfolg
Es wird dringend empfohlen, dass Sie die Elemente in jeder Lektion in der Reihenfolge durchgehen, in der sie erscheinen, da neue Informationen und Konzepte auf Vorkenntnissen aufbauen.
Nehmen Sie an allen Lernmöglichkeiten teil, um so viel Wissen und Erfahrung wie möglich zu sammeln.
Wenn etwas verwirrend ist, zögern Sie nicht, ein Video noch einmal abzuspielen, eine Lektüre zu wiederholen oder eine Selbstüberprüfungsaktivität zu wiederholen.
Nutzen Sie die zusätzlichen Ressourcen, auf die in diesem Kurs verwiesen wird. Sie sollen Ihr Lernen unterstützen. Alle diese Ressourcen finden Sie imRessourcenTab.
Wenn Sie in diesem Kurs auf nützliche Links stoßen, setzen Sie ein Lesezeichen darauf, damit Sie später auf die Informationen zurückgreifen können, um sie zu studieren oder zu überprüfen.
Verstehen und befolgen Sie dieCoursera-Verhaltenskodexum sicherzustellen, dass die Lerngemeinschaft für alle Mitglieder ein einladender, freundlicher und unterstützender Ort bleibt.
Einführung in Kurs 1
Nachdem Sie nun ein allgemeines Verständnis für dieses Programm haben, lassen Sie uns etwas genauer darüber sprechen, was Sie in diesem Kurs erwarten können. Wir beginnen mit den Grundlagen und ein wenig Hintergrundwissen darüber, was das Datenfeld bietet. Auch wenn Sie vielleicht bereits mit der Arbeit im Datenbereich vertraut sind, freue ich mich darauf, tief in die Geschichte einzutauchen, die uns zeigt, wo wir waren, wo wir sind und wohin wir in diesem Bereich gehen. Diese wichtigen Entwicklungen und Anwendungen werden alle Möglichkeiten veranschaulichen, auf die Sie sich mit diesem Programm vorbereiten können. In diesem ersten Kurs besprechen wir die spezifischen Fähigkeiten und Eigenschaften, nach denen Unternehmen bei zukünftigen Mitarbeitern suchen. Sie entwickeln die Kernkompetenzen, die Sie benötigen, um auf Ihrem Weg als Datenprofi voranzukommen, und integrieren diese Fähigkeiten mit Ihren eigenen bereits vorhandenen Fähigkeiten. Wir konzentrieren uns speziell auf die technischen und arbeitsplatzbezogenen Erwartungen. Unterwegs wird es auch genügend Möglichkeiten zum Üben geben. Anschließend erkunden wir Ihre Chancen auf dem Arbeitsmarkt. Sie lernen die Vielfalt der Rollen und Positionen kennen, die Ihren Fähigkeiten entsprechen. Sie werden auch die Verantwortlichkeiten und Ethik untersuchen, die allen Rollen im Bereich der Datenkarriere zugrunde liegen. Da immer mehr Branchen sich den Datenberufen zuwenden, finden Sie mit Sicherheit eine Stelle, die Ihren Interessen entspricht. Wir werden auch einige dieser Branchen untersuchen, damit Sie sehen können, wo Datenexperten eingesetzt werden, um fundiertere Entscheidungen zu treffen. Anschließend untersuchen wir, wie größere Unternehmen Teams aus Datenexperten zusammenstellen, um größere Projekte anzugehen. Wir werfen auch einen Blick auf die Zukunft von Datenkarrieren und die Entwicklung des Fachgebiets im Allgemeinen, damit Sie nach Abschluss dieses Programms einen guten Eindruck davon bekommen, was die Zukunft für Sie bereithält. Wir untersuchen auch Elemente effektiver Kommunikation und finden heraus, wie diese Sie als Datenprofi stärken kann. Während dieses Kurses und des gesamten Programms werden Sie sehen, wie effektive Kommunikation die Produktivität steigern und das allgemeine Verständnis während des Datenanalyseprozesses fördern kann. Im weiteren Verlauf sammeln Sie durch Ihre Portfolioprojekte praktische Erfahrung in der Datenanalyse. Beginnend mit dem ersten in diesem Kurs. Wir haben verschiedene Optionen für Sie entwickelt, mit denen Sie Ihre Datenkenntnisse in tatsächlichen Szenarien mit Daten anwenden können, die von unseren Industriepartnern geteilt werden. Mit diesen Projekten können Sie Ihre Fähigkeiten künftigen Arbeitgebern präsentieren. Abschließend geben Ihnen unsere Ausbilder ein paar Karrieretipps und -taktiken, die Sie auf Ihrem Weg begleiten. Das ist eine kurze Vorschau auf das, was Sie später in diesem Kurs erwartet. Als Nächstes haben Sie die Möglichkeit, einige Ressourcen durchzugehen, die Ihnen dabei helfen, das Beste aus diesem Programm herauszuholen. Wir sehen uns im nächsten Video.
de
Hilfreiche Ressourcen und Tipps
Als Lernender können Sie in diesem Programm einen oder mehrere Kurse absolvieren. Um jedoch das Google Advanced Data Analytics-Zertifikat zu erhalten, müssen Sie alle Kurse absolvieren. In dieser Lektüre wird beschrieben, was erforderlich ist, um ein Zertifikat zu erhalten, und Best Practices für eine gute Lernerfahrung auf Coursera.
Erwerben Sie das Google Advanced Data Analytics-Zertifikat
Um Ihr offizielles Google Advanced Data Analytics-Zertifikat zu erhalten, müssen Sie:
Bestehen Sie alle benoteten Aufgaben in allen 7 Kursen des Zertifikatsprogramms. Jede benotete Aufgabe ist Teil einer kumulativen benoteten Punktzahl für den Kurs, und die Bestehensnote für jeden Kurs beträgt 80 %.
UND eines der folgenden:
Zahlen Sie dieKurszertifikatgebühr,
Seien Sie zugelassen fürCoursera-Finanzhilfe, oder
Füllen Sie das Zertifikat über eine Bildungseinrichtung, einen Arbeitgeber oder eine Agentur aus, die Ihre Teilnahme sponsert.
Gesunde Gewohnheiten für den Kursabschluss
Hier finden Sie eine Liste mit Best Practices, die Ihnen dabei helfen, die Kurse des Programms rechtzeitig abzuschließen:
Planen Sie Ihre Zeit: Wenn Sie regelmäßige Lernzeiten festlegen und diese jede Woche einhalten, können Sie das Lernen zu einem Teil Ihrer Routine machen. Verwenden Sie einen Kalender oder Zeitplan, um einen Zeitplan zu erstellen, und listen Sie auf, was Sie jeden Tag tun möchten, um erreichbare Ziele festzulegen. Suchen Sie sich einen Raum, in dem Sie sich konzentrieren können, wenn Sie sich die Videos ansehen, die Messwerte noch einmal durchgehen und die Aktivitäten abschließen.
Arbeiten Sie in Ihrem eigenen Tempo: Jeder lernt anders. Deshalb wurde dieses Programm so konzipiert, dass Sie in Ihrem eigenen Tempo arbeiten können. Obwohl Ihre persönlichen Fristen mit der Einschreibung beginnen, können Sie das Programm gerne in der Geschwindigkeit absolvieren, die für Sie am besten geeignet ist. Für verspätete Zuweisungen gibt es keine Strafe; Um Ihr Zertifikat zu erhalten, müssen Sie lediglich alle Arbeiten abschließen. Sie können Ihre Fristen jederzeit verlängern, indem Sie im Navigationsbereich auf „Übersicht“ gehen und „Sitzungen wechseln“ auswählen . Wenn Sie bereits frühere Fristen verpasst haben, wählen Sie stattdessen „Meine Fristen zurücksetzen“ aus .
Seien Sie neugierig: Wenn Sie eine Idee finden, die Sie begeistert, handeln Sie danach! Stellen Sie Fragen, suchen Sie online nach weiteren Details, erkunden Sie die Links, die Sie interessieren, und machen Sie sich Notizen zu Ihren Entdeckungen. Die Schritte, die Sie unternehmen, um Ihr Lernen auf Ihrem Weg zu unterstützen, werden Ihr Wissen erweitern, mehr Möglichkeiten in diesem wachstumsstarken Bereich schaffen und Ihnen helfen, sich für einen Arbeitsplatz zu qualifizieren.
Machen Sie sich Notizen: Notizen helfen Ihnen, sich in Zukunft an wichtige Informationen zu erinnern, insbesondere wenn Sie sich auf den Eintritt in ein neues Berufsfeld vorbereiten. Darüber hinaus ist das Anfertigen von Notizen eine effektive Möglichkeit, Zusammenhänge zwischen Themen herzustellen und ein besseres Verständnis dieser Themen zu erlangen.
Prüfexemplare: Exemplare sind abgeschlossene Aufgaben, die die Kriterien einer Aktivität vollständig erfüllen. Für viele Aktivitäten in diesem Programm gibt es Beispiele, die Sie mit Ihrer eigenen Arbeit vergleichen können. Obwohl es oft viele Möglichkeiten gibt, eine Aufgabe zu erledigen, bieten Ihnen Beispiele Anleitung und Inspiration, wie Sie die Aktivität erledigen können.
Bauen Sie Ihre Karriereidentität auf : Ihre Karriereidentität ist der einzigartige Wert, den Sie der Belegschaft bieten.Schau dieses Video anErfahren Sie mehr über die Schlüsselkomponenten der beruflichen Identität und verfassen Sie Ihre eigene Erklärung zur beruflichen Identität. Wenn Sie Ihre eigene Karriereidentität entdecken und definieren, sind Sie besser gerüstet, einen Karriereweg zu wählen, der Ihren Stärken, Werten und Zielen entspricht und in Ihrem gewählten Beruf effektiver ist.
Gemeinsam lernen: Bei all den Ablenkungen des Lebens kann es schwierig sein, die Zeit zu finden, ein Google Career Certificate zu absolvieren.Registrieren Sie sich für die Studiengruppe– Live-Lernsitzungen, die von Montag bis Donnerstag stattfinden und Ihnen die Zeit und den Raum bieten, sich gemeinsam mit einer Gemeinschaft Ihrer Kommilitonen auf Ihre Kursarbeit zu konzentrieren.
Vernetzen Sie sich mit anderen Lernenden: Wenn Sie eine Frage haben, sind Sie wahrscheinlich nicht allein. Kontaktieren Sie das Diskussionsforum, um andere Lernende in diesem Programm um Hilfe zu bitten. Sie können Coursera auch privat besuchenGoogle Advanced Data Analytics-Communityum Ihr Netzwerk zu erweitern, Karrierewege zu besprechen und Erfahrungen auszutauschen. Besuche dieSchnellstartanleitung.
Aktualisieren Sie Ihr Profil: Überlegen SieAktualisierung Ihres Profilsauf Coursera, um Ihr Foto, Ihre Karriereziele und mehr hinzuzufügen. Wenn andere Lernende Sie in den Diskussionsforen finden, können sie auf Ihren Namen klicken, um auf Ihr Profil zuzugreifen und Sie besser kennenzulernen.
Dokumente, Tabellenkalkulationen, Präsentationen und Labore für Kursaktivitäten
Um bestimmte Aktivitäten im Programm abzuschließen, müssen Sie digitale Dokumente, Tabellenkalkulationen, Präsentationen und/oder Labore verwenden. Datenanalytiker nutzen diese Softwareanwendungen für die Zusammenarbeit innerhalb ihrer Teams und Organisationen. Wenn Sie weitere Informationen zur Verwendung eines bestimmten Tools benötigen, lesen Sie diese Ressourcen:
Microsoft Word: Hilfe und Lernen: Microsoft-Supportseite für Word
Google Dokumente: Hilfeseite für Google Docs
Microsoft Excel: Hilfe und Lernen: Microsoft-Supportseite für Excel
Google Sheets: Hilfeseite für Google Sheets
Microsoft PowerPoint: Hilfe und Lernen: Microsoft-Supportseite für PowerPoint
So verwenden Sie Google Slides: Hilfeseite für Google Slides
Häufige Probleme mit Laboren: Hilfe zur Fehlerbehebung für Qwiklabs-Aktivitäten
Modul-, Kurs- und Zertifikatsglossare
Dieses Programm behandelt viele Begriffe und Konzepte, von denen Sie einige möglicherweise bereits kennen und andere möglicherweise nicht kennen. Um Begriffe zu überprüfen und sich auf benotete Tests vorzubereiten, lesen Sie die folgenden Glossare:
Modulglossare : Am Ende des Inhalts jedes Moduls können Sie ein Glossar mit Begriffen aus diesem Modul einsehen. Das Glossar jedes Moduls baut auf den Begriffen der vorherigen Module dieses Kurses auf. Die Modulglossare können nicht heruntergeladen werden; Alle Begriffe und Definitionen sind jedoch in den herunterladbaren Kurs- und Zertifikatsglossaren enthalten.
Kursglossare : Am Ende jedes Kurses können Sie auf ein Glossar zugreifen und es herunterladen, das alle Begriffe in diesem Kurs abdeckt.
Zertifikatsglossar : Das Zertifikatsglossar enthält alle Begriffe des gesamten Zertifikatsprogramms und ist eine hilfreiche Ressource, auf die Sie während des gesamten Programms oder jederzeit in der Zukunft zurückgreifen können.
Sie können auf die Zertifikatsglossare zugreifen, diese herunterladen und auf Ihrem Computer speichern. Sie können das Kursglossar jederzeit über die Kurse findenRessourcenTab. Um auf das Glossar zum Advanced Data Analytics-Zertifikat zuzugreifen , klicken Sie auf den folgenden Link und wählen Sie Vorlage verwenden aus .
Link zum Glossar:Glossar zum Advanced Data Analytics-Zertifikat
ODER
Wenn Sie kein Google-Konto haben, können Sie das Glossar direkt aus dem folgenden Anhang herunterladen.
Glossar zum Data Analytics-Zertifikat
Wenn Sie das Original fertiggestellt habenGoogle Data Analytics-ZertifikatMöglicherweise stellen Sie Überschneidungen mit mehreren Glossarbegriffen in diesem Programm fest. Weitere Informationen finden Sie im Glossar zum Data Analytics-Zertifikat, das im verlinkt istRessourcenKlicken Sie auf die Registerkarte, um diese grundlegenden Begriffe und Konzepte zu überprüfen. Die Definitionen einiger Begriffe im Glossar zum Data Analytics-Zertifikat weichen von den Definitionen derselben Begriffe in diesem Programm ab, da das Advanced Data Analytics-Zertifikat auf den im vorherigen Programm gelehrten Konzepten aufbaut.
Kursfeedback
Es ist einfach, Feedback zu Videos, Lesungen und anderen Materialien zu geben. Wenn die Ressource in Ihrem Browser geöffnet ist, finden Sie die Daumen-hoch- und Daumen-runter-Symbole.
Klicken Sie auf „Daumen hoch“ , um Materialien anzuzeigen, die Sie hilfreich finden.
Klicken Sie auf die Daumen-nach-unten-Taste für Materialien, die Sie nicht hilfreich finden.
Wenn Sie ein bestimmtes Problem mit einem Artikel kennzeichnen möchten, klicken Sie auf das Flaggensymbol, wählen Sie eine Kategorie aus und geben Sie eine Erklärung in das Textfeld ein. Dieses Feedback geht an das Kursentwicklungsteam zurück und ist für andere Lernende nicht sichtbar. Das gesamte erhaltene Feedback trägt dazu bei, in Zukunft noch bessere Zertifikatsprogramme zu schaffen.
Für technische Hilfe besuchen Sie bitte dieHilfezentrum für Lernende.
Willkommen zu Modul 1
Hallo wieder! Lassen Sie uns einige der Kursthemen besprechen, denen Sie auf Ihrer Lernreise begegnen werden. In diesem Programm programmieren Sie in Python, entdecken die Geschichten, die Daten enthalten, entwickeln Datenvisualisierungen, verwenden statistische Tools, erstellen Modelle und versuchen sich sogar an maschinellem Lernen! Nebenbei bauen Sie zusätzlich zum Schlussstein dieses Programms ein Portfolio voller Datenprojekte auf. Unabhängig davon, ob Sie den Beruf wechseln, eine neue Karriere beginnen, Ihre Fähigkeiten verbessern oder über Ihre derzeitige Rolle in einem Unternehmen hinauskommen möchten, können die Google Career-Zertifikate Sie dabei unterstützen, Schritte in Richtung neuer Möglichkeiten zu unternehmen. Wir haben einige tolle Lehrer zusammengestellt, die Sie auf Ihrer Reise unterstützen und die sich jetzt gerne vorstellen: Hallo! Ich bin Adrian und ich bin Customer Engineer bei Google. Gemeinsam werden wir eine der am schnellsten wachsenden Programmiersprachen erkunden: Python. Sie erlernen die Grundlagen, die Ihnen beim Schreiben von Skripten helfen, die eine Reihe wichtiger mathematischer Operationen an Datensätzen durchführen, die Ihnen dabei helfen sollen, die Geschichten in den Daten zu entschlüsseln. Hallo! Ich bin Robb. Ich bin ein führender Anbieter von Verbraucherprodukten. Ich arbeite hier bei Google an Marketingprojekten. Ich freue mich darauf, mit Ihnen darüber zu sprechen, wie man mithilfe von Daten Geschichten erzählt. Wir besprechen die sechs Praktiken der explorativen Datenanalyse und wie man die darin enthaltenen Trends und Muster erkennt. Wir erfahren auch, wie wichtig es ist, Datenvisualisierungen mit Python und Tableau zu entwerfen und zu präsentieren, die Ihnen helfen können, Ihre Daten zu verstehen und sie anderen zu vermitteln. Hallo! Mein Name ist Evan. Ich bin Wirtschaftswissenschaftler und berate verschiedene Teams bei Google. Mithilfe von Statistiken können Sie aus den Daten selbst komplexere Ideen generieren. In unserer gemeinsamen Zeit werden Sie entdecken, wie Sie Erkenntnisse gewinnen, Schlussfolgerungen ziehen, Schlussfolgerungen ziehen, Schätzungen erstellen und Vorhersagen treffen können. Hallo! Ich bin Tiffany, Leiterin der Marketingwissenschaft und arbeite hier bei Google mit Marketingdaten. Ich werde Sie durch den Prozess der Modellierung von Beziehungen zwischen Variablen führen. Gemeinsam werden wir verschiedene Regressionsmodelle und Hypothesentests untersuchen. Wir werden auch über Modellannahmen, Konstruktion, Bewertung und Interpretation als Mittel zur Beantwortung datengesteuerter Fragen sprechen. Hallo! Ich bin Susheela. Ich bin Data Scientist und arbeite hier bei Google an Projekten für YouTube. Ich werde Sie durch den Aufbau von Systemen führen, die ohne spezifische Anweisungen lernen und sich anpassen können. Wir besprechen, wie maschinelles Lernen den Prozess der Datenanalyse verändert – während Sie Ihre eigenen Modelle erstellen. Hallo! Ich bin Tiffany und leite hier bei Google Teams, die sich auf den verantwortungsvollen Aufbau von KI konzentrieren. Ich stelle Ihnen Karriereressourcen und Portfolioprojekte vor und führe Sie durch den Abschlusskurs am Ende des Programms. Ich unterstütze Sie mit verschiedenen Möglichkeiten und Tools, die Sie auf den Arbeitsmarkt vorbereiten.
Video abspielen, beginnend bei :2:57 und dem Transkript folgen2:57
Und natürlich wissen Sie bereits, dass ich Sie durch den ersten Kurs führen werde. Dies ist eine großartige Zeit, um Ihre Karriere als Datenprofi weiterzuentwickeln und voranzutreiben. Ihr Weg zu einer Karriere voller neuer Möglichkeiten wartet auf Sie!
Datendiskurs im Laufe der Jahre
In diesem Programm werden Ihnen die Begriffe „Data Science“ und „Data Analytics“ begegnen. Obwohl diese Disziplinen in ihrem Umfang sehr unterschiedlich sein können, werden sie von Branchenexperten häufig synonym verwendet. Es ist wichtig, die Gemeinsamkeiten und Unterschiede zwischen Datenwissenschaft und Datenanalyse zu untersuchen, um das Datenberufsfeld besser zu verstehen und herauszufinden, wo Ihre Fähigkeiten passen. In dieser Lektüre erfahren Sie mehr über Datenwissenschaft, Datenanalyse und wie sich der Datenberuf im Laufe der Zeit entwickelt hat.
Was ist Data Science vs. Data Analytics?
Data Science ist ein ganzes Feld, das sich der Verbesserung der Datennutzung widmet. Ein Datenwissenschaftler ist ein Fachmann, der Rohdaten verwendet, um neue Methoden zur Datenmodellierung und zum Verständnis des Unbekannten zu entwickeln. Ihre beruflichen Aufgaben umfassen häufig verschiedene Komponenten der Informatik, Predictive Analytics, Statistik und maschinellen Lernens. Die Informationssammlungen, mit denen Datenwissenschaftler arbeiten, können recht umfangreich sein und erfordern Fachwissen für die Organisation und Navigation.
Datenanalyse ist ein Teilgebiet der größeren Disziplin der Datenwissenschaft. Das Ziel der Datenanalyse besteht darin, Methoden zur Erfassung, Verarbeitung und Organisation von Daten zu entwickeln, um umsetzbare Erkenntnisse für aktuelle Probleme zu gewinnen. Analysten konzentrieren sich auf die Verarbeitung der in vorhandenen Datensätzen gespeicherten Informationen und die Festlegung der besten Art und Weise, diese Daten darzustellen. Datenanalysten verlassen sich auf Statistiken und Datenmodellierung, um Probleme zu lösen und Empfehlungen abzugeben, die zu sofortigen Verbesserungen führen können.
Die folgende Tabelle zeigt einen direkten Vergleich:
Datenwissenschaft | Datenanalyse |
|---|---|
|
|
|
|
Die Verbindungen zwischen Datenwissenschaft und Datenanalyse
Datenwissenschaft und Datenanalyse haben ein gemeinsames grundlegendes Ziel: Erkenntnisse zu gewinnen, die dazu genutzt werden können, ein Unternehmen zu verbessern und zu wachsen. Sie sind eng mit Informationen verbunden, die durch Interaktionen innerhalb der messbaren Welt gesammelt werden. Da Datenprojekte immer komplizierter werden, entdecken Unternehmen die Vorteile der Zusammenstellung von Datenteams, die Datenanalysten und Datenwissenschaftler zusammenbringen. In diesen hochgradig kollaborativen Arbeitsumgebungen arbeiten Datenwissenschaftler und Datenanalysten an gemeinsamen Aufgaben und verwenden dabei ähnliche Softwarepakete, Tools und Programmiersprachen. Darüber hinaus werden die Verantwortlichkeiten von Datenwissenschaftlern und Datenanalysten durch die Ressourcen eines Unternehmens, Budgetbeschränkungen und andere Faktoren beeinflusst, die je nach Organisation und Branche unterschiedlich sind. Die Gemeinsamkeiten zwischen Datenwissenschaft und Datenanalyse am Arbeitsplatz erklären, warum Praktiker und Branchenexperten die beiden Titel oft synonym verwenden. Dies gilt auch für Stellenausschreibungen.
Der Datenprofi im Bereich Datenkarriere
Dieses Programm verwendet einige Begriffe, wenn es sich an Fachleute aus den Bereichen Datenwissenschaft und Datenanalyse richtet. Der Begriff „ Datenprofi“ wird zusammenfassend für Datenwissenschaftler und -analysten verwendet. Der Begriff „Data Analytics Professional“ wird verwendet, um Positionen hervorzuheben, bei denen sich die meisten Aufgaben auf datenanalytische Prozesse konzentrieren. Der Bereich „Datenkarriere“ fungiert als umfassender Begriff, der sich auf das Spektrum von Berufen und Karrieren in der Datenwissenschaft und verwandten Bereichen bezieht. Die Absicht dieser Deskriptoren besteht darin, als umfassende Bezeichnungen zu dienen und eine möglichst breite Gruppierung von Berufen und Titeln im Zusammenhang mit Datenwissenschaft und Datenanalyse zu ermöglichen.
Karrieremöglichkeiten für Datenexperten erstrecken sich über ein breites Branchenspektrum. Jeder mit seinen individuellen Bedürfnissen, Anforderungen und Verantwortlichkeiten. Es ist möglich, dass zwei Mitarbeiter mit derselben Berufsbezeichnung in zwei verschiedenen Organisationen unterschiedliche Rollen und Aufgaben haben. Um zu verdeutlichen, wie Karrieren in den Bereichen Datenwissenschaft und Datenanalyse in diesem Programm beschrieben werden, wird der Bereich „Datenkarriere“ verwendet, um gemeinsam auf die Vielfalt der Karrieren und Beschäftigungsmöglichkeiten zu verweisen, die denjenigen mit Datenwissenschaftskenntnissen zur Verfügung stehen.
Der Datenkarrierebereich im Laufe der Zeit
Bisher haben Sie darüber nachgedacht, wie Data Science und Data Analytics im Bereich der Datenkarriere zusammenarbeiten. Auch dieser Bereich hat sich im Laufe der Zeit weiterentwickelt und verändert, da sich Technologie, Datenspeicherung, Datenanalyse und Kommunikation verändert haben. Fortschritte in diesem Bereich bedeuten, dass Datenexperten lernen müssen, sich anzupassen und weiterzuentwickeln, um Karrieren in diesem Bereich aufzubauen und zu definieren – und wenn Sie verstehen, wie sich der Bereich der Datenkarriere bisher entwickelt hat, können Sie genau das erreichen.
1965
Im Jahr 1965 betrug die Weltbevölkerung 3,3 Milliarden. Die Raumsonde Mariner 4 machte die ersten Nahaufnahmen vom Mars. Der erste kommerzielle Kommunikationssatellit ermöglichte einen nahezu sofortigen Kontakt zwischen Europa und Nordamerika.
Feld | Zusammenfassung |
|---|---|
Technologie | Berechnungen wurden immer noch von Hand durchgeführt; Unternehmen begannen gerade erst, in neue Computertechnologien zu investieren, um Analysten zu unterstützen. Die ersten programmierbaren Tischrechner ersetzten raumgroße Computer. Benutzer könnten komplexe mathematische Operationen auf Magnetkarten sichern und die Ergebnisse ausdrucken. |
Datenspeicher | Einfache Lochkarten speicherten Programmierinformationen. Diese Karten würden in einer bestimmten Reihenfolge geladen, um Befehle zu erteilen. Unternehmen stellten physischen Speicherplatz zur Verfügung, um die Tausenden von Datenlochkarten zu speichern, die bei der normalen Computernutzung entstehen würden. Größere Organisationen rüsteten auf Magnetbandspulen um, die das Äquivalent von 50.000 Lochkarten oder etwa 3 Megabyte fassen konnten. Allerdings benötigten diese Rollen immer noch viel Stauraum im Büro. |
Datenanalyse | Als die Computertechnologie immer kleiner und kostengünstiger wurde, wandten sich immer mehr Unternehmen von der manuellen Berechnungsarbeit ab. |
Kommunikation | Dokumentation und Korrespondenz wurden durch die elektrische Schreibmaschine transformiert. Dokumente und Nachrichten wurden in den Büros per Hand zugestellt. Neue Telefonsysteme ermöglichten mehrere eingehende und ausgehende Leitungen, programmierbare Tasten zum Speichern von Telefonnummern und Intercom-Funktionen für bis zu 30 Nebenstellen. |
1985
Im Jahr 1985 betrug die Weltbevölkerung 4,8 Milliarden. Das Domain-Name-System des Internets wurde geschaffen. Über der Antarktis wurde ein Loch in der Ozonschicht entdeckt. DNA wird erstmals in einem Strafverfahren verwendet.
Feld | Zusammenfassung |
|---|---|
Technologie | Telefonleitungen werden zu Autobahnen der Kommunikation. In den 1980er Jahren wurde das Scan-Faxgerät für Unternehmen zu einer Notwendigkeit, da es ihnen das schnelle Senden und Empfangen von Dokumenten ermöglichte. Desktops waren jetzt klein genug, dass Benutzer einen Personalcomputer haben konnten. Windows 1.0 wurde veröffentlicht. |
Datenspeicher | Das Diskettenformat ersetzte Datenlochkarten und ermöglichte eine Datenspeicherung von 360 Kilobyte. Die durchschnittliche interne Festplattenkapazität betrug 10 Megabyte. |
Datenanalyse | Die Datenorganisation wurde mit der Entwicklung elektronischer Tabellenkalkulationen revolutioniert. Diese Programme emulierten zunächst traditionelle Finanzbücher. |
Kommunikation | Interne elektronische Nachrichten oder E-Mails wurden von Regierungsbehörden, Universitäten und der Verteidigungs-/Militärindustrie zur Kommunikation genutzt. |
2005
Im Jahr 2005 betrug die Weltbevölkerung 6,5 Milliarden. Das erste Video wurde auf YouTube hochgeladen. Die NASA-Raumsonde „Deep Impact“ prallte auf einen sich bewegenden Kometen.
Feld | Zusammenfassung |
|---|---|
Technologie | DFÜ-Verbindungen werden durch Hochgeschwindigkeitsverbindungen ersetzt. Intelligente Geräte ermöglichen immer mehr Menschen Zugang zum Internet, insbesondere in städtischen Gebieten. Unternehmen werden sich der Nützlichkeit ihrer gesammelten Benutzerdaten bewusst. |
Datenspeicher | Große Unternehmen begannen mit der Digitalisierung und Speicherung von Daten in Cloud-Diensten. Aktenschränke voller Dokumentation wurden langsam in Datenarchive umgewandelt. Flash-Laufwerke kamen auf den Markt und boten ein Gigabyte tragbaren Speicher, der problemlos in eine Tasche passte. |
Datenanalyse | Unternehmen verwendeten Datenanalyse und Vorhersagemodellierung als primäre Geschäftselemente. Durch die Kundeninteraktion entstehen Datensätze und Möglichkeiten zur Datenanalyse, wodurch große Repositorien unstrukturierter Daten entstehen. Durch soziale Medien ist der Bedarf an Tools, Technologien und Analysetechniken zur Gewinnung nützlicher Informationen aus unstrukturierten Daten erheblich gestiegen. |
Kommunikation | Abteilungsübergreifende Zusammenarbeit, weltweite E-Mail und Instant Messaging wurden auf intelligenten Geräten verfügbar. |
Heute
Heute beträgt die Weltbevölkerung etwa 8 Milliarden. Das James Webb-Weltraumteleskop erweitert unser Wissen über die frühesten Momente des Universums.
Feld | Zusammenfassung |
|---|---|
Technologie | Augmented und Virtual Reality bieten interaktive Erlebnisse, angereichert durch computergenerierte Informationen. Das Internet der Dinge (IoT) verbindet eine wachsende Zahl von Geräten und Systemen. Edge Computing wird zur gängigen Praxis; Dabei handelt es sich um eine Möglichkeit, Rechenaufgaben auf viele benachbarte Prozessoren (d. h. Computer) zu verteilen, was sich positiv auf Geschwindigkeit und Ausfallsicherheit auswirkt und nicht von einer einzigen Rechenleistungsquelle abhängig ist. |
Datenspeicher | Quantencomputing, eine Computerart, die die kollektiven Eigenschaften der Quantenmechanik nutzt, wird entwickelt, um die Verarbeitung und Speicherung zu steigern und Probleme zu lösen, die für klassische Computer zu komplex sind. Die internationalen Bemühungen werden weiterhin darin bestehen, Quantencomputersysteme mit den erforderlichen Kühlsystemen, Benutzeroberflächen, Netzwerken und Speicherkapazitäten aufzubauen. |
Datenanalyse | Künstliche Intelligenz trägt dazu bei, das Innovationstempo zu beschleunigen, indem sie die menschlichen Fähigkeiten erweitert. Diese Technologie befindet sich an der Schnittstelle zwischen sozialen und technologischen Problemen. Technologische Fortschritte werden weiterhin durch biologische und psychologische Erkenntnisse darüber inspiriert, wie Menschen Informationen verarbeiten und lernen. |
Kommunikation | Virtuelle Meetings und Online-Messaging sind alltäglich geworden. Aufgabenverwaltungssoftware hilft Unternehmen dabei, den Abschluss von Projekten zu erleichtern und ermöglicht es Mitarbeitern auf der ganzen Welt, asynchron zu arbeiten. |
Die zentralen Thesen
Datenwissenschaft und Datenanalyse sind unterschiedliche, aber miteinander verbundene Bereiche, die sich im Laufe der Zeit im sich entwickelnden Bereich der Datenkarriere entwickelt haben. Unternehmen verwenden diese Begriffe bei der Einstellung häufig synonym. Wenn Sie also die Gemeinsamkeiten und Unterschiede zwischen den beiden Berufen erkennen, können Sie Chancen identifizieren, die Ihren besonderen Fähigkeiten entsprechen. Aus diesem Grund erfahren Sie in diesem Kurs mehr über den Datenkarrierebereich als Ganzes und darüber, wie Datenanalytiker in diesem Bereich arbeiten.
Entdecken Sie Ihre Daten-Toolbox
Alle Berufe erfordern bestimmte Werkzeuge, um erfolgreich zu sein, und datengesteuertes Arbeiten ist da nicht anders. In diesem Video öffnen wir unsere Analyse-Toolbox und schauen uns einige der häufigsten Elemente an. Bevor wir beginnen, möchte ich betonen, dass jeder Artikel seinen eigenen, individuellen Zweck erfüllt. Wenn sie jedoch zusammen verwendet werden, helfen sie dabei, Geschichten mit Daten zu erstellen und zu erzählen, die dann Geschäftsentscheidungen informieren, beeinflussen und beeinflussen können. Programmiersprachen sind die ersten Werkzeuge, die wir untersuchen werden. Sie ermöglichen es Datenexperten, effizient in großen Datenmengen zu arbeiten und diese zu analysieren. Die meisten Sprachen wurden im Laufe der Zeit entwickelt und jeder Datenexperte hat seine eigenen Vorlieben. Wir werden in diesem Video zwei erwähnen, die für die Datenanalyse sehr beliebt geworden sind. Die Programmiersprache R und Python. R ist eine Programmiersprache, die von Forschern und Akademikern häufig verwendet wird. Es war meine Hauptsprache während des Statistikstudiums und manche Leute sagen, dass R die Denkweise eines Statistikers widerspiegelt. Ich würde sagen, dass an diesem Gefühl etwas dran ist. Wenn Sie nach Implementierungen der neuesten statistischen Durchbrüche suchen, ist R eine gute Anlaufstelle. Aber es wird nicht nur für statistische Zwecke verwendet, es werden auch viele neue Technologien und Ideen damit programmiert. Eine der besten Funktionen von R ist, dass Sie mit nur wenigen Codezeilen komplexe statistische Modelle erstellen können. Wenn Sie neugierig auf R sind oder eine Auffrischung benötigen, schauen Sie sich unbedingt unser Google Data Analytics-Zertifikat an, das auch hier auf dieser Plattform angeboten wird. Dieses Programm lehrt die Programmiersprache Python. Es ist aus mehreren Gründen eine gute Wahl. Erstens liegt der Schwerpunkt auf der Lesbarkeit, was sie zu einer der am einfachsten zu erlernenden und zu schreibenden Programmiersprachen macht. Zweitens wurde Python im Gegensatz zu R nicht in der Daten-Community geboren. Auch wenn das wie ein Minus klingt, kann es auch ein großes Plus sein. In der modernen Welt werden Daten immer kreativer genutzt. Es bietet einen enormen Vorteil, eine Programmiersprache zu erlernen, die nicht nur in der Lage ist, die Datenseite der Dinge zu handhaben, sondern auch zum Erstellen und Bereitstellen der Anwendungen verwendet werden kann, die die Daten antreiben. Obwohl R meine erste Liebe war, greife ich heutzutage wegen seiner Flexibilität mehr auf Python zurück. Python kann eine Vielzahl datenbezogener Aufgaben ausführen, was es bei Datenprofis sehr beliebt macht. Wenn Sie ein Anfänger oder Neuling im Programmieren sind, ist Python eine sehr zugängliche Sprache. Die Formatierung ist optisch aufgeräumt. Es ist eine der anfängerfreundlichsten Sprachen und verfügt über riesige Online-Communities und zahlreiche Ressourcen, die Ihnen helfen, wenn Sie nicht weiterkommen. Wir werden mit Python innerhalb einer webbasierten Computerplattform, auch Jupyter-Notebooks genannt, interagieren, die es Ihnen ermöglicht, Code in Echtzeit auszuführen und dabei hilft, Fehler leicht zu identifizieren. Um die Geschichten in den Daten zu visualisieren, zeigen wir Ihnen, wie Sie komplexe Daten über eine grafische Oberfläche teilen. Diejenigen, die unser Datenanalyseprogramm kennengelernt haben, werden mit einer Plattform namens Tableau vertraut sein. In diesem Programm werfen wir einen detaillierteren Blick darauf, wie dieses leistungsstarke Tool anderen dabei helfen kann, die Ergebnisse Ihrer Analyse zu verstehen. Darüber hinaus befassen wir uns mit effektiver Kommunikation in datengesteuerten Karrieren. Auf den ersten Blick scheint es weniger besorgniserregend zu sein, aber die Beschreibung der manchmal komplexen Prozesse der Datenanalyse für nicht-technische Interessenvertreter könnte eine der wichtigsten Fähigkeiten sein, die ein Datenprofi haben kann. Denn Kommunikation ist etwas, was wir alle regelmäßig tun. Man vergisst leicht, wie wichtig es ist, wie Datenexperten Datengeschichten teilen und verarbeiten. Unser Ziel hierbei ist es, Ihre bereits vorhandenen Kommunikationsfähigkeiten zu stärken, damit Sie dieses Programm gestärkt verlassen können, um herausragende Leistungen zu erbringen. Insbesondere in diesem Kurs und in anderen Abschnitten dieses Programms wird die Kommunikation eine Schlüsselkomponente sein, die direkt mit der Arbeit verknüpft ist, die Sie als Datenexperte leisten werden. Programmiersprachen ermöglichen es Datenexperten, mit Daten zu interagieren und diese zu interpretieren. Visuelle Datentools wie Tableau bereichern die Geschichten in den Daten mit visuellen Elementen, die die Aufmerksamkeit auf bestimmte Details lenken. Aber das wichtigste Element jeder Geschichte ist der Geschichtenerzähler. Das bist du. Ihre bisherigen Erfahrungen und Kenntnisse prägen Ihre Fähigkeiten zum Geschichtenerzählen, und Ihr einzigartiger Hintergrund ist es, der Sie von anderen in diesen Rollen unterscheidet. Unabhängig von Ihrem späteren beruflichen Werdegang ist es für die persönliche und berufliche Transformation von entscheidender Bedeutung, zielstrebig zu bleiben und die richtigen Fähigkeiten zu entwickeln. Die Tools, die wir Ihnen in diesem Programm anbieten, werden Ihnen dabei ebenfalls helfen. Ich freue mich sehr, Sie auf Ihrem Weg weiter begleiten zu dürfen. Das Beste kommt noch. Ich werde Sie bald sehen
Bereiten Sie sich darauf vor, Ihre Eignung für das Google Advanced Data Analytics-Zertifikat zu beurteilen
Das Google Advanced Data Analytics Certificate ist ein Programm für alle, die sich für fortgeschrittene Konzepte der Datenanalyse interessieren. Allerdings ist ein Hintergrundwissen in der Datenanalyse eine nützliche Grundlage für viele der Konzepte, die in diesen Kursen vermittelt werden. Wir haben ein Quiz erstellt, mit dem Sie Ihre Bereitschaft einschätzen und entscheiden können, ob Sie mit dem Zertifikat fortfahren oder zunächst einige Grundlagen prüfen möchten.
Im Quiz werden Fragen dazu gestellt, wie gut Sie mit den folgenden Datenanalysekonzepten vertraut sind:
Allgemeine Datenanalyseprinzipien und Datentypen
Datenstrategie
Datenintegrität und Datenbereinigung
Programmiersprachen
Datenvisualisierung, Dashboards und Austausch von Erkenntnissen mit anderen
Wenn Sie über das Google Data Analytics-Zertifikat zu diesem Programm kommen oder in einem Bereich der Datenanalyse gearbeitet haben, sind Sie möglicherweise bereits mit diesen Konzepten vertraut. Das ist großartig! Dieses Quiz ist nur eine Möglichkeit, noch einmal zu überprüfen, ob Sie für den Erfolg bereit sind. Darüber hinaus werden Ihnen einige Ressourcen zur Verfügung gestellt, die Ihnen eine Auffrischung ermöglichen, bevor Sie fortfahren.
Um Ihnen bei der Entscheidung zu helfen, ob Sie für diesen Kurs bereit sind:
Nehmen Sie am optionalen Bereitschaftsquiz teil.
Sehen Sie sich den Bewertungsleitfaden an, um festzustellen, ob Sie für den Advanced Data Analytics-Inhalt vorbereitet sind. Eine Punktzahl von 80 % oder mehr ist das angestrebte Ziel für die Bereitschaft zu diesen Kursen.
Befolgen Sie basierend auf Ihrer individuellen Punktzahl die Empfehlungen im Bewertungsleitfaden für Ihre nächsten Schritte.
Wenn Sie sicher sind, dass Sie über die erforderlichen Kenntnisse und Erfahrungen für dieses Zertifikat verfügen, können Sie das Bereitschaftsquiz nach dieser Lektüre überspringen und direkt mit der nächsten Aktivität fortfahren, nämlich dem wöchentlichen Abschlussvideo zu Beginn der nächsten Lektion.
Einpacken
Herzlichen Glückwunsch zum Abschluss des ersten Teils dieses Programms. Sie haben offiziell Ihre Reise zu neuen Möglichkeiten im Datenbereich begonnen. Sehen wir uns noch einmal an, was wir bisher behandelt haben. Zunächst haben wir die grundlegende Logistik dessen behandelt, was im Zertifikat enthalten ist. Sie haben jeden Ihrer Dozenten kennengelernt und wir haben eine Vorschau auf einige der verschiedenen Kursthemen gegeben, denen Sie begegnen werden. Als Nächstes haben wir uns die Grundlagen der datenorientierten Arbeit und einige der Branchen angesehen, die Datenerkenntnisse einbeziehen. Wir haben auch über die Zukunft datengesteuerter Karrieren gesprochen. Wir haben nicht nur untersucht, wie es ist, im Datenbereich zu arbeiten, sondern auch über die Toolbox für Datenprofis und die Fähigkeiten gesprochen, die Sie mit diesem Programm entwickeln können. Herzlichen Glückwunsch zu Ihren bisherigen Fortschritten. Ich kann es kaum erwarten, dich im nächsten Video zu sehen.
Tauschen Sie sich mit anderen Lernenden aus
Der Kontakt zu Ihren Klassenkameraden ist ein wesentlicher Bestandteil jedes Online-Kurses. Lernen Sie sich in den Diskussionsforen und Aufforderungen kennen. Diskussionsaufforderungen sind Kurselemente, denen Threads in den Diskussionsforen zugeordnet sind. Wenn Sie auf eine Diskussionsaufforderung antworten, wird Ihre Antwort zusammen mit den Antworten Ihrer Kollegen an das zugehörige Forum weitergeleitet.
Durch den Aufbau einer persönlichen Interaktion mit anderen Lernenden wird Ihr Online-Lernerlebnis viel angenehmer und ansprechender. Und angesichts der Wahrscheinlichkeit, dass es an vielen Arbeitsplätzen virtuelle Besprechungen und hybride oder Remote-Arbeitsumgebungen geben wird, ist es auch wichtig, online den Aufbau von Beziehungen sowie das Geben und Empfangen von Feedback zu üben. Wir empfehlen Ihnen, die Foren zu nutzen, um Ihr Lernen und Ihre Beziehungen zu Gleichaltrigen zu vertiefen.
Teilen Sie es mit anderen Lernenden
Erzähl allen etwas über dich. Lesen Sie dann einige Beiträge Ihrer Klassenkameraden. Wählen Sie mindestens zwei Beiträge aus, die für Sie interessant sind, und fügen Sie eine freundliche oder ermutigende Antwort hinzu. Gehen Sie zum Diskussionsforum und klicken Sie auf die Schaltfläche „Neuer Thread“, um einen neuen Thread zu starten. Gehen Sie dann zur Diskussionsaufforderung „Fragen und Bedenken teilen“ und stellen Sie sich dort vor.
Aktualisiere dein Profil
Bedenken Sie außerdemAktualisierung Ihres Profils, auf das Sie durch Klicken auf den Link „Profil“ zugreifen können . Wenn Klassenkameraden Sie in den Diskussionsforen finden, können sie auf Ihren Namen klicken, um Ihr vollständiges Profil anzuzeigen und Sie näher kennenzulernen.
Upvote-Beiträge
Wenn Sie das Diskussionsforum für Ihren Kurs betreten, finden Sie unter jedem Beitrag einen Upvote- Button. Wir empfehlen Ihnen, Beiträge, die Sie aufmerksam, interessant oder hilfreich finden, positiv zu bewerten. Dies ist der beste Weg, um sicherzustellen, dass andere Lernende hochwertige Beiträge im Kurs lesen. Upvoting erhöht auch die Wahrscheinlichkeit, dass wichtige Fragen angesprochen und beantwortet werden.
Missbrauch melden
Der Verhaltenskodex von Coursera verbietet:
Andere Benutzer schikanieren oder bedrohen
Veröffentlichen von Spam oder Werbeinhalten
Veröffentlichen von nicht jugendfreien Inhalten
Das Veröffentlichen von Aufgabenlösungen (oder anderen Verstößen gegen dieEhrenkodex)
Bitte melden Sie alle Beiträge, die gegen das Urheberrecht verstoßen, missbräuchlich oder beleidigend sind oder auf andere Weise gegen die Rechte von Coursera verstoßenEhrenkodex. Sie können Beiträge melden, indem Sie die Option „Diese melden“ unter dem Menüpfeil rechts neben jedem Beitrag verwenden.
Folgen Sie Beiträgen
Wenn Sie einen bestimmten Thread interessant finden, klicken Sie unter dem Originalbeitrag dieser Thread-Seite auf die Schaltfläche „Folgen“. Wenn Sie einem Beitrag folgen, erhalten Sie jedes Mal eine E-Mail-Benachrichtigung, wenn ein neuer Kommentar hinzugefügt wird.
Verbessern Sie Ihre Beiträge
Kursdiskussionsforen sind Ihre Chance, mit Tausenden von Gleichgesinnten auf der ganzen Welt zu interagieren. In jeder sozialen Interaktion werden bestimmte Verhaltensregeln erwartet und tragen zu einer respektvollen und produktiven Kommunikation bei. Im Folgenden finden Sie einige Best Practices beim Posten:
Bleiben Sie in bestehenden Foren und Threads beim Thema. Themenfremde Beiträge erschweren es anderen Lernenden, die benötigten Informationen zu finden.
Posten Sie in dem für Ihr Thema am besten geeigneten Forum und posten Sie nicht dasselbe in mehreren Foren.
Verwenden Sie die Filter oben auf der Forumseite ( Neueste, Top und Unbeantwortet ), um aktive, interessante Inhalte zu finden.
Upvoten Sie Beiträge, die Sie hilfreich und interessant finden.
Seien Sie höflich. Wenn Sie anderer Meinung sind, erläutern Sie Ihren Standpunkt mit Respekt und unterlassen Sie jegliche persönliche Angriffe. Sie kommunizieren mit Lernenden aus der ganzen Welt und haben unterschiedliche Interaktionsstile. Denken Sie daran, respektvoll zu sein, wenn Sie Konzepte besprechen oder um Klarstellung bitten.
Stellen Sie sicher, dass Sie verstanden werden. Hierbei handelt es sich um ein englischsprachiges Zertifikat. Beachten Sie jedoch, dass viele Lernende möglicherweise andere Sprachen als Englisch als Hauptsprache sprechen. Helfen Sie einander, damit sich alle leichter verstehen, indem Sie ganze Sätze schreiben und SMS-Abkürzungen oder Slang vermeiden. Seien Sie vorsichtig, wenn Sie Humor und Sarkasmus verwenden, da diese leicht falsch interpretiert werden können.
Wenn Sie eine Frage stellen, geben Sie vor oder nach dem Stellen Ihrer Frage so viele Informationen wie möglich an. Sie könnten zum Beispiel aufschreiben, was Sie bereits überlegt haben, was Sie bereits gelesen haben usw.
Geben Sie entsprechende Referenzen an, wenn Sie die Ideen, Gedanken oder Worte einer anderen Person verwenden.
Nutzen Sie ein Forum nicht, um für Ihr Produkt, Ihre Dienstleistung oder Ihr Unternehmen zu werben.
Bitten Sie andere Lernende, die Diskussion mit einer offenen Aussage oder Frage zu erweitern. Du könntest zum Beispiel etwas schreiben wie: „Ich würde gerne verstehen, was andere denken.“
Veröffentlichen Sie im Forum keine persönlichen Informationen über andere Poster oder sich selbst.
Melden Sie Spam und Spammer.
Weitere Informationen finden Sie bei CourseraVerhaltenskodex.
Diese Tipps und Tools für die Interaktion in diesem Kurs über die Foren wurden aus Richtlinien übernommen, die ursprünglich von der University of Illinois festgelegt wurden. Curtis, S.. Professionelle Verantwortung und Ethik für Buchhalter [MOOC]. Coursera.https://www.coursera.org/learn/ethics
Lois-An: Navigieren Sie neugierig durch Ihre Datenkarriere
Hallo, mein Name ist Lois An und ich bin Branchenintelligenzleiterin bei Google. Das bedeutet, dass ich dazu beigetragen habe, sowohl unsere internen Teams als auch unsere Partner und Werbetreibenden viel besser mit der Branche vertraut zu machen, in der sie arbeiten. Zu Beginn meiner Karriere als Analytiker war ich eigentlich ziemlich einsam und daher hatte ich ein wirklich großes Bedürfnis, Kontakte zu knüpfen. Ich konnte direkt nach dem College keinen Job finden und hatte viele Dinge getan, an verschiedenen Orten gearbeitet und nicht wirklich tief genug Kontakte aufgebaut, um eine Gemeinschaft von Menschen in dieser Gegend zu haben. Schon früh habe ich begonnen, mich einigen Netzwerken anzuschließen. Networking ist entscheidend, wenn man ein neues Feld betritt. Was mich an dieser neuen Sache am meisten störte, war einfach die Neuheit des Neuseins, oder? Du fühlst dich also wie ein Fisch auf dem Trockenen, du leidest außerdem unter diesem sehr lästigen Betrüger-Syndrom: Ich bin nicht gut genug, um hier zu sein, sie werden mich herausfinden. Daher war es von großem Wert, über ein Netzwerk zu verfügen, das mich zurückholen und „Nein, Sie sind qualifiziert“ sagen und alle Gründe erfahren konnte, warum Sie qualifiziert sind. Und tatsächlich war es äußerst wertvoll, wie diese anderen Fähigkeiten, die Sie mitbringen, Sie hier zu einer Bereicherung machen . In meiner aktuellen Rolle arbeite ich mit unzähligen verschiedenen Menschen in der Datenanalyse zusammen. Zusammenarbeit ist wichtig, weil es so viele unterschiedliche Teile der Geschichte gibt. Sie brauchen also Menschen, die dazu bereit sind, dazu in der Lage sind und gut darin sind, die Fragen zu stellen: „Was genau suchen wir?“ Suchen wir am richtigen Ort? Sie brauchen Leute, die dann in der Lage sind, einen Datensatz abzufragen und zu finden, also die Nadel im Heuhaufen zu finden. Sie brauchen andere Leute, die das Muster finden und aus den Daten Erkenntnisse gewinnen, und dann brauchen Sie Leute, die die Geschichte erzählen. Neugier zu üben ist etwas, das Ihnen in jeder Rolle, die Sie innehaben, immer helfen wird, insbesondere wenn Sie mit Daten arbeiten. Ich empfehle dringend, an den Foren und diesem Zertifikatsprogramm teilzunehmen, da es eine großartige Möglichkeit ist, Neugierde zu üben, Fragen zu stellen, sich wohl zu fühlen, Fragen zu stellen, sich bei der Arbeit in einem Team wohl zu fühlen und dem eigenen Team Fragen zu stellen ist super wichtig. Und darüber hinaus haben Sie die Möglichkeit, mit Ihrer Kohorte in Kontakt zu treten. Sie sind die nächste Generation fortgeschrittener Datenanalytiker. Deshalb ist es eine äußerst wichtige und aufregende Gelegenheit, sich gegenseitig kennenzulernen, zu verstehen, was Sie alle denken, und sogar die Tür für gemeinsame Innovationen zu öffnen.
Vernetzen Sie sich mit anderen Lernenden
Eine der besten Möglichkeiten, in diesem Programm erfolgreich zu sein, besteht darin, andere Lernende kennenzulernen. Wenn Sie sich mit anderen Menschen vernetzen, ist es einfacher, Fragen und Bedenken auszutauschen oder Lösungen für alle Herausforderungen zu finden, denen Sie gemeinsam begegnen könnten. Und wenn Sie beim Durchsehen Ihrer Notizen etwas nicht verstehen, können Sie jederzeit Kontakt aufnehmen, indem Sie einen neuen Thread mit Ihrer Frage veröffentlichen. Durch die Zusammenarbeit bündeln Sie Ihr Verständnis und vertiefen Ihr Wissen.
Aktualisiere dein Profil
Es hilft, mit anderen Lernenden in Kontakt zu tretenAktualisieren Sie Ihr Coursera-Profil. Klicken Sie dazu oben rechts auf diesem Bildschirm auf Ihren Namen und dann im Menü auf den Link „Profil“ . Sie können Informationen über Ihre bisherige Berufserfahrung und Ausbildung, Ihre Karriereziele und alle Details über sich selbst hinzufügen, die Sie mitteilen möchten. Auf diese Weise können Leute, die Sie in den Diskussionsforen finden, Ihr Profil überprüfen und Sie besser kennenlernen. Geben Sie nur Informationen weiter, die Sie gerne weitergeben. Sie können die Datenschutzoption in Ihren Einstellungen ändern, wenn Sie Ihr Profil privater gestalten möchten.
Meet and Greet
Es hilft auch, das zu verwendenDiskussionsaufforderungStellen Sie sich vor, stellen Sie sich kurz vor und bieten Sie Hilfe an, wenn Sie dazu in der Lage sind. Lesen Sie auch unbedingt die Beiträge einiger anderer Lernender. Ihre interessanten Lebensreisen oder die Dinge, die Sie gemeinsam haben, könnten Sie überraschen. Hinterlassen Sie einen Kommentar, ein kurzes Hallo oder ermutigende Worte zu ihren Beiträgen, während Sie gemeinsam dieses Abenteuer beginnen.
Die Chancen stehen gut, dass Sie neben der Teilnahme an diesem Kurs auch Arbeit und persönliche Verantwortung unter einen Hut bringen. Bei all dem, was vor sich geht, kann es leicht passieren, dass man sich von anderen Lernenden isoliert. Aber wenn man Kontakte knüpft und Freunde findet, macht das Lernen viel mehr Spaß. Darüber hinaus ist dies eine hervorragende Möglichkeit, sich auf die Zusammenarbeit in zukünftigen Jobs vorzubereiten. Lassen Sie uns gemeinsam die vielversprechende Zukunft der Datenanalyse erkunden!
Bereiten Sie sich auf Ihre erste Beurteilung vor
Wie Sie wissen, müssen Sie in diesem Programm am Ende jedes Abschnitts und Kurses eine benotete Prüfung absolvieren. Jetzt ist es an der Zeit, sich auf Ihre erste Prüfung vorzubereiten. Diese Bewertung wird Ihr Verständnis der wichtigsten Konzepte der Datenanalyse wirksam überprüfen. Es wird auch dabei helfen, Vertrauen in Ihr Verständnis der Datenanalyse aufzubauen und gleichzeitig Bereiche zu identifizieren, in denen Sie sich weiter verbessern können. Beurteilungen können manchmal überwältigend sein, aber wenn man sie mit der Strategie angeht, sind sie leichter zu bewältigen. Hier finden Sie eine Liste mit Tipps für den Erfolg. Bevor Sie eine Bewertung ablegen, lesen Sie Ihre Notizen sowie die Videos, Lektüren und das neueste Glossar durch, um sich über den Inhalt zu informieren. Nehmen Sie sich während der Beurteilung Zeit und schauen Sie sich den gesamten Test noch einmal an, bevor Sie Antworten eingeben. Beantworten Sie dann die einfachen Fragen und überspringen Sie die Fragen, auf die Sie nicht sofort eine Antwort wissen. Konzentrieren Sie sich bei Multiple-Choice-Fragen zunächst darauf, die falschen Antworten zu eliminieren. Außerdem ist es eine gute Idee, jede Frage zweimal zu lesen, da es oft Hinweise gibt, die Sie beim ersten Mal möglicherweise übersehen. Wenn Sie anfangen, sich ängstlich zu fühlen, beruhigen Sie sich mit einigen mentalen Übungen. Eine Möglichkeit, dies zu tun, besteht darin, eine einfache mathematische Aufgabe im Kopf zu lösen oder Ihren Namen rückwärts zu buchstabieren. Dadurch können Sie sich auch leichter an Informationen erinnern. Bevor Sie die Beurteilung abgeben, überprüfen Sie Ihre Arbeit, aber seien Sie zuversichtlich. Manchmal ändern Leute eine Antwort, weil sie sich falsch anfühlt, sie aber tatsächlich richtig ist. Ihr erster Instinkt ist oft der beste. Denken Sie schließlich daran, sich selbst zu vertrauen, denn oft wissen die Leute viel mehr, als sie sich selbst zutrauen. Jeder lernt unterschiedlich schnell und auf unterschiedliche Weise, aber es ist wichtig, den Schwung beizubehalten. Nehmen Sie sich also die Zeit, die Sie brauchen, und machen Sie weiter, wenn Sie sich bereit fühlen. Du hast das.
Glossarbegriffe aus Modul 1
Begriffe und Definitionen aus Kurs 1, Modul 1
Datenexperte : Jede Person, die mit Daten arbeitet und/oder über Datenkenntnisse verfügt
Datenwissenschaft : Die Disziplin, Daten nutzbar zu machen
Datenverantwortung : Die Praktiken einer Organisation, die sicherstellen, dass Daten zugänglich, nutzbar und sicher sind
Edge-Computing : Eine Methode zur Verteilung von Rechenaufgaben auf eine Reihe benachbarter Prozessoren (z. B. Computer), die sich positiv auf Geschwindigkeit und Ausfallsicherheit auswirkt und nicht von einer einzigen Rechenleistungsquelle abhängt
Jupyter Notebook : Eine Open-Source-Webanwendung zum Erstellen und Teilen von Dokumenten, die Live-Code, Gleichungen, Visualisierungen und narrativen Text enthalten
Maschinelles Lernen : Die Verwendung und Entwicklung von Algorithmen und statistischen Modellen, um Computersystemen beizubringen, Muster in Daten zu analysieren
Metriken : Methoden und Kriterien zur Auswertung von Daten
Python: Eine universelle Programmiersprache
Willkommen zu Modul 2
Schön, dass du wieder da bist. Ich freue mich sehr, Sie auf Ihrem weiteren Weg zum Datenprofi begleiten zu dürfen. Wie Sie festgestellt haben, können Daten auf viele Arten genutzt werden. Doch ganz gleich, wie man es anwendet, das Wichtigste ist, dass man bedenkt, dass Wissen Macht ist, die Macht, Ihr Unternehmen, Ihre Arbeit, Ihr Privatleben und die Welt um Sie herum zu verbessern. Bei all den Daten, die uns umgeben, gibt es so viel Potenzial, das darauf wartet, erschlossen zu werden. Ich freue mich, dass Sie sich entschieden haben, mehr zu erfahren und ein Teil davon zu sein. Wenn wir in diesem Abschnitt des Kurses über Ihre Lernreise sprechen, erfahren wir zunächst mehr über Datenkarrieren, erkunden verschiedene Branchen und untersuchen einige direkte Anwendungen datengesteuerter Arbeit und untersuchen einige der darin enthaltenen Rollen Sehen Sie sich die Datenberufe an und werfen Sie einen genaueren Blick auf die allgemeinen Kategorien, denen Sie begegnen. Wir werden uns auch mit den Verantwortlichkeiten verschiedener Datenexperten befassen. Ich freue mich, dass Sie loslegen. Lass uns gehen.
Adrian: Erstellen Sie eine datengesteuerte Geschäftslösung
Wie geht’s? Mein Name ist Adrian und ich bin Kundeningenieur bei Google. Ein Kundeningenieur bei Google ist die Brücke zwischen den technischen und geschäftlichen Komponenten oder Aspekten des amerikanischen Unternehmens. Wir helfen Kunden dabei, unsere Technologie zu nutzen, um ihre Geschäftsanforderungen zu erfüllen. Eines der aufregendsten und sogar interessantesten Projekte, an dem ich gearbeitet habe, war die Erstellung einer einheitlichen Patientenakte. Dieses Projekt war für ein Labordiagnostikunternehmen gedacht, das wirklich daran interessiert war, eine 360-Grad-Ansicht eines Patienten zu erstellen. Unser Projekt konzentrierte sich auf die Konsolidierung von Informationen über verschiedene Systeme hinweg. Sie können sich vorstellen, Ihre Labordiagnostikdaten für Ihre letzte routinemäßige Blutuntersuchung oder sogar für etwas Spezifischeres zu verwenden. Wenn Sie Diabetes oder einen Glukagontest durchführen, nehmen Sie diese und alle Informationen, die Sie in Form von biologischen Daten bereitgestellt haben, zentralisiert und standardisiert in einer Umgebung vor, sodass, wenn Ihr Arzt oder Ihre Radiologen oder Ernährungsberater die Daten betrachten, sie dies tun Sie erhalten einen vollständigen Überblick über alle Ihre Daten und können nicht nur darauf zugreifen, sondern sie auch in Echtzeit visualisieren. Eine der Schlüsselkomponenten dieses Projekts war der Einsatz von Virtual-Reality-Headsets als Hauptvisualisierungskomponente. Für mich bedeutete dies, dass ich die Möglichkeit bekam, etwas Spieldesign zu machen, einige menschliche Skins in Bezug auf den Körper zu erstellen und verschiedene Farben und Programmierfunktionen zu verwenden, um beispielsweise anzuzeigen, dass das System gesund aussieht oder ob es so aussieht braucht Sorge oder Intervention. Wir können im Laufe der Zeit sehen, wie sich die diagnostischen Testergebnisse verändert haben und welche Auswirkungen dies auf unsere Patienten hat. Letztendlich hatten wir ein Projekt, das alle Daten des Patienten vereinheitlichte und den wichtigsten medizinischen Fachkräften die Möglichkeit gab, diese zu visualisieren. Der beste Rat, den ich für Sie habe, ist, selbstbewusst zu bleiben. Auch wenn Sie in dieser neuen Rolle oder in diesem neuen Unternehmen neu sind, bringen Sie Fähigkeiten mit, die wiederholbar und übertragbar sind. Sei es die Art und Weise, wie Sie an das Problem herangehen und es lösen, ob es an der Beziehung liegt, die Sie zu Ihren Stakeholdern aufbauen können, an den Soft Skills und an der Sicherstellung, dass Sie diese Beziehungen aufbauen können, oder auch an der Kommunikation und eine prägnante und prägnante E-Mail schreiben. Dabei handelt es sich um Möglichkeiten, wie Sie das, was Sie bisher gemacht haben, in Ihrer neuen Rolle anwenden können. Möglicherweise müssen Sie über den Tellerrand hinausschauen, aber Sie werden es schaffen.
Datengesteuerte Karrieren treiben moderne Unternehmen voran
Datenprofis sind für ihre Unternehmen so wertvoll. Sie bestimmen, welche Datenströme für bestimmte Geschäftsprojekte, Herausforderungen und Initiativen am wichtigsten sind. Sie identifizierten zentrale Ziele für die Zukunft. Sie geben ihren Organisationen die Möglichkeit, sinnvolle Maßnahmen zu ergreifen, indem sie Prozesse neu denken und Abläufe verbessern. Um all dies zu erreichen, benötigen Datenteams Personen mit unterschiedlichen Fähigkeiten, Kenntnissen und Interessen. Daher gibt es unzählige verschiedene datenorientierte Rollen, Verantwortlichkeiten und Projekttypen, die sich weiter durch die Branchen und Unternehmen unterscheiden, die sie unterstützen. Unter all diesen Möglichkeiten lassen sich Datenkarrieren grob in zwei komplementäre Arten von Tätigkeiten einteilen: technische und strategische. In diesem Video untersuchen wir beides und betrachten auch einige Beispiele dafür, wie Datenexperten ihr Fachwissen nutzen, um Branchen zu verändern. Lassen Sie uns zunächst etwas über die Leute herausfinden, deren Arbeit einen starken Schwerpunkt auf technischen Fähigkeiten erfordert. Einige Beispiele für diese Fachleute sind Ingenieure und Statistiker für maschinelles Lernen. Durch ihr Fachwissen in Mathematik, Statistik und Informatik erstellen sie Modelle und treffen Vorhersagen. Mithilfe von Tools wie R und Python helfen sie ihren Teams, Mehrwert aus Geschäftsdatensätzen zu ziehen. Das Ergebnis ist eine Lösung, die unmittelbar positive Auswirkungen hat. Eine weitere hochtechnische Rolle ist der erfahrene Datenanalyst, dessen Arbeit darin besteht, riesige und komplexe Datensätze zu untersuchen, um Richtungen zu identifizieren, die überhaupt verfolgt werden sollten. Sie stellen sicher, dass die datenwissenschaftlichen Bemühungen einer Organisation so effizient wie möglich gesteuert werden. Wir schließen die Lücke zwischen anderen technischen Datenexperten und der strategischen Arbeit, die wir in Kürze behandeln werden. Betrachten wir nun Datenprofis auf der eher strategischen Seite. Zu diesen Personen gehören unter anderem Business-Intelligence-Experten und technische Projektmanager. Strategische Datenexperten nutzen ihre Fähigkeiten, um Informationen zu interpretieren, die sich auf den Betrieb, die Finanzen, Forschung und Entwicklung und vieles mehr eines Unternehmens auswirken. Ihre Arbeit ist eng an der gesamten Geschäftsstrategie ausgerichtet und umfasst die Suche nach Problemlösungen durch Datenanalysen. Kurz gesagt: Strategische Datenexperten maximieren die Informationen, um die Funktionsweise eines Unternehmens zu steuern. Manchmal werden Sie feststellen, dass ein Unternehmen Rollen hat, die spezialisiertes technisches Wissen mit strategischer Datenkompetenz verbinden, oft auf ungewöhnliche und sehr kreative Weise. Bald werden wir mehr über einige dieser Möglichkeiten sowie die spezielleren technischen und strategischen Rollen erfahren. Betrachten wir nun einige Beispiele dafür, wie Datenexperten ihr Fachwissen nutzen, um Branchen wie Finanzen, Gesundheitswesen, Fertigung und Landwirtschaft zu verändern. Erstens war die Welt der großen Finanzen eine der ersten, die sich die Macht der Datenwissenschaft zunutze machte. Angesichts der Art und Weise, wie Informationen diese Branche vorantreiben, ist es leicht zu verstehen, warum. Datenexperten helfen Finanzinstituten dabei, Anlagerisiken einzuschätzen, Markttrends zu überwachen, Anomalien zu erkennen, um Betrug zu reduzieren und insgesamt ein stabileres Finanzsystem zu schaffen. Datenanalyse ist auch im Gesundheitswesen von entscheidender Bedeutung. Hier können die Datenvorteile tatsächlich lebensrettend sein. Datenanalysen unterstützen Gesundheitsorganisationen bei der Verarbeitung großer Mengen klinischer Daten, was die Früherkennung eines Gesundheitszustands unterstützt und zu einer präziseren Diagnose führt. Drittens haben Daten einen großen Einfluss auf die Fertigung. Datenexperten sagen voraus, wann vorbeugende Wartungsarbeiten durchgeführt werden müssen, um Ausfälle von Produktionslinien zu vermeiden, nutzen Daten, um die Qualitätssicherung und Fehlerverfolgung zu maximieren, und Modelle der künstlichen Intelligenz helfen dabei, auf logistische Probleme zu reagieren und die Kilometer von Lieferwagen auf der Straße zu reduzieren und so wichtige Nachhaltigkeitsziele voranzutreiben. In einer Zeit, in der Lieferketten überall auf der Welt vorhanden sind, ermöglichen Daten eine klare Kommunikation nahezu in Echtzeit mit Lieferanten, Einzelhändlern und anderen Netzwerkpartnern. Datenexperten treiben auch Ansätze für die Landwirtschaft voran. Mithilfe von Dateneinblicken entwickeln Landwirte neue Wege für den Pflanzenbau, die Viehhaltung, die Forstwirtschaft und die Landwirtschaft. Die Einbeziehung autonomer Maschinen, Traktoren und Bewässerungssysteme verbessert auch die Erntetechnologien. Wenn Sie mehr darüber erfahren möchten, wie verschiedene Branchen Datenanalysen nutzen, sehen Sie sich die Kursressourcen zu diesem Thema an. Hier ist ein kleiner Ratschlag für mich. Verpassen Sie nicht die Gelegenheit, von jemandem im wirklichen Leben zu lernen. Ich liebe es, Geschäftsinhaber, Filialleiter und Kundenbetreuer zu fragen, wie sie jeden Tag Daten nutzen. Wer weiß, eines dieser Gespräche könnte Ihnen die Tür zu einer zukünftigen Chance öffnen.
Profile von Datenexperten
Profile von Datenexperten
Sie haben etwas über Datenexperten gelernt und erfahren, wie wertvoll ihre Arbeit für die Unternehmen ist, die sie beschäftigen. Sie haben auch etwas über technische und strategische Rollen für Datenanalyseexperten gelernt. Datenanalysten in technischen Rollen verwandeln Rohdaten in etwas Nützliches für die Entscheidungsfindung. Fachleute für strategische Datenanalyse konzentrieren sich auf die Maximierung von Informationen, um die Unternehmen, für die sie arbeiten, zu leiten. In dieser Lektüre erfahren Sie mehr über den Karrierebereich von Datenprofis und sehen Beispiele für einige allgemeine Kategorien von Datenprofi-Rollen.
Die hier vorgestellten Klassifikationen von Datenfachberufsrollen sind eine sehr allgemeine Einführung in die Karrieren, die im Datenkarrierebereich verfügbar sind. Wenn Sie mit der Jobsuche beginnen, stoßen Sie in jeder dieser allgemeinen Kategorien auf Einstiegs-, Mittel- und Führungspositionen.
Datenwissenschaftler und Datenanalyst
Datenwissenschaftler und Datenanalysten sind Rollen, die direkt mit Daten arbeiten. Diese Fachleute sammeln, bereinigen, analysieren und teilen Erkenntnisse aus Daten mit Stakeholdern. Immer mehr Branchen greifen auf Datenanalysen zurück, um Erkenntnisse zu gewinnen, die als Grundlage für verschiedene Aufgaben dienen, etwa als Entscheidungshilfe, zur Identifizierung von Benutzerpräferenzen oder zur Bestimmung, wie Ressourcen effektiver genutzt werden können. Da immer mehr Branchen nach Datenexperten suchen, besteht eine große Chance, dass Sie einen finden, der Ihren Interessen entspricht.
Hauptmerkmale
Was sie tun: Trends, Muster und Erkenntnisse aus Daten aufdecken
So machen sie es: Nutzen Sie fortschrittliche Modellierungs- und statistische Analysetechniken
Einstiegspositionen als Datenwissenschaftler oder -analysten erfordern möglicherweise keine große Erfahrung in der Datenanalyse und erfordern weniger Einschränkungen, wenn es darum geht, von den Bewerbern einen traditionellen Abschluss zu verlangen.
Beispiele für Berufsbezeichnungen
Datenwissenschaftler
Marktforscher
Daten Analyst
KI-Analyst
Business Analyst
Datenmanagement und Infrastruktur
Datenexperten, die in den Bereichen Datenmanagement und Infrastruktur tätig sind, sind in erster Linie für die Systeme verantwortlich, die Daten verteilen und ihre Integrität wahren. Sie arbeiten mit Datenanalyseexperten zusammen und unterstützen sie bei ihrer Arbeit. Ihre Hauptaufgabe besteht darin, die Funktionalität von Datensystemen und die Einhaltung lokaler, staatlicher und bundesstaatlicher Vorschriften in Bezug auf Datensicherheit und Ethik sicherzustellen.
Hauptmerkmale
Was sie tun: Datenquellen und die gesamte Dateninfrastruktur verwalten
So machen sie es: Arbeiten Sie mit den Tools und Datenbanken, die zur Datenverwaltung in einem Unternehmen verwendet werden
Beispiele für Berufsbezeichnungen
Dateningenieur
Technologieingenieur
Datenmanager
Datenverwalter
IT-Architekt
Business Intelligence
Datenanalyse und Business Intelligence weisen viele Gemeinsamkeiten auf. In beiden Bereichen gibt es Fachleute, die Daten nutzen, um Erkenntnisse zu gewinnen, die als Grundlage für die Entscheidungsfindung dienen. Ein wesentlicher Unterschied besteht darin, dass sich Business Intelligence stärker auf die Erstellung von Prozessen und Informationskanälen konzentriert, die relevante Daten transformieren. Business-Intelligence-Experten erstellen Tabellen, Berichte und Dashboards, die Stakeholder unterstützen und ihnen Zugriff auf die Daten geben, die sie benötigen, um den gesamten Entscheidungsprozess kontinuierlich zu informieren. Diese Rollen dienen oft als Ergänzung zu den wichtigsten Fachkräften im Bereich Datenanalyse/Datenwissenschaft.
Hauptmerkmale
Was sie tun: Führen Sie prädiktive Analysen durch, die es Unternehmen ermöglichen, wahrscheinliche zukünftige Trends zu bestimmen
So machen sie es: Erstellen Sie Tabellen, Berichte und Dashboards, die ihr Unternehmen stärken
Beispiele für Berufsbezeichnungen
BI-Architekt
BI-Analyst
Entwickler von BI-Lösungen
BI-Softwareentwickler
Datenvisualisierung und BI-Analyst
Zusätzliche Rollen für Datenexperten
Produktentwicklungsteams
Die Fachleute in diesen Rollen verwalten ein Portfolio von Kunden- und Stakeholder-Analyseprojekten und -Initiativen. Sie verwalten häufig die Analysestrategie für die Organisation. In diesen Rollen ist höchstwahrscheinlich Erfahrung erforderlich und die Verantwortlichkeiten sind größer und globaler.
Hauptmerkmale
Was sie tun: Analysestrategie innerhalb eines Projektteams verwalten
Wie sie es tun: Sie sind weniger praktisch in der Datenanalyse und fungieren als die Person, der ein Datenwissenschaftler oder -analyst Bericht erstatten würde
Beispiele für Berufsbezeichnungen
Produktmanager
Produkt Entwickler
Produktleiter
Digitaler Produktmanager
Kundenproduktmanager
C-Suite
Diese Rollenklassifizierung umfasst hochrangige Führungskräfte innerhalb einer Organisation. Das „C“ in C-Suite steht für Chef. Im Allgemeinen gibt es einen Trend für die Führungsebene, datengesteuerte Entscheidungsfindung in ihre Prozesse zu integrieren. Von Personen, die diese Rollen in organisatorischen Führungsteams besetzen, wird erwartet, dass sie mit Daten und Analysen vertraut sind.
Hauptmerkmale
Was sie tun: Verantwortlich für Daten und Datenexperten im gesamten Unternehmen
Wie sie es tun: Sie sind Entscheidungsträger am oberen Ende der Unternehmenshierarchie
Beispiele für Berufsbezeichnungen
Marketing-Chef
Chief Data Officer
Chief Analytics Officer
Chief Information Officer
Chefdatenwissenschaftler
Die zentralen Thesen
Es gibt eine Vielzahl von Rollen und Verantwortlichkeiten im Karrierebereich von Datenprofis. Später erfahren Sie, wie diese Rollen zusammenarbeiten und mit Gruppen von Fachleuten mit unterschiedlichem Fachwissen bei Datenanalyseprojekten zusammenarbeiten. Ein allgemeines Verständnis der Rollen und Verantwortlichkeiten von Datenexperten kann bei Ihrer Jobsuche hilfreich sein. Diese Informationen können als Referenz dienen und Ihnen helfen, die Bedürfnisse und Erwartungen von Unternehmen zu verstehen, während Sie durch Stellenausschreibungen navigieren. Machen Sie eine Bestandsaufnahme aller übertragbaren Fähigkeiten, die Sie möglicherweise bereits aus Bildungs- oder Berufserfahrung besitzen.
Wo Daten einen Unterschied für die Zukunft machen
Wie Sie erfahren haben, ist der Bereich der Datenanalyse dynamisch und umfasst eine Vielzahl von Branchen. Für Sie und andere Datenexperten, die auf der Suche nach neuen Jobperspektiven sind, gibt es großartige Möglichkeiten in einem breiten Spektrum von Berufsfeldern. Wenn Sie beginnen, über Ihre eigene zukünftige Rolle in der Datenanalyse nachzudenken, kann es hilfreich sein, zu untersuchen, wie Daten in verschiedenen Branchen verwendet werden. In dieser Lektüre betrachten Sie einige Beispiele für Branchen und wie Datenanalysen dabei helfen, sie zu steuern. Sie werden auch über die Zukunft der Datenanalyse nachdenken und darüber, wie sich dieser Bereich noch weiterentwickelt!
Es gibt so viele verschiedene Branchen, die Datenanalysen auf so unterschiedliche Weise nutzen. Hier ist nur eine Auswahl einiger dieser Branchen und wie sie Daten nutzen:
Industrie | Überblick | Wie Daten verwendet werden |
|---|---|---|
App-gesteuertes Geschäft (Sharing-Economy-Dienst) | Erleichtert Benutzern den Erwerb, die Bereitstellung oder den gemeinsamen Zugriff auf Waren und Dienstleistungen, häufig über Online- oder App-basierte Communities |
|
Automobil | Umfasst Branchen, die mit der Herstellung, dem Groß- und Einzelhandel und der Wartung von Kraftfahrzeugen verbunden sind |
|
Internet-Sicherheit | Schützt Netzwerke, Geräte und Daten vor unbefugtem Zugriff oder krimineller Nutzung und gewährleistet die Wahrung der Vertraulichkeit, Integrität und Verfügbarkeit von Informationen |
|
Digitales Marketing | Unterstützt Werbe- und Verkaufsförderungsmaßnahmen von Unternehmen, die das Internet und Online-Technologien nutzen |
|
Energie | Umfasst Unternehmen, die sowohl erneuerbare als auch nicht erneuerbare Energieressourcen erforschen, produzieren, veredeln, vermarkten, lagern und transportieren |
|
Spielen | Hostet schätzungsweise 2,7 Milliarden Spieler weltweit und erleichtert die Interaktion von Spielern auf der ganzen Welt |
|
Streaming-Medien und Unterhaltung | Bietet On-Demand-Zugriff auf Live- und aufgezeichnete Inhalte, die über das Internet an Computer, Smart-Geräte und Mobilgeräte geliefert werden |
|
Telekommunikation | Dabei geht es in erster Linie um den Betrieb und die Bereitstellung des Zugangs zu Einrichtungen zur Übertragung von Sprache, Daten, Text, Ton und Video |
|
Reisen und Tourismus | Umfasst eine Vielzahl von Dienstleistungen wie Transport, Unterkunft, Attraktionen, Buchung und vieles mehr |
|
Datentrends für die Zukunft
Wie Sie bereits sehen können, ist die Datenanalyse ein aufstrebendes Feld mit einer Vielzahl spannender Möglichkeiten. Und noch spannender ist die Tatsache, dass Big Data immer größer wird. Der Bedarf an Menschen, diese Informationen zu verstehen, zu priorisieren, zu verwalten und zu analysieren, nimmt in keiner Branche ab. Unternehmen werden sich weiterhin auf datengesteuerte Entscheidungen verlassen, die sowohl auf einfachen Trendanalysen als auch auf komplexeren Techniken wie prädiktiver Modellierung und Prognose basieren.
Darüber hinaus speichern immer mehr Unternehmen alle ihre Rohdaten in großen Repositories, auf die im gesamten Unternehmen zugegriffen werden kann. Da Unternehmen zunehmend auf Erkenntnisse aus diesen Daten angewiesen sind, ergeben sich für Datenanalytiker zahlreiche Möglichkeiten, ihre Fähigkeiten und ihr Wissen zu nutzen, um diese Informationen zu organisieren und nutzbar zu machen.
Innovative Technologien
Innovationen beim Zugriff auf diese Daten führen zu neuen Ansätzen für die Vernetzung von Daten – was bedeutet, dass es in Zukunft immer noch neue und sich weiterentwickelnde Möglichkeiten für die Nutzung von Daten durch Unternehmen in verschiedenen Branchen gibt. Auch die Technologie verändert sich ständig und passt sich diesen neuen Bedürfnissen an. Aus diesem Grund wird es immer wieder spannende neue Tools und Datenlösungen zu entdecken geben.
Künstliche Intelligenz wird weiterhin große Auswirkungen auf Unternehmen haben und zur Rationalisierung vieler Bereiche beitragen. Unter einer Umsatzsteigerung wird beispielsweise eine direkte Folge der Prognose der Produktnachfrage verstanden. Künstliche Intelligenz hilft Unternehmen, die Lagerversorgung sicherzustellen, Artikel auf Lager zu halten, Lieferzeiten zu verkürzen und die betriebliche Effizienz durch die Automatisierung von Prozessen zu steigern.
Darüber hinaus wird künstliche Intelligenz mit maschinellem Lernen, Business Intelligence und Automatisierung kombiniert, um Kunden personalisiertere Dienste bereitzustellen.
Das Angebot zusätzlicher Dienste wird Innovationen vorantreiben und Computeranwendungen und die Quellen gespeicherter Daten physisch näher zusammenbringen. Dieses Konzept wird als Edge Computing bezeichnet . Durch das Schließen der Lücke zwischen Daten und Berechnung wird die Geschwindigkeit verbessert. Dies führt zu einer stärkeren Unterstützung von Echtzeitanalysen und der Automatisierung, die zur Unterstützung der zunehmenden Anzahl von Geräten erforderlich ist, die über das verbunden werdenInternet der Dinge.
Immer mehr Datenanalyseaufgaben werden durch die Erstellung, Verwaltung und Analyse von Daten in Edge-Umgebungen automatisiert. Künstliche Intelligenz und maschinelle Lernsysteme sind nur so gerecht und inklusiv wie die Menschen, die diese Systeme erstellen und trainieren. Sie erfahren mehr darüber, wie Sie als Datenanalytiker Maßnahmen ergreifen müssen, um in Zukunft Gerechtigkeit zu gewährleisten.
Die zentralen Thesen
Im Laufe Ihrer Karriere als Datenanalytiker müssen Sie über die neuesten Trends und Technologien auf dem Laufenden bleiben, die in verschiedenen Branchen zum Einsatz kommen. Die einzige Gewissheit über die Zukunft der Datenanalyse besteht darin, dass weiterhin immer mehr Daten generiert werden und dass weiterhin neue Systeme und Innovationen entwickelt werden, die Datenfachleuten die Möglichkeit geben, zu lernen, sich weiterzuentwickeln und neue Fähigkeiten zu entwickeln.
Nutzen Sie die Datenanalyse in gemeinnützigen Organisationen
Vor kurzem haben Sie erfahren, wie Unternehmen Daten nutzen, um Entscheidungen zu treffen, Fragen zu beantworten und Probleme zu lösen. In diesem Video untersuchen wir, wie gemeinnützige Organisationen Datenanalysen nutzen können, um ihre individuellen Ziele zu verfolgen. Gemeinnützige Gruppen werden gegründet, um einen sozialen Zweck zu fördern oder der Öffentlichkeit einen Nutzen zu verschaffen. Wie der Name schon sagt, geht es ihnen in erster Linie nicht um Profit, sondern um die Förderung eines kollektiven, öffentlichen oder sozialen Vorteils. Es gibt einige sehr lohnende und inspirierende Möglichkeiten für Datenexperten im gemeinnützigen Sektor. Insbesondere können Daten genutzt werden, um diesen Gruppen dabei zu helfen, die größten Bedarfsbereiche besser zu antizipieren und darauf zu reagieren. Beispielsweise möchte vielleicht eine Wohltätigkeitsorganisation in den USA, die Fahrräder für Kinder bereitstellt, ermitteln, welche Stadtteile den größten Bedarf haben. Sie könnten ihren Datenexperten bitten, auf das US Census Bureau zuzugreifen. Der Fachmann würde seine Talente nutzen, um in der Volkszählungsdatenbank zu navigieren, wichtige Kennzahlen zu identifizieren und die Ergebnisse mit Analysen und Datenvisualisierungen zusammenzufassen. Dieser Bericht würde hervorheben, wo es eine größere Anzahl bedürftiger Kinder im schulpflichtigen Alter gibt, die von den Ressourcen dieses Programms profitieren würden. Dateneinblicke führen zu fundierten Entscheidungen darüber, wo diese gemeinnützige Organisation am meisten Gutes tun kann. Heutzutage tun gemeinnützige Organisationen mehr als nur die Nutzung von Daten. Viele von ihnen sammeln es auch. Wie Sie wahrscheinlich wissen, können öffentliche Einrichtungen und Regierungsbehörden hervorragende Quellen für nützliche Daten sein. Vieles davon sind offene Daten, die für die allgemeine Nutzung verfügbar sind. Wie Sie wahrscheinlich wissen, handelt es sich bei offenen Daten um Daten, die der Öffentlichkeit zugänglich sind. Die Nutzung ist kostenlos und es werden Anleitungen bereitgestellt, die Ihnen bei der Navigation durch die Datensätze und der Angabe der Quelle helfen. Die Beschaffung offener Daten ist eine gute Möglichkeit, selbst mit Daten zu interagieren. Es gibt andere Möglichkeiten, die es Ihnen ermöglichen, Ihre Fähigkeiten zu verfeinern und gleichzeitig anderen zu helfen. Daten-Freiwillige leisten ihren Beitrag zu vielen Projekten, die gemeinnützigen Organisationen dabei helfen, Gemeinschaften auf der ganzen Welt zu helfen. Um mehr zu erfahren, finden Sie hier einige Organisationen, die Sie sich ansehen sollten. Zunächst wurde 2013 an der University of Chicago die Stiftung „Data Science for Social Good“ ins Leben gerufen. Im Jahr 2020 schlossen sie sich mit UNICEF zusammen, um verschiedene Aspekte der Luftverschmutzung auf der ganzen Welt zu analysieren und so die Gesundheit von Kindern zu überwachen. DataKind wurde 2011 in New York City mit Niederlassungen im Vereinigten Königreich, Bengaluru, San Francisco, Singapur und Washington DC eingeführt. Diese Organisation analysiert die Kosten der Umweltsanierung in verschiedenen unterversorgten Gemeinden, um Sanierungsbemühungen zu steuern. Sie können sich beide Grundlagenarbeiten über die Links und das Transkript dieses Videos ansehen. Eine weitere Möglichkeit, Ihre Datenkenntnisse sinnvoll einzusetzen, sind Hackathons. Ein Hackathon ist eine Veranstaltung, bei der Datenexperten und Programmierer zusammenkommen und an einem bestimmten Projekt zusammenarbeiten. Ziel ist es, mithilfe von Technologie eine Lösung für ein bestehendes Problem zu schaffen. Zu den Beispielen gehören die Entwicklung besserer Tools zur Vorhersage extremer Wetterereignisse, die Entwicklung von Technologien, die Grundschulkindern dabei helfen, wichtige Lesefähigkeiten zu erlernen, und die Ermittlung von Möglichkeiten, wie Gemeindeentwicklungsgruppen ihre Daten nutzen können, um die Zugänglichkeit und Erschwinglichkeit von Häusern zu verbessern. Wenn Sie Ihre Datenkenntnisse ehrenamtlich für öffentliche Projekte einsetzen, ist dies eine hervorragende Möglichkeit, zum Wohl der Allgemeinheit beizutragen und gleichzeitig Erfahrungen zu sammeln und sich mit anderen in Ihrem Bereich zu vernetzen. Demnächst werfen wir einen genaueren Blick auf einige datenorientierte Projekte im öffentlichen Sektor und wie sie weltweit Wirkung zeigen.
Die besten Fähigkeiten, die Sie für eine Datenkarriere benötigen
Alle Datenprofis teilen die Liebe zu Daten und den Wunsch, Probleme zu lösen. Während sie ihren Analytics-Hut tragen, legen Datenprofis die Geschichte dar, die sie erzählen möchten. Dann durchleuchten sie es aus verschiedenen Blickwinkeln mit Folgeuntersuchungen, um zu sehen, ob es stichhaltig ist, bevor sie es ihren Entscheidungsträgern vorlegen. Dabei verlassen sie sich auf ihre Programmier- und Ermittlungsfähigkeiten, um andere zu fundierten Entscheidungen zu führen. Datenprofis kombinieren außerdem Wissen darüber, wie man praktische Aufgaben erledigt, mit einem Bewusstsein dafür, was Kommunikation und Zusammenarbeit erfolgreich macht. Später werden wir uns eingehender mit den Elementen der Kommunikation befassen und besprechen, wie Kommunikation Ihre Arbeit als Datenexperte verbessert und strukturiert. Lassen Sie uns zunächst einige Fähigkeiten und Attribute untersuchen, die auf datengesteuerte Karrieren anwendbar sind. Die Arbeit in der Datenanalyse erfordert eine Mischung aus Geschäftssinn und Kenntnissen im Sammeln, Bearbeiten und Analysieren von Daten. Unser Ziel ist es, Sie darauf vorzubereiten, die für den Erfolg erforderlichen Kompetenzen zu entwickeln. Beginnen wir mit der Erörterung einiger zwischenmenschlicher Fähigkeiten. Diese werden oft als menschliche Fähigkeiten bezeichnet. Sie konzentrieren sich auf die Kommunikation und den Aufbau von Beziehungen. Zwischenmenschliche Fähigkeiten sind entscheidend. In diesem Bereich gibt es ein hohes Maß an Interaktion zwischen den Beteiligten. Dies ist jetzt besonders relevant, da Teammitglieder häufig auf der ganzen Welt zusammenarbeiten. Sehr oft sind Arbeitsgespräche der Ausgangspunkt und der Treibstoff, der Projekte vorantreibt. Aufgrund der zyklischen Prozesse innerhalb der Datenanalyse ist die Kommunikation stets fortlaufend. Eine weitere wichtige Fähigkeit ist das aktive Zuhören. Dies bedeutet, dass Teammitglieder, Vorgesetzte und andere kollaborative Interessengruppen ihre eigenen Standpunkte darlegen können, bevor sie Antworten geben, sodass jeder Austausch das gegenseitige Verständnis verbessert. Sie können tatsächlich aktives Zuhören üben. Wenn Sie das nächste Mal mit jemandem sprechen, bemühen Sie sich besonders darum, über die Worte hinaus zuzuhören. Konzentrieren Sie sich auf das, was sie mitteilen möchten. Ihre Zuhör- und Kommunikationsfähigkeiten werden eine große Rolle dabei spielen, effektive Erkenntnisse zu gewinnen und fundierte Entscheidungen zu treffen. Wir werden uns etwas später in diesem Kurs etwas genauer mit der Kommunikation befassen. Es gibt noch andere Dinge, die Sie berücksichtigen müssen. Als Datenexperte suchen Sie mithilfe kritischer Denkfähigkeiten nach Informationen, die in großen Datenmengen verborgen sind. Unterwegs untersuchen Sie die Zusammenhänge zwischen verschiedenen Datenquellen und suchen nach Trends und Indikatoren. Betrachten Sie sich selbst als Datendetektiv. Projektdaten können direkt von Ihrer Organisation oder aus anderen Quellen stammen. Vielleicht haben Sie Glück und erhalten eine gut formatierte Tabelle oder Datenbank, aber oft müssen Sie die Daten vorbereiten, um loslegen zu können. Dieser Vorgang wird als Datenbereinigung bezeichnet. Hier werden die Daten neu organisiert und formatiert. Ziel ist es, alles zu entfernen, was bei der Analyse zu Fehlern führen könnte. Dieser Prozess umfasst das Markieren und Konsolidieren von Duplikaten, irrelevanten Einträgen, Strukturfehlern und Leerstellen. Sobald Sie alles im richtigen Format haben, können Sie unerwünschtes Material herausfiltern. Jetzt können Ihre Daten analysiert werden. Es ist Zeit, nach Trends und Tendenzen zu suchen. Oft ist es sehr hilfreich, die Daten visuell darzustellen, um durch Diagramme, Dashboards und Berichte zusätzliche Erkenntnisse zu gewinnen. Grafische Werkzeuge sind sehr nützlich, um Muster zu erkennen und Informationen mit anderen zu teilen. Sie werden später noch detaillierter darauf eingehen und haben Gelegenheit, auch das Zusammenstellen von Visualisierungen zu üben. Sie lernen auch fortgeschrittenere Fähigkeiten wie das Erstellen von Modellen und Algorithmen für maschinelles Lernen kennen. Diese Tools helfen Ihnen und anderen Datenexperten dabei, die Genauigkeit von Informationen zu bewerten, bestimmte Datensegmente zu analysieren und zukünftige Geschäftsergebnisse vorherzusagen. Ihre harte Arbeit wird Führungskräften und anderen Entscheidungsträgern in Ihrem Unternehmen helfen und ihnen Zugang zu vielfältigen Perspektiven auf unterschiedliche Informationsbestände verschaffen. Da die Nachfrage nach Datenanalysen in allen Arten von Unternehmen und Betrieben zunimmt, werden Sie wahrscheinlich Möglichkeiten in einer Branche finden, die Sie persönlich interessiert. Als Nächstes werfen wir einen Blick auf die Arbeit im Datenbereich.
Ideale Eigenschaften für Datenanalytiker
Sie haben Fähigkeiten kennengelernt, die Ihnen dabei helfen können, in die Datenkarriere einzusteigen und dort erfolgreich zu sein. In diesem Programm erwerben Sie technische Fähigkeiten, die erforderlich sind, bevor Sie Möglichkeiten in der Datenanalyse wahrnehmen. Stellenausschreibungen enthalten eine gut sichtbare Liste der erforderlichen technischen Fähigkeiten. Häufig achten Unternehmen auch auf zusätzliche Fähigkeiten und Eigenschaften, die über die Arbeit mit Daten am Computer hinausgehen. In dieser Lektüre erfahren Sie Beispiele für zusätzliche Fähigkeiten und Eigenschaften, nach denen Arbeitgeber bei der Suche nach Datenanalyseexperten suchen.
Wenn Sie beginnen, nach Stellenangeboten zu suchen, suchen viele Arbeitgeber nach zusätzlichen Fähigkeiten, die nicht nur auf digitale Bereiche beschränkt sind. In den folgenden Abschnitten erfahren Sie mehr über diese Eigenschaften anhand von Auszügen aus Stellenausschreibungen im Bereich Datenanalyse.
Coachbar sein
Coachbare Personen sind in der Lage, Feedback zu erhalten und diese Informationen zu nutzen, um Verbesserungen vorzunehmen. Im Mittelpunkt der Coachbarkeit stehen eine positive Einstellung und die Fähigkeit, sich selbst zu reflektieren und Schritte zu unternehmen, um zu wachsen. Menschen, die coachbar sind, haben in der Regel eine Wachstumsmentalität, also die Überzeugung, dass harte Arbeit und Entschlossenheit sie besser machen können. Daher sehen sie das Feedback von Kollegen und Vorgesetzten als Chance, ihre Fähigkeiten zu verbessern.
Eine Leidenschaft für Datenanalyse
Arbeitgeber suchen häufig nach Kandidaten, deren Engagement für die Datenanalyse über ihre beruflichen Pflichten hinausgeht. Der ehrenamtliche Einsatz Ihrer Datenkenntnisse zur Unterstützung einer gemeinnützigen Organisation ist nur ein Beispiel, aber es ist nicht die einzige Möglichkeit, Ihr Engagement für die Datenanalyse zu zeigen. Die Datenanalyse ist außerhalb des Arbeitsplatzes anwendbar, aber oft nicht offensichtlich. Gemeinschaftsprojekte, die Unterstützung einer örtlichen Schule bei der Organisation von Daten und die Entwicklung eines eigenen Nebenprojekts sind einige Beispiele dafür, wie Sie Ihre Leidenschaft für Datenanalyse außerhalb des Arbeitsplatzes unter Beweis stellen können.
Eine weitere Möglichkeit, Ihre Leidenschaft für die Datenanalyse zu entdecken, besteht darin, sich mit anderen leidenschaftlichen Datenanalysten zu vernetzen und sich Datenherausforderungen zu stellen. Eine großartige Website zum Erkunden von Datenanalysen istKaggle.com, die eine aktive Online-Community für Datenwissenschaftler und Enthusiasten des maschinellen Lernens beherbergt. Benutzer können mit anderen Benutzern zusammenarbeiten, Datensätze veröffentlichen, GPU-integrierte Notebooks verwenden und mit anderen Datenwissenschaftlern konkurrieren, um datenwissenschaftliche Herausforderungen zu lösen. Die Teilnahme an Aktivitäten, die von einer Online-Data-Science-Community wie Kaggle veranstaltet werden, kann Ihre Leidenschaft für die Datenanalyse befeuern und Artefakte für Ihr Portfolio liefern.
Arbeitgeber suchen leidenschaftliche Kandidaten. Stellenausschreibungen, die Kandidaten identifizieren, die eine Leidenschaft für Datenanalyse haben, enthalten oft Formulierungen wie:
Ich suche einen leidenschaftlichen Datenwissenschaftler.
Wir suchen einen Kandidaten mit ausgeprägter Neugier, der sich auf vielfältige Forschungsinteressen konzentriert.
Gefahren. Die Aussicht, sich auf die Umweltauswirkungen von Unternehmen als Datendomäne zu konzentrieren, reizt Sie und motiviert Sie persönlich.
Profi-Tipp : Beziehen Sie Ihre Leidenschaft für Datenanalyse in Ihr Portfolio ein. Geben Sie Beispiele für Leidenschaftsprojekte, ehrenamtliche Arbeit oder Analysen außerhalb der Beschäftigung an, um Ihr Engagement für die Datenanalyse zu verdeutlichen. Wenn Sie in Ihrer Freizeit Datenanalysen durchführen, sagt das viel über Ihre Leidenschaft aus.
Lebenslanges Lernen
Zuvor haben Sie von einigen Generationswechseln in Datenarbeitsbereichen gelesen. Sie erinnern sich vielleicht, dass zu diesen Veränderungen auch technologische Fortschritte bei Computerschnittstellen, Datenspeicherung und der Rolle der Datenanalyse in Organisationen gehörten. Tatsächlich war in all diesen Epochen der Wandel das einzig konstante Element. Im weiteren Verlauf Ihrer Karriere lernen Sie immer wieder neue Techniken, Werkzeuge und Möglichkeiten der Interaktion mit anderen Fachleuten kennen. Wie Sie erfahren haben, ist es für Datenprofis unerlässlich, über die neuesten Technologien und Techniken auf dem Laufenden zu bleiben. Hier sind Beispiele aus tatsächlichen Stellenausschreibungen:
Kandidaten müssen ihre praktische Arbeit mit dem Wunsch in Einklang bringen, mit den Trends Schritt zu halten.
Wir suchen Kandidaten mit der Begabung und dem Enthusiasmus, neue Fähigkeiten und Fachgebiete zu entwickeln.
Wir suchen Menschen mit dem Antrieb, neue Technologien und Techniken zu erlernen und zu beherrschen.
Profi-Tipp : Bleiben Sie auf dem Laufenden, indem Sie datenbezogene Blogs lesen und an Workshops teilnehmen. Besuchen Sie Business-Networking-Websites, um Kontakte zu knüpfen und von Fachexperten zu lernen.
Starke interpersonelle Fähigkeiten
Sie erinnern sich vielleicht, dass Datenexperten und Business-Intelligence-Experten eng zusammenarbeiten. Zusammen beeinflussen sie die Entscheidungsfindung einer Organisation. Während eines Projekts interagiert ein Datenanalyst mit vielen Stakeholdern aus verschiedenen Bereichen einer Organisation. Oft erstrecken sich diese Interaktionen auch auf Kunden, Benutzer oder Vertreter anderer Unternehmen. Darüber hinaus arbeiten Datenexperten als Mitglieder eines funktionsübergreifenden Teams eng mit einer Vielzahl anderer Fachleute zusammen. Beispiele aus Stellenausschreibungen umfassen Anforderungen an die zwischenmenschlichen Fähigkeiten von Bewerbern und enthalten folgende Aussagen:
Wir suchen Mitarbeiter, die intern Beziehungen aufbauen können, um Wissen weiterzugeben, sich mit anderen Datenwissenschaftlern und Analysten zu beraten, um Analysen zu leiten, und größere Projekte durchzuführen.
Sie möchten Mitarbeiter einstellen, die in der Lage sind, komplexe und/oder sensible Themen zu verhandeln; und gute Arbeitsbeziehungen pflegen.
Unsere Datenexperten legen Wert auf den Aufbau starker Beziehungen zu Kollegen und Partnern.
Profi-Tipp : Nehmen Sie zwischenmenschliche Fähigkeiten in die Qualifikationsliste Ihres Lebenslaufs auf. Sehen Sie sich den Stoff dieses Programms noch einmal an (einschließlich des Materials zur Kommunikation, das Ihnen später in diesem Kurs vorgestellt wird). Finden Sie Möglichkeiten, Beispiele für Teamarbeit, Empathie, Führung, Vermittlung und aktives Zuhören hinzuzufügen.
Kommunikation
Von Fachleuten, die in den Bereichen Daten, Wirtschaft und Technologie arbeiten, wird erwartet, dass sie fließend kommunizieren. Die Wirksamkeit Ihrer Arbeit wird stark von Ihrer Fähigkeit abhängen, Menschen durch die Ergebnisse Ihrer Analyse zu inspirieren. Stellenausschreibungen können Anforderungen wie die folgenden enthalten:
Kandidaten müssen über ausgezeichnete Kommunikationsfähigkeiten und eine freundliche, aufgeschlossene Persönlichkeit verfügen.
Sie sind ein fesselnder Geschichtenerzähler, der auf prägnante und inspirierende Art und Weise mit einem Publikum mit vielfältiger Erfahrung in der Datenwissenschaft kommunizieren kann, um reale Produkt- oder Feature-Entscheidungen zu beeinflussen.
Ein Geschichtenerzähler. Sie wissen, dass keine Daten für sich selbst sprechen, und sind stolz auf die Visualisierungen und Narrative, die Sie erstellen, um Ihre sorgfältige Analyse zu kommunizieren.
Profi-Tipp: Stellen Sie sicher, dass alle Korrespondenzen, die Sie austauschen, professionell und frei von Grammatik- und Rechtschreibfehlern sind. Nehmen Sie alle Beispiele schriftlicher Kommunikation in Ihr Portfolio auf – dazu können unter anderem Reflexionsbeiträge, Zusammenfassungen oder Projektvorschläge gehören. Vergessen Sie nicht, Schreibbeispiele oder Online-Blogeinträge beizufügen, die beschreiben, wie Sie in früheren Situationen kommuniziert haben.
Problemlöser
Die Fähigkeit, Probleme zu lösen, ist ein wichtiger Teil der Tätigkeit eines Datenanalyseprofis, unabhängig davon, ob es um den Umgang mit unvollständigen Daten, die Lösung von Problemen innerhalb einer Analyse oder die Suche nach der besten Möglichkeit geht, Ihre Ergebnisse Ihrem Publikum zu kommunizieren. Es ist wichtig, dass Sie auch die Ergebnisse der von Ihnen gelösten Probleme quantifizieren. Organisationen, die auf der Suche nach Datenexperten sind, haben Problemlösungen in ihre Stellenbeschreibungen aufgenommen, wie zum Beispiel:
Gesucht werden Datenexperten, die die Fähigkeit und den starken Wunsch haben, Probleme aus der Konzeptentwicklung, der Kundenbindung und dem Technologieübergang zu lösen.
Kandidaten müssen beharrlich sein und über hervorragende Analyse- und Problemlösungsfähigkeiten verfügen.
Ein großer Denker. Sie beginnen mit dem „Warum“, wenn Sie sich einem neuen Problem nähern, und möchten immer etwas verallgemeinern, zusammenfassen und zusammenfassen.
Profi-Tipp : Passen Sie Ihre bisherigen Arbeitsaufgaben an Aufgaben an, die Sie bewältigen konnten. Dies kann erreicht werden, indem Sie die Endergebnisse Ihrer Handlungen hervorheben. Erläutern Sie, wie sich Ihre Aktion oder Aufgabe direkt auf die Organisation ausgewirkt hat. Wenn mit Ihren Handlungen eine messbare oder empirische Veränderung einhergeht, sollten Sie diese unbedingt mit einbeziehen. Beispiel: Analysierte Daten von über 3.000 Benutzern zur Optimierung von Systemen, was zu einer Steigerung der Kundenzufriedenheit um 32 % führte.
Die zentralen Thesen
Arbeitgeber in den unterschiedlichsten Branchen sind bestrebt, Datenexperten einzustellen, die über mehr als nur technisches Fachwissen verfügen. Sie können Ihre nichttechnischen Fähigkeiten auf verschiedene Weise für potenzielle Arbeitgeber hervorheben. Entdecken Sie Möglichkeiten, Ihre Leidenschaften erfolgreich und effektiv zu kommunizieren. Indem Sie Ihr Engagement für berufliches Wachstum unter Beweis stellen und Beispiele für Ihre Fähigkeit zur Problemlösung weitergeben, können Sie sich von anderen Kandidaten abheben.
Nutzen Sie ehrenamtliche Datenkompetenzen, um eine positive Wirkung zu erzielen
Gemeinnützige Organisationen
Menschen, die eine soziale Sache fördern oder der Öffentlichkeit einen Nutzen bringen möchten, gründen häufig gemeinnützige Gruppen. Die Hauptaufgabe einer gemeinnützigen Gruppe besteht darin, einen Bedarf oder eine Lücke zu schließen, die der Privatsektor nicht angemessen berücksichtigt. Es gibt lohnende und inspirierende Möglichkeiten für Datenexperten im gemeinnützigen Sektor. Auf globaler Ebene mögen GruppenKinder International,Ärzte ohne Grenzen, UndPflege InternationalLeiten Sie humanitäre Bemühungen auf der ganzen Welt. Zusätzlich zu diesen groß angelegten Bemühungen gibt es viele gemeinnützige Organisationen, deren Bemühungen regional spezifisch sind, wie zChristophers Versprechenmit Sitz in der Gegend von Columbus, Ohio.
Sie können Ihre Datenkenntnisse einsetzen, um gemeinnützigen Gruppen dabei zu helfen, effektiver zu werden, sodass sie ihre größten Bedarfsbereiche vorhersehen und darauf reagieren können.
Möglicherweise kennen Sie bereits gemeinnützige Organisationen, die zu Ihren Interessengebieten passen oder in Ihrer Gemeinde tätig sind. Eine Möglichkeit, wie diese Organisationen ihren Ressourcenmangel ausgleichen können, besteht darin, Freiwillige zu finden. Regionalen oder lokalen Organisationen fehlen oft die Ressourcen, um Marketingfachleuten oder Datenanalysten eine Vollzeitbeschäftigung anzubieten. Als Datenanalytiker gibt es viele Möglichkeiten, einen wertvollen Beitrag für gemeinnützige Organisationen zu leisten. Falls Sie keine bestimmte gemeinnützige Organisation im Sinn haben, können Sie diese recherchierenWohltätigkeitsnavigator, das weltweit größte und vertrauenswürdigste Online-Bewertungs- und Bewertungstool für gemeinnützige Organisationen. Hier finden Sie Bewertungen von fast 200.000 gemeinnützigen Organisationen.
Ein Beispiel für eine gemeindebasierte gemeinnützige Organisation
Christophers Versprechen, eine gemeinnützige Basisorganisation mit Sitz in Columbus, Ohio, ist ein repräsentatives Beispiel für die Arten gemeindebasierter gemeinnütziger Organisationen, die auf der ganzen Welt Wirkung erzielen. Diese Organisation wurde von den Bemühungen inspiriert, ein Fahrrad für einen Fünfzehnjährigen zu entwickeln, der mit den Herausforderungen Neurofibromatose, Zerebralparese und Optikusgliom konfrontiert war. Seit 2011 hat diese gemeinnützige Organisation dank der hervorragenden Unterstützung der örtlichen Gemeinden im zentralen Ohio-Gebiet die Entwicklung und den Bau von adaptiven Fahrrädern für Hunderte von Kindern ermöglicht.
Das Leitbild von Christopher’s Promise (2022) lautet: „Allen Kindern trotz körperlicher Einschränkungen die Möglichkeit zu geben, dieselben prägenden Kindheitserinnerungen wie ihre Altersgenossen zu erleben.“ Kindern helfen, Kinder sein.“
Freiwillige Bereitstellung von Datenkenntnissen für gemeinnützige Organisationen
Als Experte für Datenanalysen können Ihre Fähigkeiten einen großen Einfluss auf Wohltätigkeitsorganisationen und gemeinnützige Organisationen in Ihrer eigenen Gemeinde oder einer Gemeinde haben, deren Bedürfnisse bei Ihnen Anklang finden. Viele gemeinnützige Organisationen sind bei ihren Aktivitäten aufgrund begrenzter Ressourcen in hohem Maße auf Freiwillige angewiesen. Diese Situation ist besonders herausfordernd für gemeinschaftsbasierte Initiativen, denen oft die Mittel fehlen, um Datenanalyseexperten einzustellen. Daher ist das Angebot, ehrenamtlich bei einer örtlichen gemeinnützigen Organisation mitzuarbeiten, eine hervorragende Möglichkeit, Erfahrungen zu sammeln und eine Sache zu unterstützen.
Wie können Datenanalyseexperten gemeinnützigen Organisationen helfen?
Datenanalyseexperten können gemeinnützigen Organisationen auf vielfältige Weise helfen. Nachfolgend finden Sie einige Beispiele.
Spendensammlung
Mithilfe von Datenanalysen können Sie mit hoher Genauigkeit vorhersagen, welche Interessenten am wahrscheinlichsten spenden werden. Um die Rendite ihrer Marketing- und Outreach-Ausgaben zu maximieren, können gemeinnützige Organisationen Datenanalysen nutzen, um die Outreach-Ausgaben zu priorisieren und die gesamten Marketingausgaben zu senken.
Marketing
Die Daten einer gemeinnützigen Organisation enthalten wertvolle Informationen, die den Marketingbemühungen zugute kommen können. Die Datenanalyse kann dabei helfen, die Zielgruppe einer gemeinnützigen Organisation zu bestimmen und Erkenntnisse wie Spendenmethoden, Beitragshistorie und andere demografische Daten zu gewinnen. Dadurch kann die gemeinnützige Organisation dabei helfen, die Kommunikation mit potenziellen Spendern zu steuern und die Wirksamkeit von Kampagnen zu bestimmen.
Überwachungsaktivitäten
Die Datenanalyse kann gemeinnützigen Organisationen dabei helfen, Ressourcen, Ausgaben und den täglichen Betriebsbedarf zu überwachen. Eine gemeinnützige Organisation benötigt häufig Hilfe bei der Nachverfolgung gespendeter Materialien. Beispielsweise könnte eine Datenbank mit Spenden an eine Lebensmittelbank der Organisation dabei helfen, bestimmte gesammelte Lebensmittel zu ermitteln und die Verfallsdaten von Lebensmitteln für die Lagerung, den Transport und die Verteilung zu erfassen. Durch den Einsatz eines Echtzeit-Inventursystems in Verbindung mit vorausschauender Datenanalyse könnten Engpässe vorhergesehen und diejenigen Spender identifiziert werden, die in der Vergangenheit zur Bereitstellung dieser Artikel beigetragen haben.
Datenanalysen haben einer gemeinnützigen Organisation viel zu bieten. Ein tieferer Einblick in die Bemühungen der Organisation kann ihnen dabei helfen, effektiver und effizienter zu arbeiten. Durch die Analyse von Daten können verschiedene gemeinnützige Funktionen verbessert werden, beispielsweise die Zuweisung von Ressourcen, die Rekrutierung und Bindung von Unterstützern, die Mittelbeschaffung und die Durchführung von Forschungsarbeiten. Die Datenanalyse kann auch dabei helfen, Muster und Machtdynamiken aufzudecken, die als Grundlage für die Entscheidungsfindung genutzt werden können. Neben der Identifizierung von Einzelpersonen und Gemeinschaften, die Hilfe benötigen, kann die prädiktive Modellierung auch zur Identifizierung potenzieller Empfänger der Dienste einer gemeinnützigen Organisation eingesetzt werden.
Mehr Möglichkeiten, sich ehrenamtlich zu engagieren
Es gibt Organisationen, die dabei helfen, Datenexperten mit Projekten zusammenzubringen, die auf der ganzen Welt einen Unterschied machen.
DataKind ist eine globale gemeinnützige Organisation, die die Leistungsfähigkeit von Datenwissenschaft und künstlicher Intelligenz („KI“) im Dienste der Menschheit nutzt. Mithilfe von Datenanalysen leitet diese Organisation Wiederherstellungsbemühungen in unterversorgten Gemeinden. DataKind bringt ehrenamtliche Experten aus Wissenschaft und Industrie zusammen, um innovative Lösungen für schwierige gesellschaftliche Herausforderungen zu entwickeln. Sie helfen sozialen Organisationen dabei, ihre Daten auf prädiktive Analysen, maschinelle Lernalgorithmen und KI anzuwenden, und zwar auf eine Weise, die sowohl die Wirkung erhöht als auch ethische Überlegungen berücksichtigt. Besuche denDataKind-Websiteum mehr über ihre Mission zu erfahren und wie man ein Freiwilliger wird.
Eine weitere Möglichkeit, Ihre Datenkenntnisse sinnvoll einzusetzen, sind Hackathons. Ein Hackathon ist eine Veranstaltung, bei der Programmierer und andere Datenexperten zusammenkommen und an einem bestimmten Projekt zusammenarbeiten. Ziel ist es, eine Lösung für ein bestehendes Problem zu schaffen.
Jedes Jahr finden auf der ganzen Welt zahlreiche Hackathon-Veranstaltungen statt. Diese Veranstaltungen können an einem bestimmten Ort oder aus der Ferne auf der ganzen Welt stattfinden. Hackathon-Veranstaltungen drehen sich in der Regel um ein zentrales Thema oder eine zentrale Frage, etwa die Verfolgung von Industrieemissionen, die Förderung gesunder Ernährungsoptionen oder die Frage, wie wir die psychische Gesundheit von Krebspatienten verbessern können. Wenn Sie daran interessiert sind, Auflistungen aktueller Hackathons auf der ganzen Welt zu finden, besuchen SieDevpost.com.
Die zentralen Thesen
Die Spende Ihrer Zeit an eine gemeinnützige Organisation ist eine großartige Möglichkeit, Erfahrungen zu sammeln, und es kann sowohl für Sie als auch für die gemeinnützige Organisation von Vorteil sein. Die gemeinnützige Organisation profitiert von Ihrem Fachwissen in der Datenanalyse und Sie sammeln wertvolle Erfahrungen im Umgang mit Daten, die Sie Ihrem beruflichen Portfolio hinzufügen können.
Durch die Zusammenarbeit mit einer gemeinnützigen Organisation oder die Teilnahme an einer Hackathon-Veranstaltung lernen Sie verschiedene Arten von Projekten kennen, verbessern zwischenmenschliche und kommunikative Fähigkeiten und erweitern Ihre berufliche Kontaktliste. Unabhängig davon, wie viel Erfahrung Sie mit der Datenanalyse haben, kann die Zusammenarbeit mit gemeinnützigen Organisationen und Hackathons ein lohnendes Nebenprojekt oder sogar eine philanthropische Karriereoption sein.
Ressourcen für weitere Informationen
Wohltätigkeitsnavigatorist der weltweit größte und vertrauenswürdigste Gutachter für gemeinnützige Organisationen.
DatenKindhilft sozialen Organisationen dabei, ihre Möglichkeiten im Bereich Daten und künstliche Intelligenz zu identifizieren, rekrutiert und verwaltet Freiwillige und sorgt dann dafür, dass die Lösungen genutzt werden.
Devpostist ein Ort, an dem Sie Produkte entwickeln, Fähigkeiten üben, Technologien erlernen, sich für Wettbewerbe anmelden und Ihr Netzwerk erweitern können.
Auflistung der steuerbefreiten Organisationen von IRS.govist eine Website, auf der Sie Wohltätigkeitsorganisationen in den Vereinigten Staaten finden können.
Statistiken ohne Grenzenträgt zum Gemeinwohl bei, indem es kostenlose statistische, datenwissenschaftliche und analytische Dienste bereitstellt.
Wichtige ethische Überlegungen für Datenexperten
Eine der wichtigsten Aufgaben für diejenigen von uns in datenzentrierten Karrieren besteht darin, wie wir unsere Organisationen schützen und Daten verwalten und schützen. Dies hat viel mit dem Kommunikationsaustausch zwischen einem Unternehmen und seinen Kunden zu tun. Wie Sie erfahren haben, entstehen bei fast jeder Kommunikation Daten, sei es ein Einkaufsbeleg, eine Bestellbestätigung oder sogar das Sammeln von Kundentreuepunkten. Unternehmen tragen gegenüber ihren Kunden eine große Verantwortung, insbesondere wenn es um die Wahrung und den Schutz der Privatsphäre der Benutzer geht. Alle von Einzelpersonen oder Verbrauchern gesammelten Daten werden als personenbezogene Daten oder PII bezeichnet. PII ermöglicht es, auf direkte oder indirekte Weise auf die Identität einer Person zu schließen. Dazu gehören Dinge wie biometrische Datensätze, Benutzernamen und Sozialversicherungs- oder nationale Identifikationsnummern. Da diese Informationen häufig mit Kranken-, Finanz- und Beschäftigungsdaten verknüpft sind, sind personenbezogene Daten vertraulich und müssen mit größter Sorgfalt verwaltet werden. Denn wenn die persönlichen Daten einer Person unsachgemäß gehandhabt werden, ist sie anfällig für Identitätsdiebstahl, Betrug und andere Probleme. In letzter Zeit wurden große Anstrengungen unternommen, um die Datenerhebungspraktiken umfassender zu betrachten und Einzelpersonen zu schützen. Branchen tendieren zu aggregierten Informationen. Hierbei handelt es sich um Daten einer erheblichen Anzahl von Benutzern, bei denen personenbezogene Daten gelöscht wurden. Durch die Aggregation der Daten und die Entfernung personenbezogener Daten werden die Menschen geschützt und ihnen mehr Kontrolle über ihre eigenen Daten gegeben. Je mehr Branchen miteinander vernetzt sind, desto größer wird auch die ihnen zur Verfügung stehende Datenmenge. Genau wie bei aggregierten Informationen gilt: Je mehr Daten gesammelt werden, desto wahrscheinlicher ist es, dass sie repräsentativ für eine breitere Bevölkerung und nicht für einen einzelnen Benutzer sind. Es ist wichtig zu bedenken, dass die Datenerfassung eine von Menschen verwaltete Aufgabe ist und dass dieser Prozess durch unterschiedliche Hintergründe, Erfahrungen, Überzeugungen und Weltanschauungen beeinflusst werden kann. Diese und andere Arten von Vorurteilen können sich auf die Art und Weise auswirken, wie Daten kommuniziert und die Ergebnisse geteilt werden, was wiederum Auswirkungen auf Geschäftsentscheidungen haben kann. Effektive Datenexperten wissen, dass Voreingenommenheit immer berücksichtigt werden sollte, unabhängig davon, ob sensible Daten erfasst, analysiert, interpretiert oder kommuniziert werden. Seien Sie daher bei der Interpretation von Daten, bei denen es eine eindeutige Quelle von Verzerrungen gibt, sehr vorsichtig und achten Sie auch auf subtile Verzerrungen. Zusätzlich zum Durchdenken von Verzerrungen in den Daten sollten Datenexperten auch versuchen zu betonen, dass es für jede Datenerkenntnis eine Vielzahl möglicher Interpretationen geben kann. Der wichtigste Trick besteht darin, keine voreiligen Schlüsse zu ziehen, bis Sie Ihre Hausaufgaben wirklich gemacht haben. Eine Möglichkeit, Verzerrungen entgegenzuwirken, besteht darin, sicherzustellen, dass die Daten, mit denen Sie arbeiten, dieselben Merkmale aufweisen wie die größere Population, an der Sie interessiert sind. In der Datenanalyse wird dies als Stichprobe bezeichnet. Eine gute Stichprobe ist ein Teil einer Grundgesamtheit, der für die gesamte Grundgesamtheit repräsentativ ist. Hier ist ein Beispiel. Ein Bekleidungsunternehmen analysiert die Umsätze in seinem wachstumsstärksten Markt. Sie wollen ermitteln, welche T-Shirt-Farbe in der kommenden Saison am beliebtesten sein wird. Eine Person stellt fest, dass rote und blaue Hemden in den letzten drei Monaten 80 Prozent ihres Umsatzes auf diesem Markt ausmachten. Das ist eine große Zahl. Sie schlagen daher vor, viele rote und blaue Trikots zu bestellen, aber eine andere Person weist darauf hin, dass die Farben der örtlichen Sportmannschaft Rot und Blau seien und diese Mannschaft kürzlich eine Meisterschaft gewonnen habe. Es ist sehr wahrscheinlich, dass der Verkauf roter und blauer Hemden in die Höhe geschnellt ist, da die Verbraucher die T-Shirts kaufen, um das örtliche Team zu unterstützen. Außerdem weisen sie darauf hin, dass dieser Markt zwar stark wächst, aber nur 40 Prozent des Gesamtumsatzes des Einzelhändlers ausmacht. Unter Berücksichtigung all dieser Informationen entscheiden sich die Entscheidungsträger dieses Einzelhändlers stattdessen dafür, die Farbpopularität über ein ganzes Jahr und in allen Märkten zu bewerten. Dadurch ergibt sich ein wesentlich vollständigeres Bild. Wir werden später in diesem Programm mehr über Voreingenommenheit erfahren, und im weiteren Verlauf werden Sie viele weitere Strategien entdecken, mit denen Sie sicherstellen können, dass Sie sich der Voreingenommenheit bewusst sind und bei Ihrer gesamten Datenarbeit proaktiv dagegen vorgehen.
Kritische Datensicherheits- und Datenschutzgrundsätze
Sie haben gelernt, wie Datenanalysen für gute Zwecke eingesetzt werden können, beispielsweise zur Unterstützung gemeinnütziger Organisationen. Außerdem haben Sie gelernt, dass Datenexperten die Privatsphäre innerhalb der Daten schützen und sich anderer Überlegungen bewusst sein müssen, wie z. B. Datenverzerrungen und Annahmen über Daten.
Als Datenanalytiker sind Sie für den ethischen Umgang mit Daten verantwortlich. Datenethik bezieht sich auf fundierte Standards für richtig und falsch, die vorschreiben, wie Daten gesammelt, weitergegeben und verwendet werden. Im Laufe Ihrer Karriere werden Sie mit vielen Daten arbeiten. Dazu gehören manchmal PII oder persönlich identifizierbare Informationen, die allein oder zusammen mit anderen Daten verwendet werden können, um die Identität einer Person herauszufinden. Ein Element des ethischen Umgangs mit Daten besteht darin, sicherzustellen, dass die Privatsphäre und Sicherheit dieser Daten während ihrer gesamten Lebensdauer gewahrt bleibt. In dieser Lektüre erfahren Sie mehr über die Bedeutung des Datenschutzes und einige Strategien zum Schutz der Privatsphäre betroffener Personen.
Datenschutz ist wichtig
Datenschutz bedeutet, die Informationen und Aktivitäten einer betroffenen Person bei jeder Datentransaktion zu schützen. Dies wird auch als Informationsgeheimhaltung oder Datenschutz bezeichnet. Der Datenschutz befasst sich mit dem Zugriff, der Nutzung und der Erhebung personenbezogener Daten. Für die Personen, deren Daten erfasst werden, bedeutet dies, dass sie das Recht haben:
Schutz vor unbefugtem Zugriff auf Ihre privaten Daten
Freiheit von der unangemessenen Verwendung ihrer Daten
Das Recht, ihre Daten einzusehen, zu aktualisieren oder zu korrigieren
Möglichkeit, der Datenerfassung zuzustimmen
Gesetzliches Recht auf Zugriff auf die Daten
Um diese Rechte zu wahren, müssen Unternehmen und Organisationen Datenschutzmaßnahmen ergreifen, um die Daten einzelner Personen zu schützen. Auch das ist Vertrauenssache. Die Fähigkeit der Öffentlichkeit, Unternehmen personenbezogene Daten anzuvertrauen, ist wichtig. Es ist der Grund, warum Menschen das Produkt eines Unternehmens nutzen, ihre Informationen teilen und vieles mehr.
Schutz der Privatsphäre durch Datenanonymisierung
Organisationen nutzen viele verschiedene Maßnahmen, um die Privatsphäre ihrer Datensubjekte zu schützen, wie z. B. die Einbindung von Zugriffsberechtigungen, um sicherzustellen, dass nur die Personen, die auf diese Informationen zugreifen sollen, dies auch tun können. Eine weitere wichtige Strategie zur Wahrung der Privatsphäre ist die Datenanonymisierung.
Bei der Datenanonymisierung handelt es sich um den Prozess des Schutzes privater oder sensibler Daten von Personen durch Eliminierung personenbezogener Daten. Typischerweise umfasst die Datenanonymisierung das Ausblenden, Hashen oder Maskieren persönlicher Informationen, häufig durch die Verwendung von Codes fester Länge zur Darstellung von Datenspalten oder das Ausblenden von Daten mit geänderten Werten.
Datenexperten können zusätzliche Maßnahmen ergreifen, um Benutzer und ihre Daten zu schützen. Unter Datenaggregation versteht man beispielsweise das Sammeln und Kombinieren von Details einer erheblichen Anzahl von Benutzern in Form von Gesamtsummen oder Zusammenfassungen. Durch das Aggregieren von Daten wird sichergestellt, dass in Datensätzen enthaltene Informationen in Gruppen angezeigt werden. In Verbindung mit anderen Anonymisierungstechniken können Datenexperten die Einhaltung von Datenschutz- und Anonymisierungsstandards sicherstellen.
Datenanonymisierung wird in nahezu jeder Branche eingesetzt. Als Datenanalyseexperte werden Sie die Anonymisierung wahrscheinlich nicht persönlich durchführen, es ist jedoch hilfreich zu verstehen, welche Arten von Daten häufig anonymisiert werden, bevor Sie damit beginnen, damit zu arbeiten. Zu diesen Daten können gehören:
Telefonnummern
Namen
Kfz-Kennzeichen und Lizenznummern
Sozialversicherungsnummern
IP-Adressen
Krankenakten
E-mailadressen
Fotografien
Kontonummern
Stellen Sie sich eine Welt vor, in der wir alle Zugriff auf die Adressen, Kontonummern und andere identifizierbare Informationen des anderen haben. Das würde die Privatsphäre vieler Menschen verletzen und die Welt weniger sicher machen. Die Datenanonymisierung ist eine der Möglichkeiten, wie wir dazu beitragen können, dass Daten privat und sicher bleiben!
Die zentralen Thesen
Für jeden Fachmann, der mit Daten über tatsächliche Personen arbeitet, ist es wichtig, die Sicherheit und Privatsphäre dieser Personen zu berücksichtigen. Deshalb ist es so wichtig, die Bedeutung des Datenschutzes zu verstehen und zu verstehen, wie Daten, die PII enthalten, für die Analyse sicher gemacht werden können. Wir haben die Verantwortung, die Daten der Menschen und die darin enthaltenen personenbezogenen Daten zu schützen.
Wenn Sie mehr über Datenschutz und Ethik erfahren möchten, können Sie hier vorbeischauenden Abschnitt des Google Data Analytics-Zertifikatsprogramms zu Voreingenommenheit, Glaubwürdigkeit, Datenschutz, Ethik und Zugang
Die Praktiken und Prinzipien einer guten Datenverwaltung
Wie Sie erfahren haben, sind alle Datenexperten dafür verantwortlich, die Qualität, Integrität, Zugänglichkeit und Sicherheit der Daten sicherzustellen. Unter Datenverantwortung versteht man die Praxis, sicherzustellen, dass Daten zugänglich, nutzbar und sicher sind. Wenn Sie die Datenverwaltung zu einem normalen Teil Ihrer Arbeitsgewohnheiten machen, profitieren alle, die sich auf Ihre Analysen verlassen, sowohl innerhalb als auch außerhalb Ihres Unternehmens. In dieser Lektüre erfahren Sie mehr über Datenverantwortung und erhalten einige Best Practices, die Sie bei Ihrer Karriere in der Datenanalyse unterstützen können.
Respektieren Sie die Privatsphäre
Zu Beginn dieses Kurses haben Sie etwas über Informationen gelernt, die es ermöglichen, direkt oder indirekt auf die Identität einer Person zu schließen. Diese Art von Informationen wird allgemein als persönlich identifizierbare Informationen oder PII bezeichnet. Wenn Benutzer persönliche Informationen weitergeben, setzen sie einer Organisation ein hohes Maß an Vertrauen entgegen. Es liegt in der Verantwortung aller Zugriffsberechtigten innerhalb der Organisation, zum Schutz der Privatsphäre ihrer Benutzer beizutragen. Als Experte für Datenanalyse ist es wichtig, sorgfältig mit allen personenbezogenen Daten umzugehen und große Sorgfalt auf deren Schutz zu verwenden. In verschiedenen Teilen der Welt gibt es Gesetze, die Best Practices für den Datenschutz regeln. Gesetze bilden eine Grundlage für Best Practices, während Sie Ihr Wissen und Ihre Erfahrung darüber erweitern, wie Sie den Datenschutz unterstützen und wahren können. Eine Ihrer Aufgaben als Datenexperte besteht darin, über alle Änderungen der Datengesetze und -vorschriften, die Daten regeln, auf dem Laufenden zu bleiben. Abhängig vom Standort Ihrer Organisation oder den Branchenaspekten können zusätzliche Vorschriften und Richtlinien gelten. Hier ein paar regionale Beispiele:
Datenschutz-Grundverordnung bzwDSGVO(Recht der Europäischen Union):
Die DSGVO wird auf ihrer Website als das strengste Datenschutz- und Sicherheitsgesetz der Welt beschrieben. Es erlegt Organisationen überall Verpflichtungen auf, solange sie Daten über Menschen in der Europäischen Union erfassen oder darauf abzielen.
Allgemeines Datenschutzgesetz oderLGPD(Brasiliens allgemeines Gesetz zum Schutz personenbezogener Daten):
Das LGPD ist ein Datenschutzgesetz, das regelt, wie Unternehmen personenbezogene Daten von Menschen in Brasilien sammeln, nutzen, offenlegen und verarbeiten. LGPD gilt für Unternehmen, die Daten über Einzelpersonen in Brasilien verarbeiten.
Der California Consumers Privacy Act oderCCPA(Datenschutzrechte für kalifornische Verbraucher):
Der CCPA gibt Verbrauchern mehr Kontrolle über die persönlichen Daten, die Unternehmen über sie sammeln. Diese Verordnungen geben Hinweise zur Umsetzung des Gesetzes.
Darüber hinaus haben Bundesstaaten wie Virginia, Colorado, New York, Utah und Connecticut ähnliche Gesetze zum Schutz der Privatsphäre der Verbraucher in ihren Bundesstaaten erlassen.
Seien Sie vorsichtig bei unbeabsichtigtem Schaden
Die Datenanalyse erweitert ihren Einfluss auf immer mehr Branchen. Unternehmen nutzen die Ergebnisse der Datenanalyse, um fundierte Entscheidungen zu treffen. Viele dieser Entscheidungen haben das Potenzial, Auswirkungen auf die Menschen in einem breiten Spektrum sozialer und wirtschaftlicher Faktoren zu haben. Es ist eine gute Praxis, stets danach zu streben, korrekte Informationen zu erstellen und dabei kulturelle und soziale Normen zu respektieren.
Aufgrund des globalen Marktes fallen Entscheidungen in verschiedenen Kulturen unterschiedlich aus. Die Berücksichtigung dieser Themen und Überlegungen ist für das Führungsteam einer Organisation sehr wichtig. Es ist auch bekannt, dass Unternehmen zu bestimmten politisierten sozialen und kulturellen Themen Stellung beziehen, und diese können sich in ihren Richtlinien widerspiegeln. Als Datenanalyseexperte müssen Sie die Richtlinien Ihres Unternehmens kennen. Wenn Sie mit Herausforderungen konfrontiert werden, ist es am besten, sich von der Führung Ihres Unternehmens beraten zu lassen, wie Sie damit umgehen sollen.
Vermeiden Sie es, Vorurteile zu erzeugen oder zu verstärken
Sie haben etwas über Verzerrungen in Daten gelernt und erfahren, wie diese sich auf Ihre Analyse auswirken können. Voreingenommenheit zu erkennen ist nicht immer einfach. Eine gute Vorgehensweise bei der Arbeit mit Daten besteht darin, sich vor Augen zu halten, dass die Datenerfassung eine Aufgabe ist, die von Menschen verwaltet wird – und dass dieser Prozess von Menschen mit unterschiedlichem Hintergrund, unterschiedlichen Erfahrungen, Überzeugungen und Weltanschauungen beeinflusst wird. Diese und andere Arten von Verzerrungen können sich auf die Daten und Ergebnisse auswirken, was wiederum Auswirkungen auf Geschäftsentscheidungen haben kann. Im Verlauf des Programms erfahren Sie mehr über Verzerrungen innerhalb von Daten.
Denken Sie über Inklusivität nach
In Ihrer Rolle als Datenanalyseexperte haben Sie häufig Zugriff auf Daten, die auf unterschiedliche Weise erfasst werden. Sie müssen prüfen, ob die Methoden der Datenerhebung dazu geführt haben, dass Informationen aus bestimmten Bevölkerungsgruppen ausgeschlossen wurden. Inklusive Ansätze können die Art und Weise erweitern, wie jede Organisation Daten sammelt und analysiert. Der Aufbau vielfältiger Forschungsteams, die klare Kommunikation mit Benutzergemeinschaften und die Durchführung sorgfältiger und kritischer Analysen, bei denen Gerechtigkeit und Inklusion berücksichtigt werden, kommen allen Beteiligten zugute.
Aufrechterhaltung hoher Standards wissenschaftlicher Exzellenz
Die Prozesse und Technologien, mit denen Sie als Datenanalytiker interagieren werden, sind tief in der wissenschaftlichen Methode verwurzelt. Wenn Sie Ihre berufliche Reise im Datenbereich fortsetzen, sollten Sie sich auf Nachforschungen, intellektuelle Diskussionen und Zusammenarbeit einlassen. Bitten Sie um Feedback und bewerten Sie Feedback. Denken Sie daran, dass künstliche Intelligenz immer noch stark von den Anweisungen von Datenexperten abhängt. Je mehr Zeit und Überlegung in den Prozess der Datenanalyse gesteckt werden, desto besser sind die Ergebnisse.
Verschiedene Branchen haben unterschiedliche Standards. In Ihrer Rolle als Datenanalytiker müssen Sie die Standards der Branchen kennen, in denen Sie arbeiten. Jede Branche verfügt über ihre eigenen Standards, die auf Branchenkonventionen basieren.
Konventionen, die in der Transportbranche gut funktionieren, haben für die Gesundheitsbranche möglicherweise nicht unbedingt eine so hohe Priorität. Beispielsweise werden im Transportwesen Daten gesammelt, um prädiktive Analysemodelle zu erstellen und anhand von Verkehrsmustern die beste Route zu analysieren. In der Gesundheitsbranche werden Daten in der medizinischen Bildgebung analysiert, um genetische Faktoren vorherzusagen und die Entwicklung von Behandlungen zu beschleunigen.
Gespräche über Datenverantwortung und Ethik
Im Laufe Ihrer Karriere als Datenanalytiker müssen Sie ethische Fragen berücksichtigen. Sie können beispielsweise auf Situationen stoßen, in denen Sie sich mit Fragen der Voreingenommenheit oder der Notwendigkeit befassen, Benutzerdaten und personenbezogene Daten (PII) zu schützen. Wenn solche Fragen auftauchen, suchen viele Rat und Unterstützung bei Online-Communities von Datenexperten, die sich mit ähnlichen Problemen befasst haben. In den folgenden Grafiken werden Szenarien mit solchen Problemen dargestellt. Alternativtextversionen dieser Gespräche finden Sie auch imTranskript von Gesprächen zu Datenverantwortung und Ethik.
Die zentralen Thesen
Die Datenverantwortung liegt in der Verantwortung jedes Datenexperten. Diese Verantwortung geht über die Interaktion mit den Daten hinaus. Indem Sie Ihre Arbeit auf sozial vorteilhafte und integrative Weise durchführen, verbessern Sie Ihre Fähigkeit, menschliche Vorurteile zu erkennen. Richten Sie Ihre Bemühungen nach wissenschaftlichen und ethischen Grundsätzen und bleiben Sie sich während des gesamten Datenanalyseprozesses möglicher Verzerrungen bewusst.
Der Karrierebereich für Datenprofis
Durch einen Blick auf Stellenausschreibungen kann man viel über den Beruf erfahren. Wenn Sie nach Stellenangeboten im Datenbereich gesucht haben, sind Ihnen möglicherweise verschiedene datenbezogene Berufsbezeichnungen mit ähnlichen Verantwortlichkeiten oder Stellenangebote mit ähnlichen Titeln aufgefallen, in denen unterschiedliche Verantwortlichkeiten aufgeführt sind. Hier ist ein Beispiel: In einem Unternehmen wird sich die Rolle von Datenanalysten auf die Verwendung von Statistiken und Modellen konzentrieren, um Erkenntnisse zu gewinnen, die als Grundlage für Geschäftsentscheidungen dienen. Ein anderer Job mit derselben Bezeichnung bei einem anderen Unternehmen könnte sich auf die Optimierung der Tools und Produkte konzentrieren, die Analyseprozesse automatisieren. Ein Grund für diese Inkonsistenzen besteht darin, dass Datenaufgaben und Verantwortlichkeiten von den Daten einer Organisation, der Teamstruktur und der Art und Weise abhängen, wie diese Erkenntnisse und Analysen nutzt. Einige Organisationen entscheiden sich dafür, die Verantwortlichkeiten sehr spezifisch zu definieren, während andere den Umfang der Arbeitsaufgaben recht weit fassen. Aus diesem Grund bezeichnet dieses Programm das Fachgebiet als Karriereraum. In diesem Video erkunden wir Schlüsselrollen im Karrierebereich der Datenanalytik. Zwei der häufigsten Titel sind Data Analyst und Data Scientist. Diese können ein breites Spektrum an beruflichen Aufgaben abdecken, mit denen Sie in diesem Programm viele Erfahrungen sammeln werden. Traditionell wurde von einem Datenwissenschaftler erwartet, dass er ein Drei-in-eins-Experte für Datenanalyse, Statistik und maschinelles Lernen ist. Allerdings nutzen nicht alle Arbeitgeber diese Konventionen beim Verfassen ihrer Stellenbeschreibungen. Im Allgemeinen wird bei jeder Stelle, die Analysen umfasst, von den Kandidaten erwartet, dass sie als technisch versierte Sozialwissenschaftler fungieren, nach Mustern suchen und Trends in großen Datenmengen identifizieren. Außerdem entwickeln sie neue Untersuchungen und Fragen, während sie die Geschichten in ihren Daten entdecken. Ihre harte Arbeit kann dazu beitragen, das zukünftige Handeln eines Unternehmens zu steuern und die Entscheidungsfindung zu leiten. Sie ermöglichen es ihren Organisationen, den Überblick über das Geschehen im Unternehmen zu behalten, indem sie wichtige Informationen interpretieren und in Visualisierungen wie Grafiken und Diagramme übersetzen, sodass jeder Stakeholder ihre Ergebnisse verstehen kann. Manchmal wird ihnen die Aufgabe übertragen, Computercode und Modelle zu erstellen, um Muster in den Daten zu erkennen und Vorhersagen zu treffen. Wenn Sie nach Stellenausschreibungen suchen, werden Sie auf andere Titel mit ähnlichen Verantwortlichkeiten stoßen. Zum Beispiel Junior Data Scientist, Data Scientist Einsteiger, Associate Data Scientist oder Data Science Associate. Alle diese Rollen beinhalten eine Mischung aus technischen und strategischen Fähigkeiten, um anderen dabei zu helfen, fundierte Entscheidungen zu treffen. Wenn Sie jedoch Stellen mit ähnlichen Titeln vergleichen, empfehle ich Ihnen, diese anhand der Fähigkeiten zu klassifizieren, die sie in ihren täglichen Aktivitäten einsetzen. Im Laufe Ihrer Karriere treffen Sie möglicherweise auf andere Fachkräfte in Rollen, in denen Daten und analytische Fähigkeiten zum Einsatz kommen. Zu diesen Rollen gehören Dateningenieur, Insights-Manager oder Analytics-Teammanager sowie Business-Intelligence-Ingenieur oder -Analyst. Datenwissenschaftler sind auf Systeme in ihren Unternehmen angewiesen, um Rohdaten zu sammeln, zu organisieren und umzuwandeln. Das Entwerfen und Aufrechterhalten dieser Prozesse gehört zu den wichtigsten Aufgaben eines Dateningenieurs. Ihr Ziel ist es, Daten zugänglich zu machen, damit sie für Analysen genutzt werden können. Sie stellen außerdem sicher, dass das Datenökosystem des Unternehmens gesund ist und zuverlässige Ergebnisse liefert. Diese Positionen sind hochtechnisch und befassen sich typischerweise mit der Infrastruktur für Daten, normalerweise im gesamten Unternehmen. Sie müssen auch in der Lage sein, Daten zu erhalten, bevor es überhaupt Sinn macht, über Datenanalyse zu sprechen. Der größte Teil der technischen Arbeit, die zur Entstehung der Daten führt, kann man getrost als Data Engineering bezeichnen. Alles, was getan wird, sobald Daten eingetroffen sind, ist Datenwissenschaft. Ähnlich wie ein Dateningenieur die Dateninfrastruktur überwacht, gibt es Datenrollen, die alle Aspekte von Datenanalyseprojekten für ein Unternehmen verwalten. Insights-Manager oder Analytics-Teammanager überwachen häufig die Analysestrategie des Teams oder der gesamten Organisation. Als Datenanalyst werden Sie wahrscheinlich jemandem unterstellt sein, der in dieser Funktion arbeitet. Sie sind oft für die Verwaltung mehrerer Kunden- und Stakeholdergruppen verantwortlich und oft eine Mischung aus Datenwissenschaftler und Entscheidungsträger. Da diese Kombination von Fähigkeiten selten ist, sind diese Positionen oft schwieriger zu besetzen. Diese Rolle kann andere Titel haben, z. B. Leiter des Analyseteams, Leiter der Datenabteilung oder Leiter der Datenwissenschaft. Andere gängige Stellenausschreibungen umfassen Business-Intelligence-Ingenieur oder Business-Analyst. Diese Rolle ist äußerst strategisch und konzentriert sich auf die Organisation und Zugänglichkeit von Informationen. BI-Analysten synthetisieren Daten, erstellen Dashboards und bereiten Berichte vor, um auf spezifische Anforderungen eines Unternehmens oder Anfragen von Führungskräften einzugehen. Wenn Sie mehr über Business Intelligence und seine Möglichkeiten erfahren möchten, empfehle ich Ihnen, einen Blick auf das Google Business Intelligence-Zertifikat zu werfen. Nachdem Sie nun eine Vorstellung von den Rollen im Berufsfeld Datenanalytik haben, beginnen wir damit, einen genaueren Blick darauf zu werfen, wie Datenexperten in ihrer größeren Organisation funktionieren
Bauen Sie das perfekte Datenteam auf
Sie haben etwas über die Rolle von Datenanalyseexperten in Organisationen und die Arbeit, die sie leisten, gelernt. Sie haben auch einige allgemeine Klassifizierungen für Rollen im Datenbereich untersucht. Darüber hinaus haben Sie untersucht, was ein typischer Datenanalytiker in den ersten Tagen in einer neuen Position erleben könnte. Große Organisationen haben oft einen größeren Datenbedarf und erfordern die Bildung von Teams zur Übernahme von Projekten. In dieser Lektüre erfahren Sie mehr darüber, wie Unternehmen Datenanalyseteams aufbauen, und schauen sich einige Best Practices bei deren Aufbau an.
Entwerfen von Datenanalyseteams
Die Idee, dass Unternehmen Teams aus Datenexperten bilden, entstand im Laufe der Zeit und größtenteils aus der Notwendigkeit heraus. Ursprünglich lag die Verantwortung für die Datenerfassung, -verwaltung und -analyse beim CIO (Chief Information Officer) des Unternehmens. Früher übergaben CIOs die Verantwortung typischerweise an das IT-Team (Informationstechnologie).
Nach und nach begannen Unternehmen, Datenfunktionen zu trennen, da die Fülle der gespeicherten Informationen zunahm. Darüber hinaus entstanden neue Technologien und datenbezogene Aufgaben wurden immer spezialisierter.
Datenberufsprofile in großen Organisationen
Zu Beginn dieses Kurses wurden Ihnen einige Profile von Datenprofis vorgestellt.
Datenwissenschaftler
Daten Analyst
Dateningenieur
Analytischer Teammanager
Business-Intelligence-Ingenieur
Bei diesen Profilen handelt es sich um sehr allgemeine Kategorien, die Ihnen bei der gezielten Jobsuche helfen können. Tatsächlich suchen viele Arbeitgeber mehr als nur Datenexperten. Sie sind auf der Suche nach Projektbeteiligten, zuverlässigen Teammitgliedern und tollen Kollegen.
Aufbau des Teams
Der Datenbedarf größerer Unternehmen erfordert die Zusammenstellung eines Teams aus qualifizierten Fachleuten. Die Mitglieder dieser Teams verfügen jeweils über ein spezielles Fachgebiet. Einige verfügen über einen betriebswirtschaftlichen Hintergrund, andere über Projekt- oder Personalmanagementerfahrung, während andere über eher technische Fähigkeiten verfügen. Zwar gibt es für Unternehmen keine Checkliste, an der sie sich bei der Zusammenstellung ihres Teams aus Datenexperten orientieren können, doch die Bedürfnisse ihrer Organisation können ihnen als Orientierungshilfe dienen.
Die Bildung eines Teams aus Datenanalyseexperten ähnelt stark der Art und Weise, wie Sport-Franchise-Unternehmen Kader auf Meisterschaftsebene zusammenstellen. Trainer und Geschäftsführer sind stets bestrebt, die Fähigkeiten ihrer Teams zu verbessern und zu verbessern. Während ein Superstar dabei helfen kann, auf einer bestimmten Position eine konstante Leistung zu erbringen, kann sein plötzlicher Abgang die Gesamtleistung des Teams gefährden. Ein besserer Ansatz besteht darin, ein ausgewogenes und kooperatives Team aufzubauen.
Arbeitgeber möchten jemanden einstellen, der über mehr als nur Datenanalysefähigkeiten verfügt. Sie wählen die beste Lösung für ihre Organisation aus. Kandidaten, die über die Datenanalyse hinaus zusätzliche Erfahrungen und Fähigkeiten mitbringen, werden am häufigsten als am günstigsten angesehen. Starke zwischenmenschliche und kommunikative Fähigkeiten, Erfahrung in der Geschäftswelt oder in der Teamdynamik können die Datenanalyse verbessern. Es besteht eine sehr gute Chance, dass Sie bereits über einige dieser Fähigkeiten verfügen.
Fünf Prinzipien für den Aufbau von Datenteams
Nachdem Sie einem Datenteam beigetreten sind, gibt es immer noch Herausforderungen beim Aufbau einer datengesteuerten Organisation. Nachfolgend finden Sie fünf Prinzipien, die jedes Unternehmen dabei unterstützen können, den Herausforderungen der Datenanalyse effektiver zu begegnen, unabhängig von der Struktur Ihrer Datenteams innerhalb des Unternehmens.
1. Anpassungsfähigkeit
Datenplattformen, Netzwerke und Speichermöglichkeiten müssen Flexibilität ermöglichen. Jeder Datenprofi hat seine Vorlieben hinsichtlich der Tools und seiner Analyseansätze. Remote- und Vor-Ort-Mitarbeiter müssen Zugriff und die Möglichkeit haben, mit allen Daten zu arbeiten und die Kommunikationsmittel zu nutzen, die ihrer Meinung nach am produktivsten sind.
Organisationen müssen eine Datenplattform bereitstellen, die allen Benutzern einen offenen Zugriff auf Ressourcen ermöglicht. Anstatt spezifische Softwarelösungen zu spezifizieren, können Unternehmen ihren Kandidatenpool erweitern, indem sie Einzelpersonen die Integration der Tools und Anwendungen ermöglichen, mit denen sie am vertrautesten und erfahrensten sind. Flexibilität lädt ein breites Spektrum an Erfahrungen ein und stärkt Datenteams, indem sie Erfahrung und zusätzliche Perspektiven hinzufügen.
So wie Organisationen anpassungsfähig sein müssen, sollten sich diejenigen, die Möglichkeiten im Datenbereich suchen, für das Erlernen neuer Fähigkeiten und Technologien einsetzen. Wie Sie bereits erfahren haben, sind Datenarbeitsplätze einem ständigen Wandel unterworfen. Als Datenanalytiker lernen Sie weiter und entwickeln sich weiter, wenn neue Technologien oder Vorschriften aufkommen. Nehmen Sie die Herausforderung an, die neue Umstände mit sich bringen, und fühlen Sie sich gestärkt, wenn sich Ihnen Möglichkeiten zur beruflichen Weiterentwicklung bieten.
Profi-Tipp: Behalten Sie Ihre Lust am Lernen. Erweitern Sie Ihr Wissen durch Online-Data-Science-Communitys und Bildungsangebote.
2. Aktivierung
Der Zugriff auf Datenanalyseergebnisse erfordert jemanden mit dem Hintergrund und der Erfahrung eines Datenanalysten. Selbst kleine Datenoperationen erfordern Fähigkeiten, die über die Fähigkeiten anderer Fachleute innerhalb einer Organisation hinausgehen.
Um datenkompetenter zu werden, sollten Unternehmen neue Gewohnheiten pflegen und diese in ihre täglichen Arbeitsabläufe integrieren. Dashboards und andere zugängliche Schnittstellen können dazu beitragen, die Nutzung der Datenanalyse zu fördern, eine breitere Nutzung der Datenanalyse zu ermöglichen, die Kommunikation zu fördern und die abteilungsübergreifende Zusammenarbeit zu fördern.
Entscheidend für den Erfolg der Bemühungen einer Organisation, ihre internen Gewohnheiten und ihre Kultur zu verändern, sind die zwischenmenschlichen Fähigkeiten ihrer Mitarbeiter. Wenn ein Unternehmen seine Datenkompetenz erweitern möchte, spielen seine Datenexperten eine wichtige Rolle. Es wird Möglichkeiten geben, das Verständnis unter Gleichgesinnten und Kollegen zu fördern. Die Zeit, die Sie mit der Beantwortung von Fragen und der Förderung des Verständnisses verbringen, wird dazu beitragen, dass andere Sie und Ihren Beitrag zur Organisation wertschätzen.
Profi-Tipp: Pflegen Sie positive berufliche Beziehungen durch effektive Kommunikation. Ihre Fähigkeit, Erkenntnisse zu teilen, ist für ein Unternehmen genauso wichtig wie Ihre Analysefähigkeiten.
3. Standardisierung
Eine Organisation muss Kriterien für die Standardisierung von Datenpraktiken und -verfahren festlegen. Standardisierung trägt dazu bei, Best Practices sowie die Kommunikation und Übertragbarkeit von Informationen zwischen Teams zu fördern. Wenn Benutzer optimierten Code und andere Assets teilen können, spart das Entwicklungszeit und rationalisiert Projekte. Eine Organisation, die eine Kultur der Zusammenarbeit aufbaut, integriert Best Practices in das Arbeitsverhalten.
Die Identifizierung von Kandidaten mit Fähigkeiten, die über die Datenanalyse hinausgehen, ist für die Entwicklung und Standardisierung von Best Practices von entscheidender Bedeutung. Um Best Practices zu entwickeln, benötigen Organisationen Mitarbeiter, die innovative Problemlösungen beisteuern.
Profi-Tipp: Werden Sie zum Problemlöser. Hindernisse innerhalb eines Projekts können zu Innovationsmöglichkeiten werden, die eine Organisation verändern können.
4. Verantwortlichkeit
Die Datenanalyse ist ein komplexer und dynamischer Prozess, der ein hohes Maß an Verantwortung erfordert. Um die Verantwortung zu fördern, benötigen Organisationen einen „Papierweg“, der eine Untersuchung ihres gesamten Prozesses ermöglicht.
Verantwortlichkeit verleiht Datenteams und -projekten Transparenz, Erklärbarkeit und Sicherheit. Es hilft auch, Schichten innerhalb einer Organisation zu beseitigen und gleichzeitig Geschäftsziele und Kundenwerte in Einklang zu bringen. Transparenz im Arbeitsablauf ermöglicht es Unternehmen, spezifische Fragen zum Datenanalyseprozess zu beantworten. Datenanalytiker können Projektmetadaten verwenden, um bestimmte Elemente in ihren Vorhersagemodellen zu untersuchen und zu kommunizieren, wodurch Datenteams die Möglichkeit erhalten, gemeinsam Anpassungen präziser vorzunehmen.
Eine Möglichkeit, die Verantwortlichkeit zu fördern, besteht darin, Ihre Kommunikationsfähigkeiten im gesamten Arbeitsablauf zu erweitern. Bei datenanalytischen Projekten geht der Ideentransfer über die individuelle Korrespondenz hinaus. Dazu gehören auch Informationen in Projektnotizen, in Projekten geführte Aufzeichnungen und die ordnungsgemäße Kennzeichnung von Metadaten. Individuelle Prozesse und Ideen sind die Inkubatoren von Praxisstandards, und die effektive Kommunikation dieser Ideen kann die Rechenschaftspflicht einer Organisation verbessern.
Profi-Tipp: Datenanalytiker sind mehr als nur Informationsspeicher. Es kommt allen Projektbeteiligten zugute, wenn Sie Ihr Wissen und Ihre Beobachtungen kommunizieren können. Identifizieren Sie, was für andere am wertvollsten wäre, und stellen Sie die Informationen bereit.
5. Auswirkungen auf das Geschäft
Oft kann die Unfähigkeit, die Auswirkungen auf das Unternehmen abzuschätzen, Datenanalyseprojekte blockieren. Organisationen berücksichtigen in der Planungsphase nicht alle verfügbaren Datenanalyselösungen.
Organisationen sollten in der Planungsphase darauf achten, angehende Datenprojekte mit dem größtmöglichen Sichtfeld in Angriff zu nehmen. Dies erfordert einen durchdachten Ansatz, der über die Datenanalyse hinausgehende Überlegungen umfasst. Zum Beispiel die Schwierigkeit der Integration, der Einsatz von Ressourcen und Änderungen am Projektzeitplan. Unternehmen müssen mehr Optionen für Datenlösungen in Betracht ziehen und herausfinden, welche dem Projekt den größten Nutzen bringen.
Die Erweiterung des Wirkungsbereichs einer Organisation erfordert Zeit und Konsistenz der Ergebnisse. Um dies zu erreichen, muss ein Datenteam zu einer vertrauenswürdigen Ressource für Erkenntnisse und einen positiven Einfluss auf den Entscheidungsprozess einer Organisation werden. Eine effektive Kommunikationsstrategie, starke zwischenmenschliche Fähigkeiten und eine Erfolgsbilanz bei der Problemlösung werden das Vertrauen der Organisation gewinnen.
Profi-Tipp: Konzentrieren Sie sich auf eine klare Kommunikation mit den Stakeholdern. Behalten Sie die Verpflichtung zur Konsistenz zwischen dem, was Sie versprochen haben, und dem, was Sie liefern werden, bei.
Die zentralen Thesen
Organisationen prüfen sorgfältig die Personen, die sie in ihre Organisation holen, und suchen nach Kandidaten, die Qualitäten verkörpern, die über Datenkenntnisse hinausgehen. Darüber hinaus können Unternehmen ihre Anpassungsfähigkeit beeinflussen, indem sie Datenexperten einstellen, die den Geist des lebenslangen Lernens, effektive Kommunikation, zwischenmenschliche Fähigkeiten und die Fähigkeit zur Problemlösung verkörpern.
Aktivitätsbeispiel: Organisieren Sie Ihr Datenteam
Hier ist ein fertiges Exemplar zusammen mit einer Erklärung, wie das Exemplar die Erwartungen an die Aktivität erfüllt.
Activity Template_ RACI Matrix
Vergleichen Sie das Exemplar mit Ihrer abgeschlossenen Tätigkeit. Überprüfen Sie Ihre Arbeit anhand der einzelnen Kriterien im Beispiel. Was hast du gut gemacht? Wo können Sie sich verbessern? Nutzen Sie Ihre Antworten auf diese Fragen als Orientierung für den weiteren Verlauf des Kurses.
RACI-Matrix Nr. 1:
Zugriff auf Daten: Aufgrund ihrer allgemeinen Rollen innerhalb einer Organisation wurden der Business-Intelligence-Ingenieur, der Analytics-Teammanager und der Dateningenieur alle als verantwortlich für die Bereitstellung des Zugriffs auf die Daten identifiziert. Der Datenwissenschaftler, der eher dafür verantwortlich ist, mit dem Analyseteam zusammenzuarbeiten, um Erkenntnisse aus den Daten zu gewinnen, wird lediglich konsultiert.
Modelle erstellen, um Daten zu analysieren : Für diese Aufgabe ist der Data Scientist zuständig, dem es vor allem darum geht, Erkenntnisse aus den Daten zu ziehen. Der Business-Intelligence-Ingenieur und der Analytics-Teammanager werden konsultiert. Der Dateningenieur, der sich mit der Infrastruktur befasst, wird auf dem Laufenden gehalten.
Erkenntnisse und Empfehlungen basierend auf Daten vorantreiben : Ähnlich wie bei der vorherigen Aufgabe ist der Datenwissenschaftler das primäre Teammitglied, das für diese Aufgabe verantwortlich ist.
RACI-Matrix Nr. 2:
Stellen Sie die Datenkonformität sicher : Die Datenkonformität ist Teil der Entwicklung und Verwaltung von Datenbanken und liegt in der Verantwortung des Dateningenieurs. Andere Teammitglieder werden konsultiert oder informiert, aber der Dateningenieur trägt die eigentliche Verantwortung für die Sicherstellung der Einhaltung.
Chief Data Officer : Obwohl alle Aufgaben in diesem Projekt in der direkten Verantwortung anderer Teammitglieder liegen, ist der Chief Data Officer des Unternehmens dafür verantwortlich – was bedeutet, dass diese Rolle die letztendliche Verantwortung dafür trägt, sicherzustellen, dass diese Aufgabe erledigt wird.
Die zentralen Thesen
Bei Ihrer Arbeit als Datenexperte stoßen Sie möglicherweise auf die RACI-Matrix. Es ist ein Tool, das viele Organisationen zur Strukturierung ihrer Projekte verwenden. Es hilft auch, die Verantwortlichkeiten von Datenanalyseexperten und anderen funktionsübergreifenden Teammitgliedern zu skizzieren, zu kommunizieren und zu verstehen. Als Datenexperte kann Ihnen RACI auch dabei helfen, die Kommunikation mit anderen Teammitgliedern über ein Projekt zu strukturieren. Wenn Sie verstehen, wie Datenteams organisiert sind, können Sie besser mit Ihren zukünftigen Kollegen zusammenarbeiten!
Einpacken
In diesem Abschnitt des Kurses haben wir viele verschiedene Facetten von Datenkarrieren untersucht. Sie haben gelernt, dass „Datenexperte“ ein weit gefasster Begriff ist, der verschiedene Rollen und Verantwortlichkeiten im Datenbereich umfasst. Sie haben festgestellt, dass die Arbeit, die wir in diesem Bereich leisten, unzählige Möglichkeiten bietet, wie z. B. die Bestimmung wichtiger Datenströme, die Identifizierung und Fokussierung auf zukünftige Geschäftsziele sowie die Neugestaltung interner und externer Prozesse. Sie haben auch darüber nachgedacht, wie Unternehmen durch Datenexperten verändert werden und wie diese talentierten Personen ihre Fähigkeiten nutzen, um Gemeinschaften auf der ganzen Welt positiv zu beeinflussen. Sie haben es schon so weit gebracht, aber es gibt noch so viel zu lernen. Vielen Dank, dass Sie mich auf dieser spannenden Erkundungstour begleitet haben. Ich melde mich bald wieder bei Ihnen.
Glossarbegriffe aus Modul 2
Glossarbegriffe aus Kurs 1, Modul 2
Aggregierte Informationen : Daten einer erheblichen Anzahl von Benutzern, aus denen personenbezogene Daten entfernt wurden
Künstliche Intelligenz (KI): Bezieht sich auf Computersysteme, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern
Datenanonymisierung : Der Prozess des Schutzes privater oder sensibler Daten von Personen durch Eliminierung personenbezogener Daten
Datenverantwortung : Die Praktiken einer Organisation, die sicherstellen, dass Daten zugänglich, nutzbar und sicher sind
Edge-Computing : Eine Methode zur Verteilung von Rechenaufgaben auf eine Reihe benachbarter Prozessoren (z. B. Computer), die sich positiv auf Geschwindigkeit und Ausfallsicherheit auswirkt und nicht von einer einzigen Rechenleistungsquelle abhängt
Hackathon: Eine Veranstaltung, bei der Programmierer und Datenexperten zusammenkommen und an einem Projekt arbeiten
Gemeinnützig: Eine Gruppe, die zu anderen Zwecken als der Erzielung von Gewinn organisiert ist; Ziel ist es oft, einen sozialen Zweck zu fördern oder der Öffentlichkeit einen Nutzen zu verschaffen
Offene Daten : Daten, die der Öffentlichkeit zur Verfügung stehen und kostenlos genutzt werden können, mit Anleitungen zum Navigieren in den Datensätzen und zur Angabe der Quelle
Persönlich identifizierbare Informationen (PII) : Informationen, die einen direkten oder indirekten Rückschluss auf die Identität einer Person ermöglichen
Stichprobe: Ein Teil einer Grundgesamtheit, der häufig zur Ableitung von Parametern der gesamten Grundgesamtheit verwendet wird
Begriffe und Definitionen aus dem vorherigen Modul
D
Datenexperte : Jede Person, die mit Daten arbeitet und/oder über Datenkenntnisse verfügt
Datenwissenschaft : Die Disziplin, Daten nutzbar zu machen
Datenverantwortung: Die Praktiken einer Organisation, die sicherstellen, dass Daten zugänglich, nutzbar und sicher sind
UND
Edge-Computing : Eine Methode zur Verteilung von Rechenaufgaben auf eine Reihe benachbarter Prozessoren (z. B. Computer), die sich positiv auf Geschwindigkeit und Ausfallsicherheit auswirkt und nicht von einer einzigen Rechenleistungsquelle abhängt
J
Jupyter Notebook: Eine Open-Source-Webanwendung zum Erstellen und Teilen von Dokumenten, die Live-Code, Gleichungen, Visualisierungen und narrativen Text enthalten
M
Maschinelles Lernen: Die Verwendung und Entwicklung von Algorithmen und statistischen Modellen, um Computersystemen beizubringen, Muster in Daten zu analysieren
Metriken : Methoden und Kriterien zur Auswertung von Daten
P
Python : Eine universelle Programmiersprache
T
Tableau : Eine Business-Intelligence- und Analyseplattform, die Menschen dabei hilft, Daten zu visualisieren, zu verstehen und Entscheidungen zu treffen
Willkommen zu Modul 3
Willkommen zurück. Ich freue mich wirklich, diesen Abschnitt mit Ihnen zu teilen. Wir untersuchen, wohin sich Datenkarrieren in Zukunft entwickeln, einschließlich neuer und spannender Tools. Es ist ein so wirkungsvolles und lohnendes Feld, und es wird immer besser. Anschließend untersuchen wir die Bedeutung der Vernetzung und des Aufbaus von Beziehungen innerhalb einer Organisation. Lass uns anfangen. Wir sehen uns im nächsten Video.
Cassie: Eine lebenslange Liebe zu Daten
Hallo, ich bin Cassie und ich bin Chief Decision Scientist bei Google Cloud. Als ich mich zum ersten Mal in Daten verliebte, war ich acht, vielleicht neun Jahre alt. Ich habe Microsoft Excel entdeckt und mich darin verliebt, was eine ungewöhnliche Sache ist. Die meisten Kinder klettern auf Bäume und hier spiele ich mit Excel. Ich hatte diese Edelsteinsammlung. Ich würde die Daten gerne in eine Tabelle eintragen. Diese Sammlung würde nicht wegen der Edelsteine wachsen, sondern auf jeden Fall, um sie in die Tabellenkalkulationen einfügen zu können. Ich bin aufgeregt: „Oh, ein Lila. Ich habe noch keinen Amethyst. Jetzt kann ich Lila in die Farbspalten einfügen.“ Ich war ein seltsames Kind. Aber für mich waren Daten das Schönste auf der Welt. Im Laufe meiner Karriere begann ich viel über das Warum von Daten nachzudenken, weil ich davon ausging, dass Daten hübsch sind. Aber es muss etwas Wichtiges geben, das zum Handeln motiviert. Das Wichtigste war die Entscheidungsfindung. Wenn ein Datenpunkt im Wald versinkt und zu keiner Aktion führt, hat das meiner Meinung nach keinen Sinn. Es wird wertvoll, wenn es mit Entscheidungen oder Handlungen in der realen Welt in Zusammenhang steht. Aus diesem Grund interessierte ich mich wirklich für die Entscheidungswissenschaften und studierte diese neben dem, was wir heute Data Science nennen, obwohl das damals noch Statistik war und Big Data schließlich auch als eines davon auftauchte. Ich habe all diese Dinge zusammen studiert. Ich erinnere mich, als ich auf dem College war, fragten mich einige Berufsberater: „Welches Hauptfach ist das? Damit bekommt man nicht einmal einen Job.“ Nun, heute können Sie durch die Kombination der Entscheidungswissenschaften, sorgfältiges Nachdenken über das Warum und der Datenwissenschaften, dem Informationsteil, Informationen nutzen, um bessere Maßnahmen voranzutreiben. Das ist meine Leidenschaft. Vielen Menschen ist nicht bewusst, dass sie ohne Kurse in Datenanalyse bereits Datenanalysten sind. Wir sind alle bereits Datenanalysten. Sie sehen sich diesen Kurs auf Ihrem Computer oder Smartphone an, und die Informationen, die jetzt, während ich spreche, von der Videokamera aufgezeichnet werden, werden in einer Reihe von Matrizen als eine Reihe von Zahlen gespeichert, die zu keinem Zeitpunkt einen Sinn ergeben Sie sehen sich diese Rohdaten an. Wenn Sie es mit der richtigen Software, in diesem Fall Ihrem Browser, öffnen, extrahieren Sie Bedeutung und Sinn aus diesen Rohdaten und lernen etwas. Gerade jetzt, in dieser Sekunde, führen Sie eine Datenanalyse durch. Es gibt so viele verschiedene Möglichkeiten, mit Daten zu arbeiten. Es gibt so viele verschiedene Möglichkeiten, es nützlich zu machen. Einige davon passen besser zu Ihrer Persönlichkeit als andere. Konzentrieren Sie sich einfach auf das, was Ihnen am meisten Spaß macht, denn in diesen Berufen gibt es auch viele unterschiedliche Menschen, und es ist insgesamt ein Mannschaftssport. Sie decken die Teile ab, zu denen Sie weniger geneigt sind. Genießen Sie den größten Spaß, den Sie bei der Verfolgung Ihrer individuellen Datenpersönlichkeit haben können. Machen Sie es einfach nützlich und all die guten Dinge werden folgen.
Die Zukunft der Datenkarrieren
Bei der Untersuchung eines möglichen neuen Karrierewegs sind die Aussichten und das Wachstumspotenzial eines der wichtigsten Dinge, die es zu berücksichtigen gilt. Prognosen zu Karrieren im Bereich Datenanalyse zeigen, dass in diesem Bereich kein Mangel an Fachkräften besteht. Im letzten Jahrzehnt haben datenorientierte Karrieren stark zugenommen. Laut Schätzungen von Linkedin ist der Bereich Data Science zwischen 2012 und 2017 um über 650 % gewachsen. Viele Experten glauben, dass wir das volle Potenzial dieser Berufe noch nicht erkannt haben. Tatsächlich gab das US Bureau of Labor Statistics an, dass die Datenwissenschaft eines der am schnellsten wachsenden Berufsfelder in den Vereinigten Staaten ist und für das nächste Jahrzehnt einen Anstieg um 30 % prognostiziert. Unter den Datenwissenschaftsberufen sind künstliche Intelligenz und maschinelles Lernen einer der am schnellsten wachsenden Berufe, und in diesen Bereichen konnten wir in den letzten Jahren erhebliche Fortschritte verzeichnen. Im Kern ist künstliche Intelligenz oder KI die Entwicklung von Computersystemen, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern. Dank des Wachstums in den Datenwissenschaften wird KI mittlerweile immer alltäglicher. Diese Technologien werden sich weiterentwickeln und genauere Ergebnisse und umfassendere Erkenntnisse liefern. Und da KI zunehmend zu einem wesentlichen Bestandteil der Datenarbeit wird, ist es wichtig, sich der menschlichen Voreingenommenheit bewusst zu sein, die sich in Ihre Arbeit einprägen kann. Um dem entgegenzuwirken, profitieren Organisationen am meisten davon, vielfältige Teams aus Fachleuten mit unterschiedlichem Hintergrund und unterschiedlicher Lebenserfahrung aufzubauen. Die Einbeziehung eines breiten Spektrums an Perspektiven und Weltanschauungen fördert eine umfassendere Darstellung und führt zu genaueren Ergebnissen. Während wir die Zukunft der Datenberufe untersuchen, möchte ich betonen, dass Datenexperten das volle Potenzial der künstlichen Intelligenz noch nicht ausgeschöpft haben. Da sich diese Art von technologischen Innovationen ständig weiterentwickelt, können wir davon ausgehen, dass Unternehmen wachsen und ihre Geschäftspraktiken entsprechend anpassen. Mit der zunehmenden Verbreitung von Datenanalysetechniken liegt der wahrscheinlichste Wachstumsbereich in der Spezialisierung. Und wir erwarten eine weitere Unterteilung der Rollen in datenorientierten Teams. Letztendlich möchte ich Sie daran erinnern, dass die Welt jedes Jahr mehr und mehr Daten generiert. Es ist also vernünftig zu erwarten, dass Arbeitskräfte, die daraus geschäftlichen Nutzen ziehen, auch ihren Lebensunterhalt verdienen können. Mehr Daten bedeuten eine höhere Nachfrage nach den drei Hauptaktivitäten der Datenberufe: statistische Schlussfolgerung, maschinelles Lernen und Datenanalyse. Daher bleiben diese Fähigkeiten sehr relevant, auch wenn sich ihre Namen im Laufe der Zeit ändern können. Darüber hinaus bieten Ihnen ständige Innovationen in diesem Bereich die Möglichkeit für kontinuierliches Lernen, Wachstum und Weiterentwicklung. Wie Sie vielleicht bereits wissen, hängt Ihr Wachstum und Erfolg in diesem Bereich als Datenprofi von dem Wunsch ab, sich weiterzubilden. Das könnte sogar der Grund sein, warum Sie sich für dieses Programm angemeldet haben, und dafür bin ich so stolz auf Sie. Erkunden Sie weiterhin Möglichkeiten, sich im Laufe Ihrer Karriere weiterzuentwickeln, erwerben Sie proaktiv neue Fähigkeiten, entwickeln Sie sich weiter und Sie werden immer für die Zukunft gerüstet sein.
Aktuelle und zukünftige Tools
Eine der größten Fähigkeiten, die ein Datenprofi haben kann, besteht darin, zu lernen, wie er sein Wissen über ein Tool auf ein anderes Tool anwenden kann. Im Laufe Ihrer Karriere werden Sie möglicherweise feststellen, dass verschiedene Organisationen, für die Sie arbeiten, unterschiedliche Tools verwenden – und im Bereich der Datenwissenschaft führen neue und aufkommende Technologien dazu, dass ständig spannende neue Tools entwickelt werden. Das bedeutet, dass es immer Möglichkeiten gibt, Ihr Data-Science-Toolkit zu erweitern! In dieser Lektüre erfahren Sie mehr über die heutigen Tools, einschließlich einiger der Tools, die Sie in diesem Programm kennenlernen werden. Außerdem erfahren Sie, wie sich Tools auf spannende Weise weiterentwickeln und was dies für Ihr Toolkit in der Zukunft bedeuten könnte. Abschließend sehen Sie sich eine Demonstration an, die veranschaulicht, wie Sie einige dieser Tools in naher Zukunft verwenden werden.
Werkzeuge heute
In diesem Zertifikatsprogramm haben Sie die Möglichkeit, viele gängige Tools kennenzulernen, die Datenexperten täglich verwenden: Tabellenkalkulationen, Datenbanken, Abfragesprachen, Datenvisualisierung, Programmiersprachen und Dashboards. Das Verständnis der aktuellen Tool-Landschaft – und ihrer Veränderungen – wird Ihnen dabei helfen, Ihre datenwissenschaftlichen Fähigkeiten im Laufe Ihrer Karriere weiter auszubauen. Und wenn Sie verstehen, wie die Fähigkeiten, die Sie für ein Tool erlernen, auf ein anderes angewendet werden können, können Sie Ihr Toolkit anpassen und weitere Tools hinzufügen!
Werkzeug | Definition | Beispiele | Übertragbare Fähigkeiten |
|---|---|---|---|
Tabellenkalkulationen | Ein digitales Arbeitsblatt, in dem Daten manipuliert und für Berechnungen verwendet werden können |
|
|
Datenbanken | Eine Sammlung von Daten, die in einem Computersystem gespeichert sind |
|
|
Programmiersprachen | Ein System aus Wörtern und Symbolen, das zum Schreiben von Anweisungen verwendet wird, denen Computer folgen |
|
|
Datenvisualisierung | Die grafische Darstellung von Daten |
|
|
Dashboards | Ein Tool, das eingehende Live-Daten überwacht |
|
|
Als Datenprofi stehen Ihnen bereits so viele Tools zur Auswahl. Dieses Zertifikatsprogramm konzentriert sich hauptsächlich auf Python und Datenvisualisierungen. Im Laufe Ihrer Karriere lernen Sie möglicherweise neue Werkzeuge kennen und nutzen Ihre vorhandenen Fähigkeiten auf neue Weise. Wenn Sie erkennen können, wo sich die Tool-Kenntnisse überschneiden, können Sie Ihr Daten-Toolkit jetzt und in Zukunft kontinuierlich erweitern.
Sie in naher Zukunft
Bisher haben Sie in dieser Lektüre darüber nachgedacht, wie die Fähigkeiten, die Sie in diesem Zertifikatsprogramm erlernen werden, Ihnen dabei helfen werden, in Zukunft noch mehr Tools zu nutzen. Während Sie sich auf Ihre Lernreise vorbereiten, können Sie auch darüber nachdenken, wie Sie diese Fähigkeiten bald anwenden können – und nicht erst in ferner Zukunft.
Dieses Zertifikatsprogramm konzentriert sich auf einige der am häufigsten verwendeten Tools für Datenanalyse und maschinelles Lernen mit Python. Genauer gesagt verwenden Sie:
NumPy und Pandas für die Datenverarbeitung und -manipulation
matplotlib.pyplot, seaborn und Tableau für Visualisierungen
Statistikmodelle für statistische Tests und Regressionsmodellierung
scikit-learn zum Erstellen von Modellen für maschinelles Lernen
Betrachten Sie als Nächstes die folgende Übersicht über einige der Tools, die Sie zum Ausführen von Aufgaben in diesem Zertifikatsprogramm verwenden werden.
Sie verwenden Pandas, um Tabellendaten mit Python anzuzeigen und zu bearbeiten. Im folgenden Beispiel wird eine Datei mit durch Kommas getrennten Werten (.csv) in einen Pandas-Datenrahmen eingelesen, dessen erste fünf Zeilen angezeigt werden. Ein Datenrahmen ist im Grunde eine Tabelle, die zum Organisieren von Daten verwendet wird. Diese Daten stammen aus derUC Irvine Machine Learning Repository. Es enthält die Anzahl der öffentlichen Fahrräder, die pro Stunde im Seoul Bike Sharing System gemietet werden, mit entsprechenden Wetterdaten und Urlaubsinformationen.
Sie verwenden NumPy und Pandas, um Berechnungen durchzuführen und Statistiken für Ihre Daten zu erhalten.
Sie verwenden Tableau, matplotlib.pyplot und seaborn, um Datenvisualisierungen zu erstellen.
Sie verwenden Statistikmodelle, um statistische Analysen und lineare Regression zu üben.
Und Sie verwenden scikit-learn, um Modelle für maschinelles Lernen zu erstellen und zu analysieren:
Dies ist nur ein kleiner Auszug aus dem gesamten Themenspektrum, über das Sie in diesem Zertifikat erfahren. Wenn Sie mit diesen Tools vertrauter werden, sind Sie für nahezu jede Datenaufgabe gerüstet.
Werkzeuge von morgen und darüber hinaus
Die Welt der Datenwissenschaft wächst und entwickelt sich ständig weiter – Tools, von denen Sie vor ein paar Jahren vielleicht noch nicht einmal etwas wussten, können für Fachleute, die in diesem Bereich arbeiten, schnell notwendig werden. Wenn Sie über die Fähigkeiten nachdenken, die Sie jetzt entwickeln, kann es hilfreich sein, darüber nachzudenken, wie Sie sie auch in Zukunft einsetzen könnten.
Künstliche Intelligenz
Künstliche Intelligenz oder KI bezeichnet Computersysteme, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern. Einer der großen Vorteile des Einsatzes von KI für die Datenwissenschaft besteht darin, dass sie dazu beitragen kann, Stakeholdern Echtzeit-Einblicke zu liefern. Ein Unternehmen mit einer E-Commerce-Website könnte beispielsweise KI nutzen, um in Echtzeit zu überwachen und Erkenntnisse darüber zu liefern, wie Kunden ihre Website nutzen, sodass das Team schnelle Verbesserungen vornehmen kann.
In der heutigen dynamischen Arbeitswelt, in der der Einsatz neuester Technologien für Produktivität und Effizienz von entscheidender Bedeutung ist, wird ein Verständnis von KI Ihre Karriere als Datenexperte vorantreiben. Während Sie eine Karriere in dieser Branche aufbauen, können Sie damit beginnen, Ihre KI-Fähigkeiten zu verbessern, indem Sie die verfügbaren KI-Tools erkunden, die Sie bei Ihrer Rolle unterstützen können. Ein derzeit verwendetes Tool ist Tableau AI. Tableau AI zielt darauf ab, den Prozess der Datenanalyse zu vereinfachen. Dieses Tool kann Datenexperten dabei helfen, Daten aufzubereiten, sich wiederholende Aufgaben zu reduzieren und geeignete Visualisierungen vorzuschlagen.
Maschinelles Lernen
Unter maschinellem Lernen versteht man die Verwendung und Entwicklung von Algorithmen und statistischen Modellen, um Computersystemen beizubringen, Datenmuster zu analysieren und zu entdecken. Datenanalysten können Algorithmen trainieren, um große Datenmengen zu analysieren, deren Verarbeitung sonst lange dauern würde. Ein Finanzanalyst könnte beispielsweise maschinelles Lernen nutzen, um Muster in den Daten zu finden, die bei der Erkennung von Betrug helfen.
Eine der aufregendsten Entwicklungen dieser Zukunftstechnologien ist die Art und Weise, wie sie gemeinsam genutzt werden können, um Aufgaben zu automatisieren und schneller als je zuvor Erkenntnisse zu liefern.
Die zentralen Thesen
Als Datenprofi werden Sie im Laufe Ihrer Karriere immer wieder neue Fähigkeiten erlernen und Ihre aktuellen Fähigkeiten auf neue Weise anwenden. Wenn Sie erkennen, wie Fähigkeiten übertragbar sind, können Sie sich an die Bedürfnisse verschiedener Organisationen und sich entwickelnde Technologien anpassen. Und während Sie damit fortfahren, erweitern Sie Ihre Data-Science-Toolbox um Tools, die Ihnen jetzt und in Zukunft helfen werden!
Wie Datenprofis KI nutzen
Zuvor haben Sie kurz auf die Rolle der künstlichen Intelligenz in der Datenwissenschaft eingegangen. Sie erinnern sich vielleicht, dass sich künstliche Intelligenz (KI) auf die Entwicklung von Computersystemen bezieht, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern. Zu den praktischen Anwendungen von KI gehören beispielsweise Sprachassistenten, autonome Fahrzeuge, automatisierte Empfehlungssysteme und mehr.
In dieser Lektüre erfahren Sie mehr über den Einsatz von KI für die Datenarbeit und wie KI Datenexperten dabei helfen kann, ihre Daten besser zu verstehen und fundiertere Entscheidungen zu treffen. Außerdem erfahren Sie mehr über die Grenzen der KI und die Unterschiede zwischen KI- und Humandatenexperten.
Der Einsatz von KI für die Datenarbeit
Datenexperten können KI nutzen, um ihre Datenanalyse zu verbessern, wichtige Aufgaben auszuführen und ihren Arbeitsablauf zu optimieren. Datenexperten können KI beispielsweise nutzen, um:
Erstellen Sie Vorhersagemodelle, um zukünftige Ereignisse oder Ergebnisse genau vorherzusagen.
Automatisieren Sie zeitaufwändige Aufgaben wie Datenbereinigung, Codierung und Berichtserstellung.
Analysieren Sie extrem große Datensätze.
Verbessern Sie die Qualität der Daten, indem Sie Fehler identifizieren und korrigieren.
Generieren Sie Erkenntnisse aus Daten, die für den Menschen nicht offensichtlich wären.
Bieten Sie Anleitungen zu Aufgaben wie der Auswahl der richtigen Algorithmen und der Interpretation der Ergebnisse.
Erleichtern Sie die Zusammenarbeit zwischen Teammitgliedern.
Datenexperten können KI nutzen, um die Qualität und Effizienz ihrer Datenprojekte zu verbessern, wertvolle Erkenntnisse zu gewinnen und Stakeholdern dabei zu helfen, bessere Geschäftsentscheidungen zu treffen.
Konversations-KI-Tools: Gemini und ChatGPT
Viele Datenexperten nutzen mittlerweile dialogorientierte KI-Tools, um ihre Daten zu analysieren und ihre Produktivität zu steigern. Zwei der am häufigsten verwendeten Tools sind Gemini und ChatGPT. Gemini wurde von Google AI erstellt. ChatGPT, auch bekannt als Chat Generative Pre-trained Transformer, wurde von OpenAI entwickelt.
Gemini und ChatGPT sind beide große Sprachmodelle (LLMs) , die auf riesigen Text- und Codedatensätzen trainiert werden. Ein LLM ist eine Art KI-Algorithmus, der Deep-Learning-Techniken verwendet, um Muster im Text zu identifizieren und abzubilden, wie verschiedene Wörter und Phrasen zueinander in Beziehung stehen. Dadurch können LLMs vorhersagen, welches Wort als nächstes kommen sollte. LLMs können als Antwort auf eine Vielzahl von Eingabeaufforderungen und Fragen menschenähnliche Texte generieren.
Hinweis : Dies ist eine allgemeine Einführung in LLMs. Eine detaillierte Diskussion der Entwicklung und Rechenlogik von LLMs würde den Rahmen dieses Kurses sprengen.
Tools wie Gemini und ChatGPT können Datenexperten auf vielfältige Weise helfen. Ein Datenexperte könnte Gemini oder ChatGPT bitten:
Bereinigen Sie einen Datensatz, indem Sie fehlende Werte, Ausreißer und doppelte Daten entfernen.
Erstellen Sie interaktive Datenvisualisierungen wie Dashboards und Heatmaps.
Empfehlen Sie einen bestimmten Algorithmus für eine bestimmte Aufgabe basierend auf den Eingaben des Datenexperten.
Erstellen Sie ein gemeinsames Dokument, um eine Brainstorming-Sitzung in einem Team von Datenexperten zu ermöglichen.
Hinweis : Dies ist eine kurze Liste möglicher Eingabeaufforderungen. In einer weiteren Aktivität haben Sie die Möglichkeit, Gemini weiter zu erkunden und seine Fähigkeiten zu entdecken.
Anwendungsfälle für KI
Datenexperten aus allen Branchen nutzen KI, um Daten zu analysieren und Erkenntnisse für Stakeholder zu gewinnen. Hier sind einige Beispiele dafür, wie Datenexperten KI in bestimmten Sektoren einsetzen:
Finanzen
Analysieren Sie Finanztransaktionen, um Betrug zu verhindern und das Geld Ihrer Kunden zu schützen.
Analysieren Sie große Datensätze mit Finanzdaten, um potenzielle Risiken zu erkennen und fundiertere Investitionsentscheidungen zu treffen.
Analysieren Sie historische Marktdaten und aktuelle Marktbedingungen, um fundierte Anlageempfehlungen zu generieren.
Einzelhandel
Empfehlen Sie Kunden Produkte basierend auf ihrer bisherigen Kaufhistorie und ihrem Surfverhalten.
Verfolgen Sie die Interaktionen der Kunden mit der Einzelhandelswebsite, um das Einkaufserlebnis zu personalisieren.
Analysieren Sie Verkaufsdaten und prognostizieren Sie die zukünftige Nachfrage, um den Produktbestand zu optimieren und Kosten zu senken.
Herstellung
Automatisieren Sie Aufgaben wie Schweißen, Lackieren und Montage, um die Effizienz zu steigern.
Analysieren Sie Daten von Sensoren und Kameras, um Produktfehler zu erkennen, bevor diese an Kunden versendet werden.
Analysieren Sie Daten von Produktionslinien, um Wege zu finden, mehr Produkte zu geringeren Kosten herzustellen.
Experten für KI und menschliche Daten
Datenexperten nutzen KI als Werkzeug, um Daten zu verstehen, bessere Entscheidungen zu treffen und die Effizienz zu steigern. Wie alle Tools hat auch KI Einschränkungen. Humandatenexperten verfügen über Fähigkeiten, Fertigkeiten und Qualitäten, die der KI derzeit fehlen. Zum Beispiel:
Intuition . KI-Modelle werden auf Daten trainiert und können Entscheidungen nur auf der Grundlage der Muster treffen, die sie in den Daten beobachten. Menschen können ihre Intuition und persönliche Erfahrung nutzen, um Entscheidungen zu treffen, die nicht explizit im KI-Modell programmiert sind. Aus diesem Grund ist es wichtig, die Ausgabe eines Modells immer zu überprüfen, bevor Sie sich darauf verlassen.
Gehen Sie mit Unklarheiten um. KI-Modelle sind gut darin, Probleme zu lösen, die klar definiert sind und klare Parameter haben. Allerdings können Menschen komplexe Probleme identifizieren und verstehen, die nicht genau definiert sind und mehrdeutige Parameter aufweisen, indem sie wichtige Details berücksichtigen, die im Kontext des Projekts angeboten werden.
Zwischenmenschliche Kommunikation . KI-Modelle können Berichte und Präsentationen erstellen, aber sie können nicht auf die differenzierte Art und Weise mit Stakeholdern kommunizieren, wie es Menschen können. Menschen können die Ergebnisse ihrer Analyse erklären, um sie an die Bedürfnisse bestimmter Interessengruppen anzupassen, und ihre emotionale Intelligenz nutzen, um auf Bedenken einzugehen.
Kreativität . KI-Modelle sind gut darin, Anweisungen zu befolgen, aber sie sind nicht so einfallsreich wie Menschen. Menschen können bei der Datenanalyse kreativ sein und sich neue und innovative Lösungen für komplexe Probleme vorstellen.
Kritisches Denken . Menschen können kritisch über ihre Daten nachdenken und potenzielle Vorurteile und ethische Probleme erkennen. KI-Modelle werden in der Regel auf realen Daten trainiert, die Verzerrungen enthalten und daher wahrscheinlich diese Verzerrungen in den Modellausgaben widerspiegeln.
Führung . Menschen können Führungspersönlichkeiten sein und andere motivieren und inspirieren. KI kann Schwierigkeiten haben, die Nuancen menschlicher Emotionen, Motivation und Kommunikation zu verstehen. Dies schränkt die Fähigkeit der KI ein, eine Organisation effektiv zu führen.
Faktizität. Generative KI-Modelle werden darauf trainiert, Text basierend auf Sprachmustern auszugeben. Manchmal ist die Modellausgabe möglicherweise sehr gut zusammengestellt und erscheint daher zuverlässig, entspricht jedoch möglicherweise nicht den Tatsachen. Wie oben erwähnt, ist es wichtig, die Modellausgabe immer zu überprüfen.
In Zukunft könnten Produkt- und Forschungsteams Updates für KI entwickeln, die ihre aktuellen Fähigkeiten erweitern. Allerdings werden menschliche Datenexperten weiterhin eine wichtige Rolle in der Datenwissenschaft spielen, indem sie ihre Intuition, Vorstellungskraft und einzigartige Erfahrung nutzen, um komplexe Probleme zu lösen.
Die zentralen Thesen
Datenexperten können KI nutzen, um Aufgaben zu automatisieren, Vorhersagen zu treffen, Erkenntnisse zu generieren und Ergebnisse zu kommunizieren. Sie können KI nutzen, um bei ihrer Arbeit produktiver und wirkungsvoller in ihren Organisationen zu sein. Insgesamt ist KI ein leistungsstarkes Werkzeug für Datenprofis, das jedoch nicht ohne Einschränkungen ausgestattet ist. Aus diesem Grund sind menschliche Aufsicht und Eingriffe bei der Arbeit mit KI und verwandten Tools von entscheidender Bedeutung.
Die Orte, die Sie besuchen werden …
Mittlerweile sind Sie mit vielen Tools vertraut, die Datenexperten nutzen, um unterschiedliche Herausforderungen bei ihrer Arbeit zu meistern. Doch so wichtig diese technischen Fähigkeiten für Ihre berufliche Entwicklung sind, so wichtig ist die Erstellung ansprechender Präsentationen Ihrer Arbeit. Wenn Sie dieses Zertifikatsprogramm abschließen, erstellen Sie ein Portfolio von Projekten, die Sie Arbeitgebern, anderen Lernenden oder einem breiteren Publikum vorstellen können. In dieser Lektüre finden Sie Beispiele für die vielen Möglichkeiten, wie andere Datenexperten auf diesem Gebiet ihre Arbeit geteilt haben, sodass Sie lernen können, was solche Präsentationen beinhalten, ein Gefühl dafür bekommen, was Sie anspricht, und Sie vielleicht sogar für Ihre eigenen Präsentationen inspirieren können Reise.
Tableau-Dashboards
Bill Yost ist Datenanalyst. Eine Möglichkeit, seine professionellen Datenkompetenzen zu nutzen, besteht darin, interaktive Datenvisualisierungs-Dashboards auf Tableau zu erstellen. SeinProjekt zur Analyse von Bürobedarfsgeschäftenist ein großartiges Beispiel für die dynamischen Funktionen, die Tableau Datenprofis bietet.
Sein Dashboard enthält verschiedene Arten interaktiver Diagramme, darunter ein Balkendiagramm, ein Liniendiagramm und eine Karte. Wie Sie diese erstellen, erfahren Sie in diesem Zertifikatsprogramm.
Mit Tableau können Sie auch ein Profil erstellen, um Ihre Arbeit zu präsentieren. Sie können auch anderen Benutzern folgen und Projekte, die Sie interessieren, zu einer Favoritenliste hinzufügen.
Tableau ist eine großartige Plattform, wenn Sie ausgefeilte Visualisierungen präsentieren und Ihre Fähigkeit unter Beweis stellen möchten, Ergebnisse auf ansprechende und elegante Weise zu kommunizieren.
Notizbücher auf Kaggle
Wenn Sie es vorziehen, eine eher technische Darstellung Ihrer Arbeit zu verfassen, ist Kaggle ein großartiger Ort dafür. Bedenken Sie zum BeispielJesse Mostipaks Profil. Jesse ist ein Datenprofi, der Kaggle nutzt, um Codierungsbeispiele und Datensätze beizusteuern, an Modellierungswettbewerben teilzunehmen und sich mit anderen in der Daten-Community zu unterhalten.
Das Folgende ist ein Beispiel für ein Notizbuch, das sie als Tutorial zur Verwendung von XGBoost in Tidymodels eingereicht hat, einer Sammlung von R-Paketen für Modellierung und maschinelles Lernen. Später in diesem Zertifikatsprogramm erfahren Sie, wie Sie XGBoost mit Python verwenden.
Neben der Unterstützung Ihrer öffentlichen Präsenz als Datenpraktiker ist die Veröffentlichung Ihrer Arbeit auf diese Weise eine großartige Gelegenheit, mit Kollegen in der Datengemeinschaft Diskussionen über verschiedene Ansätze und Methoden anzustoßen und neue Fähigkeiten zu erlernen.
GitHub-Repositorys
Eine weitere Möglichkeit, Ihre Arbeit zu präsentieren, ist die Verwendung von GitHub. GitHub ist wahrscheinlich vor allem als Versionskontrollsystem bekannt, das von Programmierern und Entwicklern auf der ganzen Welt verwendet wird, um den Überblick über Projekte mit großen Codebasen und vielen gleichzeitigen Mitwirkenden zu behalten. GitHub bietet außerdem Tools zum Erstellen und Anpassen von Benutzerprofilen und Projekt-Repositories. NehmenRavin Kumars GitHub-SeiteZum Beispiel.
Zu den Vorteilen von GitHub gehört die Möglichkeit, Ihre Projekte in Repositories zu strukturieren, die wie Ordner sind, auf die andere über Git zugreifen können. Repositories können Jupyter-Notizbücher, Computerprogramme, Bilder und Abbildungen sowie Markdown-Expositionen enthalten. Während dieses Zertifikatsprogramms werden Sie intensiv mit Jupyter-Notizbüchern und Markdown-Texten arbeiten. Mit GitHub können Sie außerdem Benutzer oder einzelne Projekte beobachten, markieren und verfolgen. Die Plattform ist besonders nützlich, um Code direkt mit anderen Menschen zu teilen und sogar gemeinsam mit ihnen an Projekten zu arbeiten.
Blogs auf Medium
Jupyter-Notebooks und Coding-Ausstellungen sind nicht die einzigen Mittel, mit denen Sie Ihr Fachwissen unter Beweis stellen können. Blogbeiträge sind eine weitere großartige Möglichkeit, Ihre berufliche Entwicklung voranzutreiben. Einer der Vorteile von Blogs besteht darin, dass sie über ein breites Spektrum an gefragten Fähigkeiten hinausgehen, die über die bloße technische Kompetenz hinausgehen. Beispielsweise vermittelt ein gut geschriebener Blogbeitrag nicht nur Ihr Verständnis von Datenkonzepten, -tools und -techniken, sondern unterstreicht auch Ihr kritisches Denken, Ihre Kommunikations- und Schreibfähigkeiten. Diese Art von Fähigkeiten zeichnen die besten Datenprofis auf diesem Gebiet aus.
Medium ist eine großartige Plattform zum Posten von Blogs zum Thema Datenwissenschaft. Sie können auch kuratierte Data-Science-Inhalte bei Herausgebern einreichen, beispielsweise bei Towards Data Science, Analytics Vidhya und KDNuggets. Betrachten Sie als Beispiel FolgendesArtikel geschrieben von Cassie Kozykov(der Dozent dieses Kurses), der auf Towards Data Science veröffentlicht wurde.
In diesem Beitrag geht es überhaupt nicht um Programmieren oder komplexe Informatik oder Mathematik! Es ist ein praktischer Leitfaden zur Vermeidung von Fallstricken bei der Arbeit mit Daten Dritter. Solche Themen sind äußerst relevant und das Schreiben darüber ist eine weitere großartige Möglichkeit, spannende Karrieremöglichkeiten zu erschließen.
Andere Ansätze
Diese Liste ist nicht vollständig. Es soll Ihnen einen Einblick in die Möglichkeiten geben, Ihre Arbeit zu präsentieren und sich aktiv in diesem Bereich zu engagieren. Manche Leute teilen Jupyter-Notizbücher, andere schreiben hilfreiche Artikel und wieder andere erstellen Podcasts oder YouTube-Videos. Bedenken Sie zum BeispielDieses YouTube-Video über Voreingenommenheit beim maschinellen Lernen und KI, produziert von Angelica Spratley, ein Datenwissenschaftler und Pädagoge.
Über Voreingenommenheit erfahren Sie übrigens im Kurs über maschinelles Lernen. Finden Sie heraus, was Sie begeistert, und Ihre Begeisterung wird deutlich. Die Möglichkeiten sind riesig, wenn Sie Ihrer Fantasie und Motivation folgen und einen Beitrag zur spannenden Welt der Daten leisten.
Die zentralen Thesen
Dies sind nur einige Möglichkeiten, wie Sie Ihre Arbeit teilen können. Das Tolle daran ist, dass Sie ein öffentlich zugängliches Profil erhalten, das Arbeitgeber überprüfen können. Wenn jemand nach Ihrem Namen sucht und ein beeindruckendes Portfolio findet, haben Sie mehr Möglichkeiten, sich von der Masse abzuheben. Darüber hinaus zwingt Sie die Präsentation Ihrer Arbeit dazu, Ihre Methoden klar zu erklären (und damit zu verstehen), was Sie zu einem stärkeren Datenpraktiker macht. Wie auch immer Sie sich entscheiden, Ihre Arbeit zu teilen: Seien Sie kreativ, haben Sie Spaß und haben Sie keine Angst, sich selbst zu zeigen. Das ist Ihre Chance zu beeindrucken!
Tiffany: Ratschläge für Arbeitssuchende
Mein Name ist Tiffany und ich arbeite bei Google. Meine Aufgabe ist es, dafür zu sorgen, dass unsere Produkte fair und inklusiv sind. Meine erste Rolle in der Datenanalyse geht wahrscheinlich auf meine Zeit bei der US-Armee zurück. Und dort habe ich viel mit Daten gearbeitet und versucht zu verstehen, welche Entscheidungen ich für meine Soldaten und meine Einheit treffen sollte, um sicherzustellen, dass ich die besten datengesteuerten Entscheidungen treffe, um ihre Sicherheit und ihr Wohlergehen zu gewährleisten. Als ich aus dem Militär kam, verspürte ich ein enormes Hochstapler-Syndrom. Ich fühlte mich unsicher. Ich war mir nicht sicher, was gut sein könnte, da ich einen so hochspezialisierten Job hatte. Aber ich habe mit vielen Mentoren und Freunden gesprochen, die mich ermutigt und mir von übertragbaren Fähigkeiten erzählt haben. Einige der Fähigkeiten, die ich in der Armee erworben habe, waren für mich heute in meiner Karriere sehr, sehr hilfreich. Was mir am meisten auffällt, ist die Fähigkeit, ein Problem zu formulieren. Also die Fähigkeit, darüber nachzudenken, was jemand braucht, über die Daten, die man hat, und wie man dazwischen eine Verbindung herstellt, wie man sie umrahmt. Es gibt also keinen Scope Creep, sodass Sie eine sehr klare und klare Formulierung des Problems und eine sehr klare und klare Formulierung dieser Lösungsmenge erhalten. Und ich habe gelernt, dass ich beim Militär meine Fähigkeiten weiter ausbaue, weiterhin online gehe, Bücher lese und dieses Wissen festige. Mit der Zeit wurde ich immer sicherer, was ich erreichen und was ich erreichen kann für. All die Kurse, die ich belegt habe, all die harte Arbeit, all das Hochstapler-Syndrom haben mich wirklich zu dem Job geführt, meinem Traumjob, den ich heute habe. Für Menschen mit einem nicht-traditionellen Hintergrund oder einem nicht-traditionellen Weg ist es wichtig, an einem Zertifikatsprogramm wie diesem teilzunehmen, denn wir wissen, dass die Bildung und die Chancen ungleich sind. Ich bin einer der ersten Menschen in meiner Familie, der aufs College geht, eine Ausbildung macht und die Möglichkeit, dies zu tun, hat mir so viele Türen geöffnet, und so viele von Ihnen befinden sich möglicherweise in der gleichen Situation. Wenn ich jemandem beim Übergang vom Militär in eine Datenanalytik-Karriere einen Rat geben würde, würde ich ihm empfehlen, einige Google-Produkte zu verwenden. Google verfügt also über einen Berufsübersetzer, in den Sie Ihren Militärdienst, Ihre Branche und Ihren Job eintragen können, und er wird übertragbare Fähigkeiten ausspucken, die Sie möglicherweise haben und die Sie in Ihren Lebenslauf aufnehmen können. Ich möchte Sie ermutigen, den Vertrauensvorschuss zu wagen, das Hochstapler-Syndrom loszuwerden und sich auf so viele Stellen wie möglich zu bewerben. Und schließlich möchte ich jeden ermutigen, zu versuchen, jemanden zu finden, der im Unternehmen arbeitet. Versuchen Sie, diese Empfehlung zu bekommen. Seien Sie mutig auf Linkedin, seien Sie mutig auf anderen Plattformen und versuchen Sie einfach, Ihren Weg in den Job zu finden, in dem Sie sich sehen.
Bauen Sie eine professionelle Online-Präsenz auf
Hallo, ich bin Tiffany und leite hier bei Google Teams, die sich auf den verantwortungsvollen Aufbau von KI konzentrieren. Ich habe in der US-Armee gedient, als Berater gearbeitet und war als Programmmanager für Datenschutz und Fairness beim maschinellen Lernen tätig. Daten und ein umfassendes Verständnis von Daten waren schon immer ein wichtiger Teil meiner Arbeit. Heutzutage stehen uns mehr Daten zur Verfügung als je zuvor und es ist wichtig, Erkenntnisse daraus abzuleiten, um Entscheidungsträgern dabei zu helfen, die bestmöglichen Entscheidungen zu treffen. Ich freue mich sehr, dass Sie hier sind und hoffe wirklich, dass dieses Programm Ihnen alle möglichen neuen Möglichkeiten zum Nachdenken bietet. Du hast schon so viel gelernt. Wir haben die Grundlagen datengesteuerter Bereiche behandelt und uns mit Karriererollen befasst. Wie Datenexperten in verschiedenen Branchen eingesetzt werden und wie die Fachleute in diesem Bereich einen wertvollen Beitrag leisten können. Sie erwerben ein breites Spektrum an Kenntnissen und Fähigkeiten, die äußerst wertvoll sein werden, wenn Sie sich darauf vorbereiten, bei uns in das faszinierende Feld der datengesteuerten Karrieren einzusteigen. An diesem Punkt des Programms ermutige ich Sie, sich etwas Zeit zu nehmen, um darüber nachzudenken, wie Ihre bisherigen Erfahrungen Sie auf eine großartige Karriere vorbereiten. Und eine Möglichkeit, dies zu erreichen, besteht darin, Ihre aktuelle Online-Präsenz zu verbessern. Im Google Data Analytics-Zertifikat haben wir zahlreiche berufsbezogene Materialien behandelt, darunter die Erstellung eines effektiven Lebenslaufs und eines LinkedIn-Profils. In diesem Video geht es um die Verbesserung Ihrer vorhandenen Karriereressourcen. Diejenigen von uns, die am Google-Datenanalysezertifikat beteiligt waren, freuen sich immer über Feedback von Lernenden, insbesondere wenn es um den beruflichen Erfolg einer anderen Person geht. Ich erinnere mich an eine Person, die gleich zu Beginn des Programms die Initiative ergriff, ihr LinkedIn-Profil zu verfeinern. Sie bemerkte, dass sie derzeit ihr Programm durcharbeitete und fügte ihrem Profil viele der Technologien hinzu, mit denen sie vertraut geworden war. Nun, nicht lange nachdem sie eine Anzeige für ihren Traumjob gesehen hatte, beschloss sie, sich dafür zu bewerben und bekam den Zuschlag, obwohl sie noch am Anfang ihrer DA-Ausbildung stand. Der Personalmanager sagte ihr, dass die Tatsache, dass sie mit diesen Datentools vertraut sei, sie wirklich von anderen Kandidaten unterschiede. Es gibt unzählige Geschichten wie diese, die den Wert einer überzeugenden und professionellen LinkedIn-Präsenz bewiesen haben. Lassen Sie uns jetzt darauf eingehen. Eine professionelle Online-Präsenz ermöglicht es Ihnen, sich besser mit anderen in der Branche zu vernetzen. Sie können Ideen austauschen, Fragen stellen oder Links zu einer nützlichen Website oder einem interessanten Artikel in den Nachrichten bereitstellen. Dies sind großartige Möglichkeiten, andere Menschen kennenzulernen, die sich für datenorientierte Jobs begeistern. Selbst wenn Sie bereits Teil der Community sind, wird Ihr Netzwerk durch die Stärkung noch dynamischer. LinkedIn ist eine hervorragende Möglichkeit, Branchentrends zu verfolgen. Lernen Sie von Vordenkern und bleiben Sie mit der globalen Datenanalyse-Community in Kontakt. Natürlich gibt es Jobbörsen und Personalvermittler, die aktiv nach Datenexperten für alle Arten von Organisationen und Branchen suchen. Daher ist es sinnvoll, Ihr Profil immer auf dem neuesten Stand zu halten und unbedingt ein professionelles Foto beizufügen. Denken Sie darüber hinaus darüber nach, einen Link zu einigen relevanten Projekten einzufügen, die Sie im Bereich Datenanalyse durchgeführt haben, beispielsweise zu dem Portfolioprojekt, an dem Sie im Rahmen dieses Programms arbeiten werden. Während Sie Ihre Online-Präsenz weiter ausbauen, um Ihre Arbeit in der Datenanalyse darzustellen, werden die Verbindungen, die Sie knüpfen, ein wichtiger Teil eines wirklich erfüllenden Networking-Erlebnisses sein. Darüber hinaus gibt es viele lohnende Möglichkeiten zum persönlichen Networking, die wir bald erkunden werden. Bis dann.
Stärken Sie berufliche Beziehungen
Kürzlich haben Sie erfahren, wie wichtig es ist, eine professionelle Online-Präsenz aufrechtzuerhalten und sich mit anderen im Datenbereich zu vernetzen. Wie ich bereits erwähnt habe, gibt es viele professionelle Networking-Sites wie LinkedIn, die Ihre Zeit und Ihr Engagement durchaus wert sind. Aber hier ist etwas, das vielen Menschen nicht bewusst ist. Einige der besten Gelegenheiten werden nie wirklich auf einer Networking-Site geteilt. Manchmal gibt es berufliche Möglichkeiten, die vom Arbeitgeber nicht öffentlich ausgeschrieben werden. Es gibt viele Gründe, warum manche Stellen nicht ausgeschrieben werden. Vielleicht hat ein Arbeitgeber Bedenken, durch eine Stellenausschreibung Details über vertrauliche Projekte an seine Konkurrenten preiszugeben, oder vielleicht verfügt die Personalabteilung des Unternehmens nicht über die Ressourcen, um eine Flut von Bewerbungen zu prüfen. Oft entscheidet sich ein Unternehmen dafür, einen Personalvermittler zu engagieren, anstatt Stellen auszuschreiben. Beginnen wir mit der Erkundung, wie Sie durch den Aufbau wertvoller Beziehungen Ihre Sichtbarkeit erhöhen können, um mehr Möglichkeiten zu nutzen. Denn je mehr Menschen Sie beruflich erreichen, desto größer sind Ihre Chancen auf eine Empfehlung. Folgen Sie unbedingt den besten Organisationen und visionären Wirtschaftsführern auf Twitter, Facebook und Instagram. Interagieren Sie mit ihnen und teilen Sie ihre Inhalte. Wenn Ihnen ein Beitrag gefällt, können Sie ihn mit einer Antwort oder einem Dankeschön kommentieren. Sie können auch nach Datenfeld-Webinaren mit interessanten Referenten suchen. Viele dieser Veranstaltungen sind kostenlos. Dies ist eine weitere faszinierende Möglichkeit zu lernen und gleichzeitig mit Gleichgesinnten, Kollegen und Experten in Kontakt zu treten. Es gibt auch viele Blogs und Online-Communities, die sich auf Datenfelder konzentrieren. Daten- und Technologieunternehmen sprechen oft darüber, was aus ihrer Sicht neu und wichtig ist, aber es gibt eine wachsende Community von Bloggern und Podcastern, die selbst großartige Perspektiven bieten. Kommen wir nun zu den Möglichkeiten zum persönlichen Networking. Der einfachste Weg, Veranstaltungen zu finden, besteht darin, einfach nach Data Science- oder Data Analytics-Veranstaltungen in Ihrer Nähe zu suchen. Sie werden wahrscheinlich eine breite Palette an Möglichkeiten zum Engagement entdecken, von formelleren Konferenzen und Seminaren bis hin zu zwanglosen Treffen und Zusammenkünften. Gemeinnützige Vereine sind ebenfalls wunderbare Ressourcen und bieten möglicherweise kostenlose oder ermäßigte Mitgliedschaften für Studenten an. Zusätzlich zum Networking kann das Lernen von einem Mentor Ihre Karriere und Ihr Leben positiv beeinflussen. Wie Sie vielleicht wissen, ist ein Mentor jemand, der Wissen, Fähigkeiten und Erfahrungen weitergibt, um Ihnen dabei zu helfen, sich sowohl beruflich als auch persönlich weiterzuentwickeln. Mentoren sind vertrauenswürdige Berater und wertvolle Ressourcen. Der erste Schritt bei der Suche nach einem Mentor besteht darin, herauszufinden, wonach Sie suchen, um Ihre potenzielle Liste einzugrenzen. Denken Sie über alle Herausforderungen nach, denen Sie gegenüberstehen oder die Sie vorhersehen, und wie Sie diese angehen können, um beruflich voranzukommen. Überlegen Sie dann, wer Ihnen dabei helfen kann, in diesen Bereichen zu wachsen und Ihre vorhandenen Stärken zu stärken. Teilen Sie diese Dinge offen mit, wenn Sie sie offiziell fragen, wer Ihr Mentor sein soll. Es ist auch hilfreich, gemeinsame Erfahrungen zu notieren. Vielleicht sind Sie in derselben Stadt aufgewachsen, vielleicht haben Sie beide in derselben Branche gearbeitet. Ihr Mentor muss nicht jemand sein, mit dem Sie derzeit zusammenarbeiten. Viele Menschen finden Mentoren auf LinkedIn und im Mentoring-Programm des Verbandes oder bei einer Mentoren-Matching-Veranstaltung. Dadurch habe ich wirklich gelernt, wie wertvoll Mentoring ist. Ich habe auch gelernt, dass eine erfolgreiche Mentoring-Erfahrung Anstrengung und Zeitaufwand erfordert. Egal, ob Sie sich darauf vorbereiten, die richtigen Fragen zu stellen, das Feedback zu verinnerlichen oder Folgesitzungen zu planen, es lohnt sich. Seien Sie immer offen für den Kontakt mit neuen Menschen. Man weiß nie, wohin ein einzelnes Gespräch führen wird.
Machen Sie das Beste aus Mentoring
Wie Sie erfahren haben, können berufliche Beziehungen Ihnen dabei helfen, Arbeitsmöglichkeiten zu finden. Das Durchsuchen von Jobbörsen und Online-Ressourcen ist nur ein Teil Ihrer Jobsuche; Ebenso wichtig ist es, mit anderen Fachleuten in Ihrem Bereich in Kontakt zu treten, Ihr Netzwerk aufzubauen und mit der Data-Science-Community zu interagieren. Eine gute Möglichkeit, diese Ziele zu erreichen, ist der Aufbau einer Beziehung zu einem Mentor. In dieser Lektüre erfahren Sie mehr über Mentoren, die Vorteile von Mentoring und wie Sie mit potenziellen Mentoren in Kontakt treten können.
Denke über Mentoring nach
Mentoren sind Fachleute, die Wissen, Fähigkeiten und Erfahrungen weitergeben, um Sie bei Ihrem Wachstum und Ihrer Entwicklung zu unterstützen. Sie können Ihnen zu verschiedenen Zeitpunkten Ihrer Karriere Orientierung bieten. Mentoren können Berater, Resonanzkörper, ehrliche Kritiker, Ressourcen und mehr sein. Sie können sogar mehrere Mentoren haben, um vielfältigere Perspektiven zu gewinnen!
Unterwegs gibt es einige Dinge zu beachten:
Entscheiden Sie, was Sie von einem Mentor erwarten. Denken Sie über Ihre Stärken und Schwächen nach, auf welche Herausforderungen Sie gestoßen sind und wie Sie sich als Datenprofi weiterentwickeln möchten. Teilen Sie diese Ideen mit potenziellen Mentoren, die möglicherweise ähnliche Erfahrungen gemacht haben und Ratschläge zum Weitergeben haben.
Berücksichtigen Sie gemeinsame Interessen. Oft finden Sie tolle Mentoring-Angebote mit Menschen, die Ihre Interessen und Hintergründe teilen. Dazu könnte jemand gehören, der einen ähnlichen beruflichen Weg eingeschlagen hat, oder sogar jemand aus Ihrer Heimatstadt.
Respektieren Sie ihre Zeit . Oft sind Mentoren beschäftigt! Stellen Sie sicher, dass die Person, die Sie als Mentor suchen, Zeit hat, Ihr Wachstum zu unterstützen. Es ist auch wichtig, dass Sie sich die Mühe machen, die Beziehung aufrechtzuerhalten und mit ihnen in Verbindung zu bleiben.
Beachten Sie, dass Mentoren keinen direkten Bezug zur Datenwissenschaft haben müssen. Mentoren können Freunde von Freunden, erfahrenere Kollegen, ehemalige Kollegen oder sogar Teamkollegen sein. Wenn Sie beispielsweise einen Freund Ihrer Familie finden, der viel Erfahrung in seinem eigenen Nicht-Datenbereich hat, aber einen ähnlichen Hintergrund wie Sie hat und versteht, was Sie erreichen möchten, kann diese Person ein unschätzbar wertvoller Mentor für Sie werden. Oder Sie treffen zufällig jemanden bei einem ungezwungenen Arbeitsausflug, einer beruflichen Konferenz oder einem Treffen, mit dem Sie aufgrund gemeinsamer Interessen oder Hobbys sofort eine Verbindung aufbauen.
Möglicherweise kann (oder will) kein einziger Mentor in allen Bereichen Ratschläge erteilen. Denken Sie also über die Fähigkeiten, Erkenntnisse oder Werte nach, die Sie an dieser Person schätzen. Bauen Sie dann ein Netzwerk von Personen auf, an die Sie sich mit unterschiedlichen Fragen zu unterschiedlichen Themen (Stellensuche, öffentliches Reden, technische Themen, verschiedene Branchen usw.) wenden können.
Bauen Sie die Beziehung auf
Sobald Sie darüber nachgedacht haben, was Sie von einem Mentor erwarten, und jemanden gefunden haben, der Zeit und Erfahrung zum Teilen hat, müssen Sie diese Beziehung aufbauen. Manchmal entsteht die Verbindung auf natürliche Weise, aber normalerweise müssen Sie sie offiziell bitten, Sie als Mentor zu unterstützen.
Eine gute Möglichkeit, Kontakt aufzunehmen, ist eine freundliche E-Mail oder eine Nachricht auf einer professionellen Networking-Website. Beschreiben Sie Ihre Karriereziele, erklären Sie, wie diese Ziele Ihrer Meinung nach mit ihren eigenen Erfahrungen übereinstimmen, und sprechen Sie über etwas, das Sie beruflich an ihnen bewundern. Dann können Sie als ersten Schritt ein Kaffeegespräch, ein virtuelles Treffen oder einen E-Mail-Austausch vorschlagen.
Melden Sie sich unbedingt bei sich selbst. Es ist wichtig, dass Sie das Gefühl haben, dass es zu Ihnen passt und dass Sie die Betreuung erhalten, die Sie brauchen. Mentor-Mentee-Beziehungen sind gleichberechtigte Partnerschaften. Je ehrlicher Sie ihnen gegenüber sind, desto mehr können sie Ihnen helfen. Denken Sie vor allem daran, ihnen für ihre Zeit und Mühe zu danken!
Wenn Sie mit potenziellen Mentoren in Kontakt treten, werden Sie möglicherweise nervös, weil Sie sie stören oder zu viel Zeit in Anspruch nehmen könnten. Aber auch für Mentoren ist Mentoring von Bedeutung. Sie wollen Ihnen oft wirklich zum Erfolg verhelfen und investieren in Ihr Wachstum. Ihr Erfolg macht ihnen Freude! Viele Mentoren erzählen gerne von ihren Erfahrungen und teilen ihre Erfolge auch mit Ihnen. Mentoren lernen oft viel von ihren Mentees. Beide Seiten der Mentoring-Beziehung sind sinnvoll!
Ressourcen
Es gibt viele großartige Ressourcen, die Ihnen dabei helfen können, mit potenziellen Mentoren in Kontakt zu treten. Hier sind nur einige davon:
Meetups sind Treffen, die normalerweise in Ihrer Region stattfinden. Geben Sie eine Suche nach „Data Science Meetups in meiner Nähe“ ein, um zu sehen, welche Ergebnisse Sie erhalten. In der Regel gibt es einen ausgehängten Zeitplan für bevorstehende Treffen. Erfahren Sie mehr überTreffen finden auf der ganzen Welt statt.
Plattformen wie LinkedIn® und Twitter sind eine großartige Möglichkeit, mit anderen Fachleuten in Kontakt zu treten. Verwenden Sie eine Suche auf einer der beiden Plattformen, um Data Science- oder Datenanalyse-Hashtags zu finden, denen Sie folgen können. Veröffentlichen Sie Ihre eigenen Fragen oder Artikel, um Antworten zu generieren und auf diese Weise Verbindungen aufzubauen.
Webinare können mit einer Gruppe von Rednern stattfinden und werden in der Regel aufgezeichnet, um den Zugriff und die Wiedergabe zu erleichtern. Sie können sehen, wer in einem Webinar-Panel anwesend ist, und ihnen auch folgen. Außerdem sind viele Webinare kostenlos. Eine interessante Auswahl ist dieTableau in der Tableau-Webinarreihe. Erfahren Sie, wie Tableau Tableau in seinen internen Abteilungen eingesetzt hat. Es gibt auch eine Reihe anderer Webinare zum Thema Data Science unterBrighttalk.com
Konferenzen präsentieren innovative Ideen und Themen. Die Kosten variieren und einige sind teuer. Viele bieten Studenten jedoch Ermäßigungen an, und einige Konferenzen bieten solche Rabatte anFrauen in der AnalytikZiel ist es, die Zahl der unterrepräsentierten Gruppen in diesem Bereich zu erhöhen.
Verbände oder Vereine versammeln Mitglieder, um einen Bereich wie Datenanalyse voranzutreiben. Viele Mitgliedschaften sind kostenlos. DerVerband der Datenwissenschaftlerist nur ein Beispiel. DerBibliothek des Cape Fear Community Collegeverfügt außerdem über eine Liste von Berufsverbänden für Analytik, Business Intelligence und Geschäftsanalyse.
Benutzergemeinschaften und Gipfeltreffen bieten Veranstaltungen für Benutzer professioneller Tools. Dies ist eine Chance, von den Besten zu lernen. Haben Sie das erkundet?MalereioderPythonGemeinden?
Gemeinnützige Organisationen , die den ethischen Einsatz von Data Science fördern, bieten häufig Veranstaltungen zur beruflichen Weiterentwicklung ihrer Mitglieder an. DerData Science Associationist ein Beispiel.
Die zentralen Thesen
Einen Mentor zu finden und mit ihm in Kontakt zu treten, ist eine großartige Möglichkeit, Ihr Netzwerk aufzubauen, Karrierechancen zu nutzen und von jemandem zu lernen, der bereits einige der Herausforderungen erlebt hat, denen Sie in Ihrer Karriere gegenüberstehen. Unabhängig davon, ob es sich bei Ihrem Mentor um einen leitenden Kollegen, um jemanden, mit dem Sie auf LinkedIn® in Kontakt treten, oder um jemanden von zu Hause mit einem ähnlichen Karriereweg handelt, kann Mentoring Ihnen als Datenanalyseexperte große Vorteile bringen.
Bereiten Sie sich auf Ihre Jobsuche vor
Herzlichen Glückwunsch zu Ihren bisherigen Fortschritten und dazu, dass Sie sinnvolle Maßnahmen ergriffen haben, um Ihre Karriere voranzutreiben. Ich wollte Sie über einige der großartigen Aktivitäten und Ressourcen zum Karriereaufbau informieren, auf die Sie im Rest dieses Programms im nächsten Kurs stoßen werden, und diejenigen, die darauf folgen, werden die Möglichkeit haben, eine Reihe praktischer Aktivitäten auf der Grundlage von Daten durchzuführen gesteuerte Szenarien. Sie ermöglichen es Ihnen, das Gelernte in die Praxis umzusetzen und helfen Ihnen dabei, Ihre Fähigkeiten konkret mit Personalmanagern zu besprechen. Speichern Sie unbedingt Ihre Arbeit aus diesen Aktivitäten. Sie werden Ihnen nützlich sein, wenn Sie sich dem Ende des Programms nähern und anfangen, über die nächste Stufe Ihrer datengesteuerten Karriere nachzudenken. Wenn Sie den letzten Kurs des Programms erreichen, gehen wir eingehend auf die Vorbereitung auf die Jobsuche ein. Wir erklären Ihnen, wie Sie Jobs finden und bewerben, die Sie interessieren. Außerdem gebe ich Ihnen einige Tipps, die Ihnen bei der Vorbereitung auf das Vorstellungsgespräch helfen sollen, damit Sie wissen, was Sie erwartet. Außerdem erfahren Sie, wie Sie ein Online-Portfolio zusammenstellen, mit dem Sie Ihr Wissen und Ihre Erfahrung unter Beweis stellen können. Sie werden außerdem ein szenariobasiertes Projekt von Anfang bis Ende abschließen. Wenn Sie es in Ihr Portfolio aufnehmen und Ihren Arbeitsprozess anhand Ihrer bisherigen Arbeits- und Bildungserfahrungen potenziellen Arbeitgebern präsentieren können, wird Ihr Karriereweg einzigartig für Sie. Aber welchen Weg Sie auch wählen, das Wissen und die Ressourcen, die Sie in diesem Programm erwerben, werden Ihnen einen guten Start ermöglichen, denn Sie haben bereits so viel erreicht und es wird noch so viel kommen. Viel Glück auf dem nächsten Teil Ihrer Reise. Ich freue mich darauf, Sie bald wieder zu treffen.
Daisy: Heben Sie sowohl technische als auch soziale Fähigkeiten hervor
Video 023
Hallo, ich bin Daisy, Data Science Manager bei Google. Ich leite ein Team von Datenwissenschaftlern. Wir konzentrieren uns auf Bereitstellung, Einblicke und maschinelle Lernlösungen, um die Produktivität von Finanzanalysten zu verbessern. In den letzten drei Jahren habe ich etwa 200 Interviews geführt. Normalerweise stelle ich Datenwissenschaftler mittlerer Ebene ein, die über mindestens fünf Jahre einschlägige Berufserfahrung verfügen. Aber in der Vergangenheit hatte ich auch Erfahrung darin, Datenwissenschaftler auf Einstiegsebene einzustellen. Ich suche nach Kandidaten mit der Erfahrung, dass sie fortschrittliche Analyselösungen oder Lösungen für maschinelles Lernen nutzen, um geschäftliche Auswirkungen zu erzielen. Es ist sehr wichtig, diese Beweise im Lebenslauf zu haben oder diese Erfahrungen während des gesamten Vorstellungsgesprächs nachzuweisen. Und ich lege nicht wirklich Wert auf bestimmte Erfahrungen aus einer bestimmten Branche. Und der Grund dafür ist, dass ich sehe, dass ein guter Datenwissenschaftler sein Wissen tatsächlich nutzen und sich dann in ein anderes Geschäftsumfeld einarbeiten kann. Die erfolgreichen Kandidaten sind diejenigen, die in der Lage sind, ihre vergangenen Projekte oder ihre Schularbeiten mit Problemen jeglicher Art in Zusammenhang zu bringen. Unsere Interviewfragen umfassen normalerweise zwei Teile. Einer konzentriert sich darauf, die Kandidaten und ihr technisches Wissen zu verstehen. In diesem Zusammenhang möchten wir normalerweise ihre Programmierkenntnisse verstehen, insbesondere in Ro, Python und SQL. Darüber hinaus möchten wir auch ihre Kenntnisse im maschinellen Lernen oder in der Statistik verstehen. Und der zweite Teil würde sich mehr auf die Soft Skills beziehen. Bei diesen Aspekten geht es uns darum, ob die Datenwissenschaftler mit den Geschäftsinteressenten zusammenarbeiten und deren Probleme verstehen können. Und dann auch in der Lage sein, die Analyse und die Erkenntnisse zu empfehlen, um ihnen bei der Lösung ihrer Geschäftsprobleme zu helfen. Manchmal erlebe ich den Kandidaten, dass er bei den ersten Fragen stecken bleibt. Und dann werden sie während des gesamten Interviews über diese Frage nachdenken. Das ist also auch etwas, was ich den Kandidaten auf jeden Fall empfehlen würde. Geben Sie Ihr Bestes, aber wissen Sie auch, wann Sie aufhören müssen. Wenn Sie daran interessiert sind, Datenwissenschaftler zu werden, aber noch keine Berufserfahrung in diesem Bereich haben, würde ich Ihnen empfehlen, über den Aufbau Ihres Portfolios nachzudenken. Dies kann durch die Durchführung von Abschlussprojekten aus den Online-Kursen oder dem Zertifikatsprogramm sowie durch ehrenamtliche Arbeit geschehen. Und dann gibt es auch viele Keiko-Wettbewerbe, die Ihnen helfen zu verstehen, wie ein realitätsnahes Problem aussehen wird. Ich empfehle daher auf jeden Fall dringend, dieses Portfolio aufzubauen und sich mit den chaotischen Daten auseinanderzusetzen, die dem Problem der realen Welt nahe kommen.
Zeigen Sie Ihre Fähigkeiten: So bereiten Sie sich auf das Vorstellungsgespräch vor
Wie Sie erfahren haben, gibt es viele Schritte, die zur Vorbereitung Ihrer Jobsuche im Datenkarrierebereich erforderlich sind. Bevor Sie überhaupt mit der Bewerbung beginnen, ist es wichtig, dass Sie zwei wichtige Schritte unternehmen. Sie müssen eine professionelle Online-Präsenz aufbauen und Ihr Portfolio weiterentwickeln, um potenziellen Arbeitgebern Ihre Fähigkeiten zu präsentieren. Dies ist auch ein guter Zeitpunkt, um mit Mentoren in Kontakt zu treten, die Ihnen professionelle Einblicke geben und Sie bei der Vorbereitung auf den Bewerbungsprozess unterstützen können. Das Vorstellungsgespräch ist oft der letzte Schritt in diesem Prozess; Zusätzlich zu allen anderen Arbeitsvorbereitungen, die Sie durchführen müssen, wird Ihnen die Vorbereitung auf das Vorstellungsgespräch dabei helfen, diesen letzten Schritt selbstbewusst anzugehen. Um Sie auf den Arbeitsmarkt vorzubereiten, werden in dieser Lektüre vier verschiedene Arten von Vorstellungsgesprächen untersucht und Vorstellungsgesprächsfragen angeboten, bei deren Beantwortung dieses Zertifikatsprogramm Ihnen hilft.
Etablierung Ihres beruflichen Narrativs
Die Etablierung einer professionellen Erzählung oder Marke kann Ihnen dabei helfen, Verbindungen zwischen Ihrer täglichen Arbeit und dem positiven Einfluss herzustellen, den sie auf etwas Größeres hat. Bei diesem etwas Größeren könnte es sich um ein spannendes Projekt handeln, an dessen Fertigstellung Sie mitgeholfen haben, oder um eine positive Veränderung in Ihrer Organisation oder Gemeinde! Dies gilt für die Arbeit, die Sie bisher geleistet haben, und für die Arbeit, die Sie in den Rollen, auf die Sie sich bewerben, leisten möchten. Wenn Sie Ihre Erfahrungen und Ziele auf Ihr berufliches Narrativ ausrichten, können Sie ein stärkeres Gespür für den Wert entwickeln, den Sie einem Unternehmen und Ihren eigenen Karrierezielen bringen. Es ist wichtig, dass Sie Ihr berufliches Narrativ im Hinterkopf behalten, wenn Sie sich darauf vorbereiten, in den Karrierebereich der Datenprofis einzusteigen oder darin zu navigieren. Ihre persönliche Marke ist der Wert, den Sie potenziellen Arbeitgebern bieten. Es kann häufig Antworten auf Fragen geben, die während des Interviewprozesses gestellt werden.
Arten von Interviewfragen
Es gibt viele verschiedene Arten von Interviewfragen und jede Organisation hat ihre eigenen Prioritäten dafür, was sie über jeden Bewerber für jede Rolle wissen möchte. Interviewfragen gehören typischerweise zu einer von vier Kategorien:
Verhaltensfragen : Bei diesen Fragen werden Sie gebeten, zu beschreiben, wie Sie in der Vergangenheit mit bestimmten Situationen umgegangen sind und welche persönlichen Eigenschaften Sie haben. Sie sollen Ihre Fähigkeiten, Erfahrungen und Problemlösungsfähigkeiten sowie Ihre Eignung für die Unternehmenskultur beurteilen.
Technische Fragen : Bei diesen Fragen werden Sie aufgefordert, die in Ihrem Lebenslauf oder Portfolio dargestellten Kenntnisse und Fähigkeiten nachzuweisen. In Vorstellungsgesprächen für technische Positionen kann ein Arbeitgeber eine Demonstration spezifischer Aufgaben, früherer Projekte oder sogar eine Beurteilung zum Mitnehmen verlangen. Häufig werden diese technischen Demonstrationen als separate Aufgabe präsentiert, die Sie außerhalb des eigentlichen Vorstellungsgesprächs erledigen. Mit diesen Fragen sollen Ihre technischen Fähigkeiten und Ihr Fachwissen beurteilt werden.
Situationsbezogene Fragen : Bei diesen Fragen werden Sie gefragt, wie Sie mit hypothetischen Situationen umgehen würden. Ähnlich wie Verhaltensfragen verwenden Arbeitgeber in der Regel Situationsfragen, um ein vorläufiges Verständnis dafür zu entwickeln, wie Ihre Fähigkeiten zur Stelle passen. Situationsbezogene Fragen sollen Ihr Urteilsvermögen, Ihre Fähigkeiten zum kritischen Denken und Ihre Fähigkeit, Wissen auf neue Situationen anzuwenden, beurteilen.
Fachfragen : Bei diesen Fragen werden Sie nach Ihren Kenntnissen in einem bestimmten Fach oder Bereich gefragt, die sich normalerweise auf das Fachgebiet oder die Branche beziehen, für die Sie sich bewerben. Mit diesen Fragen soll ermittelt werden, wie gut Sie die Beziehung zwischen der Stelle, auf die Sie sich bewerben, und dem breiteren Kontext des Unternehmens verstehen. Arbeitgeber können diese Fragen auch nutzen, um Ihr Verständnis davon zu beurteilen, wie das Unternehmen im Gegensatz zu direkten Konkurrenten auf dem Markt funktioniert.
Dies sind nur einige Beispiele für die Arten von Fragen, die Ihnen in Vorstellungsgesprächen gestellt werden könnten. Diese Kategorien sind nicht universell und verschiedene Organisationen haben unterschiedliche Interviewstile – sie stellen möglicherweise sogar Fragen, die Kategorien kombinieren. Ein Interviewer könnte Ihnen beispielsweise eine hypothetische Situation nennen und Sie um ein Beispiel einer früheren Situation bitten, die Sie kennengelernt hat und die damit in Zusammenhang steht. Dabei handelt es sich um eine Kombination aus Verhaltens- und Situationsfrage. Im Allgemeinen besteht das Ziel von Interviewfragen darin, Ihre Fähigkeiten, Erfahrungen und Ihre allgemeine Eignung für die Stelle zu beurteilen. Denken Sie also bei der Vorbereitung daran.
Anwenden von Kurskompetenzen
Während Sie dieses Zertifikatsprogramm absolvieren, erlernen Sie Branchenkompetenzen, nach denen Interviewer gerne fragen werden. Während Ihrer Lernreise wird es hilfreich sein, Schlüsselkompetenzen zu identifizieren und im Gedächtnis zu behalten, die Sie besprechen müssen. Im Folgenden finden Sie eine Liste von Fragen, die Ihnen in einem Vorstellungsgespräch für Stellen als Datenfachmann gestellt werden könnten. In dieser Liste finden Sie Fragen, die repräsentativ für die vier im vorherigen Abschnitt erläuterten Kategorien von Interviewfragetypen sind. Wenn Sie Ihr Zertifikat abgeschlossen haben, sind Sie bereit, alle diese Fragen zu beantworten!
Kurs 1
Welche Schritte könnten Sie als neues Mitglied eines Datenanalyseteams unternehmen, um umfassend über ein aktuelles Projekt informiert zu sein? Wen würden Sie gerne treffen?
Wie würden Sie ein Analytics-Projekt planen?
Welche Schritte würden Sie unternehmen, um eine Geschäftsfrage in eine analytische Lösung umzusetzen?
Warum ist die aktive Verwaltung von Daten ein wichtiger Teil der Verantwortung eines Datenanalyseteams?
Welche Überlegungen müssen Sie möglicherweise berücksichtigen, wenn Sie Ergebnisse melden?
Kurs 2
Beschreiben Sie die Schritte, die Sie zum Bereinigen und Transformieren eines unstrukturierten Datensatzes unternehmen würden.
Auf welche spezifischen Dinge könnten Sie im Rahmen Ihres Reinigungsprozesses achten?
Welche Ausreißer, Anomalien oder ungewöhnlichen Dinge könnten Sie bei der Datenbereinigung in Betracht ziehen, die sich auf Analysen oder die Fähigkeit, Erkenntnisse zu gewinnen, auswirken könnten?
Kurs 3
Wie würden Sie den Unterschied zwischen qualitativen und quantitativen Datenquellen erklären?
Beschreiben Sie den Unterschied zwischen strukturierten und unstrukturierten Daten.
Warum ist es wichtig, eine explorative Datenanalyse (EDA) durchzuführen?
Wie würden Sie eine EDA für einen bestimmten Datensatz durchführen?
Wie erstellt oder ändert man eine Visualisierung basierend auf unterschiedlichen Zielgruppen?
Wie vermeiden Sie Verzerrungen und stellen die Zugänglichkeit einer Datenvisualisierung sicher?
Wie informiert die Datenvisualisierung Ihre EDA?
Kurs 4
Wie würden Sie Stakeholdern, die mit Analytics möglicherweise nicht vertraut sind, einen A/B-Test erklären?
Wenn Sie Zugriff auf Unternehmensleistungsdaten hätten, welche statistischen Tests könnten hilfreich sein, um die Leistung zu verstehen?
Welche Überlegungen würden Sie bei der Präsentation von Ergebnissen berücksichtigen, um sicherzustellen, dass sie Wirkung zeigen oder die gewünschten Ergebnisse erzielt haben?
Welche effektiven Möglichkeiten gibt es, statistische Konzepte/Methoden einem technisch nicht versierten Publikum zu vermitteln?
Erklären Sie in Ihren eigenen Worten die Faktoren, die in ein experimentelles Design für Designs wie A/B-Tests einfließen.
Kurs 5
Beschreiben Sie die Schritte, die Sie zur Durchführung einer regressionsbasierten Analyse unternehmen würden.
Listen und beschreiben Sie die kritischen Annahmen der linearen Regression.
Was ist der Hauptunterschied zwischen R2 und dem angepassten R2?
Wie interpretieren Sie ein QQ-Diagramm in einem linearen Regressionsmodell?
Was ist der Kompromiss zwischen Bias und Varianz? Wie hängt es mit der Erstellung eines multiplen linearen Regressionsmodells zusammen? Berücksichtigen Sie die Variablenauswahl und das angepasste R2.
Kurs 6
Welche Arten von Geschäftsproblemen lassen sich am besten durch überwachte Lernmodelle lösen?
Welche Voraussetzungen sind erforderlich, um effektive Modelle für überwachtes Lernen zu erstellen?
Was bedeutet maschinelles Lernen für Sie?
Wie würden Sie einem Teamkollegen, der mit dem Konzept noch nicht vertraut ist, erklären, was Algorithmen für maschinelles Lernen bewirken?
Wie funktioniert Gradient Boosting?
Fang an und sei dir dem Ende bewusst
An diesem Punkt des Zertifikatsprogramms befinden Sie sich noch am Anfang Ihrer Lernreise. Dadurch haben Sie die Möglichkeit, alles, was Sie lernen werden, im Kontext Ihres endgültigen Ziels zu betrachten: den nächsten Schritt in Ihrer Karriere als Datenprofi zu machen. Ein Teil des nächsten Schritts besteht darin, Gespräche mit potenziellen Arbeitgebern zu führen. Wenn Sie sich immer mehr Fähigkeiten aneignen und sich mit neuen Werkzeugen vertraut machen, kann Ihnen die Berücksichtigung dieser Interviewfragen dabei helfen, herauszufinden, wie sich das, was Sie jetzt lernen, auf künftige Arbeitsrollen anwenden lässt. Diese Fragen können Ihnen auch dabei helfen, Ihren Schwerpunkt in den einzelnen Kursen festzulegen – indem Sie darüber nachdenken, wie Sie die neuen Fähigkeiten und Kenntnisse, die Sie erlernen, nutzen könnten, können Sie besser verstehen, warum die Arbeit, die Sie jetzt erledigen, so wichtig ist!
Ab jetzt können Sie Ihre endgültigen Ziele im Auge behalten und sie weiterhin in Ihre berufliche Erzählung einbauen. Auf diese Weise verfügen Sie am Ende dieses Programms bereits über einen soliden Rahmen für die Kommunikation mit potenziellen Arbeitgebern.
Die zentralen Thesen
Das Vorstellungsgespräch ist eine Gelegenheit zu teilen, wie Sie einem Unternehmen einen Mehrwert verleihen können. Die Anerkennung Ihrer wachsenden Fähigkeiten und die Art und Weise, wie Sie diese Fähigkeiten potenziellen Arbeitgebern vermitteln können, ist eine großartige Möglichkeit, nicht nur Ihr technisches Know-how, sondern auch Ihre Fähigkeit zur effektiven Kommunikation zu demonstrieren. Diese Lektüre ist eine großartige Ressource, die Sie im Hinterkopf behalten sollten, wenn Sie Ihre Fähigkeiten und Ihr berufliches Narrativ weiterentwickeln und sich auf Ihre Jobsuche vorbereiten.
Einpacken
Wenn Sie sich dem Ende dieses Abschnitts nähern, nehmen wir uns einen Moment Zeit, um einige Schlüsselkonzepte durchzugehen, bevor wir fortfahren. Wir haben gesehen, dass der Bereich Datenkarriere im letzten Jahrzehnt ein erstaunliches Wachstum erlebt hat. Zukunftsprognosen deuten darauf hin, dass dies so weitergehen sollte. Sie haben auch festgestellt, dass Datenkompetenzen und -tools immer universeller werden. Gleichzeitig erwarten Experten eine weitere Spezialisierung der Rollen innerhalb der verschiedenen Bereiche. Wir lernten künstliche Intelligenz kennen und sahen, wie sie zu einem wichtigen Werkzeug für Datenprofis geworden ist. Während wir über die bisher behandelten Informationen nachdenken, denken Sie bitte daran, dass Sie diese Schritte der persönlichen und beruflichen Weiterentwicklung nicht alleine unternehmen. Als nächstes werfen wir einen genaueren Blick auf die Fähigkeiten, die Datenexperten benötigen, und untersuchen, wie größere Organisationen Datenanalysen integrieren. Ich freue mich darauf, Sie auf unserer weiteren Reise zu begleiten. Wir sehen uns im nächsten Video.
Glossarbegriffe aus Modul 3
Begriffe und Definitionen aus Kurs 1, Modul 3
Aktives Zuhören: Bezieht sich darauf, Teammitgliedern, Führungskräften und anderen Beteiligten die Möglichkeit zu geben, ihre eigenen Standpunkte darzulegen, bevor sie Antworten geben
Analytics-Teammanager : Ein Datenexperte, der die Analysestrategie für eine Organisation überwacht und oft mehrere Gruppen verwaltet
Business Intelligence Analyst : (Siehe Business Intelligence Engineer )
Business Intelligence Engineer: Ein Datenexperte, der sein Wissen über Geschäftstrends und Datenbanken nutzt, um Informationen zu organisieren und zugänglich zu machen; wird auch als Business Intelligence Analyst bezeichnet
Chief Data Officer : Ein Datenexperte auf Führungsebene, der für die Konsistenz, Genauigkeit, Relevanz, Interpretierbarkeit und Zuverlässigkeit der von einem Team bereitgestellten Daten verantwortlich ist
Datenbereinigung : Der Prozess der Formatierung von Daten und der Entfernung unerwünschten Materials
Dateningenieur: Ein Datenexperte, der Daten zugänglich macht, sicherstellt, dass Datenökosysteme zuverlässige Ergebnisse liefern, und die Infrastruktur für Daten unternehmensübergreifend verwaltet
Datenwissenschaftler : Ein Datenexperte, der eng mit der Analytik zusammenarbeitet, um aussagekräftige Erkenntnisse zu liefern, die zur Verbesserung aktueller Geschäftsabläufe beitragen
Zwischenmenschliche Fähigkeiten: Eigenschaften, die sich auf die Kommunikation und den Aufbau von Beziehungen konzentrieren
Mentor: Jemand, der Wissen, Fähigkeiten und Erfahrungen weitergibt, um anderen dabei zu helfen, sich beruflich und persönlich weiterzuentwickeln
RACI-Diagramm : Eine visuelle Darstellung, die dabei hilft, Rollen und Verantwortlichkeiten für Einzelpersonen oder Teams zu definieren, um sicherzustellen, dass die Arbeit effizient erledigt wird. listet auf, wer für Projektaufgaben verantwortlich, rechenschaftspflichtig, konsultiert und informiert ist
Begriffe und Definitionen aus früheren Modulen
A
Aggregierte Informationen : Daten einer erheblichen Anzahl von Benutzern, aus denen personenbezogene Daten entfernt wurden
Künstliche Intelligenz (KI): Bezieht sich auf Computersysteme, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern
D
Datenanonymisierung : Der Prozess des Schutzes privater oder sensibler Daten von Personen durch Eliminierung personenbezogener Daten
Datenexperte : Jede Person, die mit Daten arbeitet und/oder über Datenkenntnisse verfügt
Datenwissenschaft : Die Disziplin, Daten nutzbar zu machen
Datenverantwortung: Die Praktiken einer Organisation, die sicherstellen, dass Daten zugänglich, nutzbar und sicher sind
UND
Edge-Computing : Eine Methode zur Verteilung von Rechenaufgaben auf eine Reihe benachbarter Prozessoren (z. B. Computer), die sich positiv auf Geschwindigkeit und Ausfallsicherheit auswirkt und nicht von einer einzigen Rechenleistungsquelle abhängt
H
Hackathon: Eine Veranstaltung, bei der Programmierer und Datenexperten zusammenkommen und an einem Projekt arbeiten
J
Jupyter Notebook: Eine Open-Source-Webanwendung zum Erstellen und Teilen von Dokumenten, die Live-Code, Gleichungen, Visualisierungen und narrativen Text enthalten
M
Maschinelles Lernen : Die Verwendung und Entwicklung von Algorithmen und statistischen Modellen, um Computersystemen beizubringen, Muster in Daten zu analysieren
Metriken : Methoden und Kriterien zur Auswertung von Daten
N
Gemeinnützig: Eine Gruppe, die zu anderen Zwecken als der Erzielung von Gewinn organisiert ist; Ziel ist es oft, einen sozialen Zweck zu fördern oder der Öffentlichkeit einen Nutzen zu verschaffen
Ö
Offene Daten : Daten, die der Öffentlichkeit zur Verfügung stehen und kostenlos genutzt werden können, mit Anleitungen zum Navigieren in den Datensätzen und zur Angabe der Quelle
P
Persönlich identifizierbare Informationen (PII): Informationen, die einen direkten oder indirekten Rückschluss auf die Identität einer Person ermöglichen
Python : Eine universelle Programmiersprache
S
Stichprobe: Ein Segment einer Bevölkerung, das repräsentativ für die gesamte Bevölkerung ist
T
Tableau : Eine Business-Intelligence- und Analyseplattform, die Menschen dabei hilft, Daten zu visualisieren, zu verstehen und Entscheidungen zu treffen
Willkommen zu Modul 4
Wir begannen unsere Reise in die Berufswelt der Daten, indem wir uns mit den Grundlagen der Datenwissenschaft befassten, Karrieren erkundeten und die für den Erfolg erforderlichen Fähigkeiten besprachen. In diesem Abschnitt untersuchen wir den Arbeitsablauf bei datengesteuerten Karrieren. Sie werden in ein hilfreiches Organisationstool namens PACE-Modell eingeführt, das für Struktur sorgt und gleichzeitig große Flexibilität bei der Arbeit an Projekten ermöglicht. Wir erkunden die Elemente effektiver Kommunikation und einige Best Practices beim Teilen Ihrer Ideen mit anderen. All diese Fähigkeiten und Tools helfen Ihnen bei der Vorbereitung auf Ihr bevorstehendes Portfolio-Projekt. Ich weiß, dass Sie sich darauf freuen, weiterzumachen. Lass uns anfangen.
Hautahi: Bedeutung der Kommunikation in einer Karriere im Bereich Datenwissenschaft
Hallo. Ich bin Hautahi, ich bin Senior Data Scientist bei Google. Ich arbeite hauptsächlich an der Gleichbehandlung und algorithmischen Fairness in den YouTube-Empfehlungssystemen. Wir versuchen sicherzustellen, dass unsere Systeme sowohl für Benutzer als auch für Ersteller fair und inklusiv sind. Ich glaube nicht, dass es möglich ist, eine erfolgreiche Karriere im Bereich Datenwissenschaft zu machen, wenn man sich nur auf technisches Know-how verlässt. Wenn Sie sich nur auf technisches Know-how und keine effektive Kommunikation verlassen, besteht die Gefahr von Missverständnissen und Frustrationen unter Ihren Kollegen und Stakeholdern. Mein Team arbeitet in der Regel produktlinienübergreifend innerhalb von YouTube. Dazu müssen Sie neu formulieren, was Sie mit Team A tun, und die Begriffe der Art von Sprache festlegen, mit denen Team B besser vertraut ist, sowie die wichtigen Unterschiede in der Art und Weise, wie sie über ihre Produkte denken. Der Großteil Ihrer Arbeit basiert auf guter Kommunikation, sei es innerhalb eines kleinen Teams, das technisches Wissen austauscht oder diese Informationen mit einem breiteren Spektrum von Interessengruppen teilt. Eine gute Möglichkeit, effektive Kommunikationsfähigkeiten und Vorstellungsgespräche unter Beweis zu stellen, besteht darin, über konkrete Beispiele zu sprechen, sei es aus früheren Jobs oder aus Ihrem Privatleben. Sie zeigen wirklich, dass Sie sich die Frage sorgfältig überlegt haben. Dies muss definitiv nicht in der Datenanalyse der Fall sein. Es kann sich um jede Erfahrung handeln, die Sie zuvor im Leben gemacht haben. Tatsächlich ist eines der Dinge, die ich an meinen Data-Science-Kollegen schätze, das breite Spektrum an Hintergründen. Aus persönlicher Sicht glaube ich nicht, dass mein Hintergrund überhaupt traditionell ist. Ich bin ein Einwanderer in die USA. Ich bin im ländlichen Neuseeland auf dem Land meines Stammes aufgewachsen, mit Maori, einem einheimischen Neuseeländer, und habe nur Maori gesprochen, bis ich etwa sieben oder acht Jahre alt war. Ich denke, mein Maori-Hintergrund hat mir bei meinen Kommunikationsfähigkeiten geholfen, da in der Maori-Kultur großer Wert auf verbale Kommunikation gelegt wird. Ich denke auch, dass ich bei früheren Jobs, die überhaupt nichts mit Datenanalyse zu tun hatten, zum Beispiel an der Uni, in einem Hotel gearbeitet habe und dort mit Menschen mit den unterschiedlichsten Hintergründen sprechen konnte, und dass ich dadurch einfach Kommunikationsfähigkeiten erlernen konnte . Mein Rat an diejenigen, die möglicherweise ein wenig Probleme mit den Fähigkeiten am Arbeitsplatz und der Kommunikation haben, ist, darum zu bitten, zu Besprechungen eingeladen zu werden. Wir müssen keinen Beitrag leisten, aber Sie können es als Gelegenheit nutzen, Menschen zu beobachten, die gut kommunizieren können. Die andere Möglichkeit besteht darin, vielleicht die Menschen, deren Kommunikationsfähigkeiten Sie bewundern, zu bitten, als Mentor zu fungieren und Ihnen einige dieser Fähigkeiten beizubringen. Beobachten Sie im Allgemeinen einfach Menschen, die gut kommunizieren können. Es muss nicht nur am Arbeitsplatz stattfinden, sondern kann auch anderswo in Ihrem Privatleben stattfinden.
Einführung in PACE
Der wichtigste Teil eines jeden Projekts ist die Vorbereitung. Dabei geht es darum, alle notwendigen Schritte und zu erwartenden Aufgaben zu durchdenken. Nehmen wir an, Sie planen eine Dinnerparty. Sie beginnen mit der Planung des Themas, des Menüs, der Gästeliste und aller anderen Details. Als Nächstes können Sie die Reservierungsliste und die Ernährungsbeschränkungen überprüfen oder einen Ausflug zum Lebensmittelgeschäft machen, um Zutaten zu besorgen. Anschließend kehrten Sie nach Hause zurück, um Ihr Geschirr zuzubereiten, Ihren Raum aufzuräumen, den Tisch zu decken und sich fertig zu machen. Weil man im Vorfeld so viel vorbereitet, wird der Abend großartig. Auch wenn dieses Szenario fiktiv ist oder nicht, bietet es einige kluge Ratschläge. Als Datenprofi sind Sie durch die Fähigkeit, Daten zu visualisieren, Ergebnisse vorherzusagen und Hindernissen schnell auszuweichen, ein Problemlöser und eine große Bereicherung für jedes Unternehmen. Benjamin Franklin sagte einmal: „Wenn man sich nicht vorbereitet, bereitet man sich auf das Scheitern vor.“ Nach fast drei Jahrhunderten gilt es immer noch für etwas so Einfaches wie eine Dinnerparty oder so komplexes wie eine Weltraummission. Unabhängig vom Projekt kann es von großem Nutzen sein, einen strukturellen Rahmen für die Erledigung dieser Arbeit zu haben. Ich habe in meiner Zeit viel in der Datenwissenschaftsberatung gearbeitet. Eines der häufigsten Probleme, die ich gesehen habe, ist, dass Teams zu mir kommen und meinen, sie bräuchten Ratschläge, welches Tool oder welche Gleichung sie verwenden sollen, und wir alle während des Meetings feststellen, dass sie das völlig falsche Problem lösen. Alle Mathematik des Universums hilft Ihnen nicht, wenn Sie sie nicht in die richtige Richtung lenken. Aber es ist leicht, sich über die kleinsten Details zu freuen und sich Hals über Kopf in die Zeitverschwendung zu stürzen. Die besten Teams, mit denen ich zusammengearbeitet habe, haben ein Rahmenwerk eingeführt, das ihnen hilft, sich auf die wirkungsvollsten Aktionen in der effizientesten Reihenfolge zu konzentrieren, und sie hatten die Disziplin, es zu nutzen, um auf dem richtigen Weg zu bleiben, anstatt ins Chaos zu verfallen. Diejenigen unter Ihnen, die das Google Data Analytics-Zertifikat abgeschlossen haben, werden sich an eine Struktur für den Datenworkflow erinnern, die in sechs Phasen unterteilt war: Fragen, Vorbereiten, Verarbeiten, Analysieren, Teilen und Handeln. Dieses Framework ist für eine Vielzahl von Projekten sehr nützlich, aber bei größeren Datensätzen benötigen Sie oft mehr Freiheit und Flexibilität. Das für dieses Programm entwickelte PACE-Framework bietet den gleichen Workflow und die gleiche Struktur, jedoch auf einfachere Weise. PACE ist ein Framework, das mit Input und Feedback unseres Teams von Datenexperten entwickelt wurde. Ziel von PACE ist es, eine erste Struktur bereitzustellen, die Sie durch Projekte führt. Ziel ist es, eine Grundlage zu schaffen, auf der Sie Ihre eigenen Workflow-Praktiken entwickeln. Das PACE-Framework hilft Ihnen, Probleme schnell und effizient zu lösen und Urteile zu fällen. PACE ist ein Akronym. Jeder einzelne Buchstabe stellt eine umsetzbare Phase in einem Projekt dar: Planen, Analysieren, Konstruieren und Ausführen. In der Planungsphase definieren Sie den Umfang Ihres Projekts. Zunächst ermitteln Sie den Informationsbedarf Ihrer Organisation. Hier sollten Sie sich Fragen wie die folgenden stellen. Was sind die Ziele des Projekts? Welche Strategien werden benötigt? Welche geschäftlichen oder betrieblichen Auswirkungen wird dieser Plan haben? Eine Bestandsaufnahme des Projekts und der erforderlichen Aufgaben wird Ihnen helfen, den Kontext Ihrer Arbeit besser zu verstehen und sich auf den Erfolg vorzubereiten. Während der Analyse beschäftigen Sie sich mit den Daten. Sie bereiten es zunächst für Ihr Projekt vor. Hier beziehen Sie die erforderlichen Daten aus primären und sekundären Quellen und bereinigen sie anschließend, organisieren sie neu und transformieren sie für die Analyse. Anschließend führen Sie eine methodische Untersuchung der Daten durch. Darüber hinaus beschäftigen Sie sich mit der explorativen Datenanalyse, kurz EDA. Dazu gehört die Konvertierung der Daten in verwendbare Formate, die Bewertung der Datenqualität und die anschließende Untersuchung der Daten, um möglichst viele potenziell nützliche Erkenntnisse und Richtungen zu finden. Anschließend arbeiten Sie mit Ihren Stakeholdern zusammen, um herauszufinden, welche dieser Bereiche es wert sind, detaillierter verfolgt zu werden. Das bringt uns zur Konstruktionsphase, in der Sie eine begrenzte Teilmenge aller potenziellen Erkenntnisse verfolgen, die Ihnen in Ihrer EDA interessant erschienen. Hier arbeiten Sie mit anderen Datenexperten, möglicherweise Statistikern und Ingenieuren für maschinelles Lernen zusammen, um beispielsweise Modelle für maschinelles Lernen zu erstellen und diese zu überarbeiten, Beziehungen innerhalb Ihrer Daten aufzudecken und statistische Schlussfolgerungen über diese Beziehungen zu ziehen. Schließlich teilen Sie in der Ausführungsphase das Ergebnis Ihrer Analyse und Ihrer Zusammenarbeit mit Ihren Stakeholdern sowie den Wert, den Sie aus Ihren Daten erschlossen haben. Hier präsentieren Sie Ihre Erkenntnisse internen und externen Stakeholdern, beantworten Fragen und berücksichtigen unterschiedliche Standpunkte. Sie haben auch die Möglichkeit, Empfehlungen basierend auf den Erkenntnissen aus den Daten abzugeben. Möglicherweise stellen Sie fest, dass Sie die Planungs- und Analysephasen noch einmal durchgehen, wenn Sie Modelle verfeinern und Feedback einbeziehen. Eine gute Möglichkeit, sich das PACE-Framework als fertige Schaltung vorzustellen, bei der jede der vier Phasen bearbeitet werden muss gealtert, damit es richtig funktioniert. Der Strom oder Energiefluss im PACE-Kreislauf ist die Kommunikation zwischen Ihnen, Ihrem Team und allen anderen beteiligten Stakeholdern und Mitarbeitern. Wenn man die Phasen auf diese Weise betrachtet, könnte man denken, dass die Kommunikation nur in eine Richtung verläuft. Nun ja, Sie beginnen immer mit der Planung, haben aber keine Angst, noch einmal zurückzugehen und noch einmal zu wiederholen. Mit PACE können neue Informationen und Feedback in jeden Teil des Prozesses integriert werden. Möglicherweise müssen Sie zur Analyse zurückkehren, um einen bestimmten Aspekt der Daten zu klären, und dann zur Ausführung zurückkehren, um diesen Aspekt Ihren Stakeholdern zu präsentieren, ohne dass neue Modelle oder Dashboards erstellt werden müssen. Unterwegs erfahren Sie, wie das PACE-Framework so skaliert werden kann, dass es in den Umfang jedes Projekts passt. Die Anpassungsfähigkeit des Modells bereitet Sie auf einen dynamischen Beruf vor, der ein hohes Maß an beruflicher Flexibilität und Kommunikation erfordert. Unabhängig davon, wohin Ihre Karriere Sie führt, ist das PACE-Framework ein Werkzeug, das eine klare Grundlage und Struktur bietet. Durch die kontinuierliche Anwendung des PACE-Frameworks bereiten Sie sich auf jedes Kursportfolioprojekt vor. Dann haben Sie die Möglichkeit, Ihre sich weiterentwickelnden Fähigkeiten zu üben. Jedes Portfolioprojekt bietet Möglichkeiten zur Entwicklung und Stärkung Ihrer Organisationsmethoden. Wenn Sie Ihren eigenen intuitiven Workflow entwickeln, kann das PACE-Framework ein großartiges Organisationstool sein. Als nächstes schauen wir uns an, wie wichtig Kommunikation ist.
Schlüsselelemente der Kommunikation
Als Kind liebte ich es, Dinge auseinanderzunehmen, um zu sehen, wie im Inneren alles zusammenpasst, damit etwas funktioniert. Eigentlich mache ich das auch heute noch gerne und das geht viel einfacher mit greifbaren Dingen, die man halten und anschauen kann, wie zum Beispiel einem Stift. Ich kann die Spitze drehen, um jeden Abschnitt auseinanderzuziehen. Von dort aus kann ich die Tintenpatrone herausziehen und prüfen, wie die Feder mit dem oberen Teil des Stifts zusammenarbeitet, damit er einrastet. Das Studium der Funktionsweise von Dingen wird viel schwieriger, wenn wir anfangen, über abstrakte Konzepte wie Kommunikation nachzudenken, und Sie fragen sich wahrscheinlich, warum es überhaupt wichtig ist, darüber zu sprechen. In Ihrer Rolle als Datenexperte sind Sie die direkte Verbindung zwischen den Informationen in den Daten und anderen Projektbeteiligten. Werfen wir also einen genaueren Blick auf einige wichtige Überlegungen beim Verfassen einer Nachricht. Bei jedem kommunikativen Austausch gibt es drei Schlüsselelemente, die wir im Auge behalten müssen: Zweck, Empfänger und Sender. Wenn wir über den Zweck nachdenken, möchte ich, dass Sie über den Grund nachdenken, warum die Kommunikation stattfindet. In analytisch orientierten Umgebungen befinden Sie sich möglicherweise in Situationen, in denen technische Informationsspeicher eine Analyse oder Berichterstattung erfordern. Andererseits kann es Kontexte geben, die von strategischen Erkenntnissen abhängen, die zur Steuerung der finanziellen oder organisatorischen Bemühungen eines Unternehmens verwendet werden. Der Empfänger ist Ihr Publikum. Wenn Sie an die Empfänger Ihrer Nachrichten denken, möchte ich, dass Sie auch darüber nachdenken, mit wem Sie sprechen. Bei der Gestaltung der Kommunikation ist es hilfreich zu fragen: Was weiß mein Publikum bereits? Was müssen sie wissen? Und es ist wichtig zu bedenken, dass jeder Austausch eine Kette von Ereignissen nach sich ziehen kann. Als Datenexperte arbeiten Sie oft als Teil eines verteilten Teams innerhalb einer Organisation. Aus diesem Grund kann eine Nachricht, die an einen Empfänger weitergegeben wird, für die Berichterstattung mit oder an andere verwendet werden. Der Absender ist die Person, die für die Erstellung dieser Nachricht oder Kommunikation verantwortlich ist. Ja, du, du bist der Absender. Der Absender ist ein entscheidender Teil jedes kommunikativen Austauschs. Als Sender ermutige ich Sie, über Folgendes nachzudenken: Welche Beziehung haben Sie zu den Empfängern? Welche Rolle spielen Sie in diesem Austausch? Berichten Sie über Erkenntnisse? Schlagen Sie Ideen vor oder identifizieren Sie potenzielle Dateneingaben? Welche persönlichen Vorurteile könnten sich auch auf die Botschaft auswirken, die Sie vermitteln möchten? Im Mittelpunkt der Beziehung zwischen Zweck, Empfänger und Absender steht die Nachricht oder Kommunikation, die Sie mitteilen möchten und die von allen drei Elementen beeinflusst wird. Aus diesem Grund kann dieselbe Botschaft auf völlig unterschiedliche Weise verbreitet werden. Wenn sich der Zweck und die Empfänger von Szenario zu Szenario ändern. Sie kennen beispielsweise einen Datenexperten, der an einem komplexen Projekt arbeitet. Sie sind dabei, seit das Projekt durch eine Idee in einem Meeting ins Leben gerufen wurde. Die Art und Weise, wie sie den Pitch, die Struktur, die Forschung, die Modelle und die Ergebnisse des Projekts artikulieren, ändert sich je nachdem, mit wem sie sprechen. Bei technisch nicht versierten Zielgruppen ist es viel weniger wahrscheinlich, dass sie sich auf Details über den Code konzentrieren, der zum Programmieren des Modells verwendet wird, sondern stattdessen auf die Auswirkungen des Projekts. Wenn sich das Publikum anderen Kollegen zuwendet, möchte Ihr Freund möglicherweise stattdessen sehr detailliert auf den Code und die Projektlogistik eingehen. In beiden Fällen war die ausgetauschte Gesamtbotschaft, also die Informationen über das Projekt, dieselbe. Die Art und Weise, wie es erstellt wurde, welche Details enthalten waren und wie die Informationen organisiert waren, das war der Unterschied. Nachdem wir nun die Schlüsselelemente der Kommunikation untersucht haben, können wir wirklich damit beginnen, über einige der Best Practices nachzudenken, die Ihnen bei der Kommunikation in Ihrem zukünftigen Job zum Erfolg verhelfen werden.
Beste Kommunikationspraktiken für Datenprofis
Effektive Kommunikation treibt PACE voran
Während der gesamten PACE-Phase können Stakeholder Feedback geben, Fragen stellen oder um Klarstellung bitten. Die Fähigkeit zur Kommunikation ist der Schlüssel; Zu jedem Zeitpunkt im Lebenszyklus eines Projekts müssen Sie in der Lage sein, Hindernisse und Ergebnisse mitzuteilen und die notwendigen Informationen bereitzustellen, um die Entscheidungsfindung zu unterstützen. Die Kommunikation treibt jede Phase von PACE voran, von der Datenerfassung über die Erstellung von Modellen bis hin zum Austausch von Ergebnissen. Als Datenexperte benötigen Sie eine Kombination aus starken Kommunikationsfähigkeiten und den technischen Fähigkeiten, die Sie erlernen, um in der Datenkarriere erfolgreich zu sein. In dieser Lektüre erfahren Sie einige Tipps für eine effektive Kommunikation, die Sie in den Phasen von PACE anwenden können. Sie werden außerdem einige Best Practices entdecken, mit denen Sie Ihre Erkenntnisse in Präsentationen teilen können, die Sie in Zukunft nutzen können.
Sieben Tipps für effektive Kommunikation
Im Laufe eines typischen Arbeitstages werden Sie auf unterschiedliche Weise mit Stakeholdern interagieren. Einige Ihrer Interaktionen erfolgen über E-Mails und Nachrichten, andere über Besprechungen und Einzelgespräche und sogar formelle Präsentationen. Jede Interaktion erfordert einen individuellen Ansatz, um sicherzustellen, dass Ihr Publikum versteht, was Sie mitteilen möchten. Die folgenden sieben Tipps können Ihnen bei der Kommunikation helfen, unabhängig davon, welche Form sie annimmt oder in welcher PACE-Phase sich Ihr Projekt befindet:
1. Sprechen Sie die Sprache Ihres Publikums
Identifizieren Sie die Bedürfnisse Ihres Publikums. Es ist wichtig, die Ziele der Person zu kennen, mit der Sie kommunizieren. Wenn Sie sich auf ihre Bedürfnisse konzentrieren, können Sie Einblicke gewinnen und beurteilen, wie technisch das Gespräch sein sollte. Betrachten Sie die folgenden Fragen:
Warum hat diese Person Sie kontaktiert?
Was wünschen sich Ihre Stakeholder von dieser Interaktion?
Was ist ihnen, ihrem Team oder ihrer Organisation wichtig?
In Ihrer Rolle als Datenexperte interagieren Sie mit einer Vielzahl von Interessengruppen. Bestimmen Sie, was sie wissen, was sie wissen müssen und was über ihre Beteiligung an einem Projekt hinausgehen könnte.
Zerlegen Sie technische Konzepte in einfachere Begriffe.
Verwenden Sie kürzere Sätze, damit die Hauptgedanken leichter zu verstehen und zu merken sind.
Verwenden Sie eine direkte Sprache und minimieren Sie Ausschmückungen oder unnötige Details.
Achten Sie auf unterschiedliche Hintergründe und respektieren Sie die gelebten Erfahrungen anderer.
Profi-Tipp : Vermeiden Sie Fachjargon, Akronyme und technische „Schlagworte“, die zu Verwirrung führen könnten.
2. Laden Sie Fragen ein und freuen Sie sich über Feedback
Jeder kann Feedback gebrauchen – sei es eine positive Verstärkung oder Verbesserungsmöglichkeiten. Wenn Sie sich auf die Details einer Aufgabe konzentrieren, kann es passieren, dass Sie etwas übersehen. Das Feedback einer anderen Person bietet Ihnen eine großartige Möglichkeit, Erkenntnisse für Ihr persönliches Wachstum und Ihre berufliche Exzellenz zu sammeln. Indem Sie die Herausforderung annehmen, die Feedback und Fragen mit sich bringen, stärken Sie Ihre eigenen Fähigkeiten und helfen dem Gesamtprojekt.
Verschmelzen Sie Ihre Leidenschaft für die Lösungsfindung mit den Zielen des Projekts.
Bemühen Sie sich weiterhin um ein besseres Verständnis der Ergebnisse.
Holen Sie Feedback und Fragen ein, um die Kommunikation über Ihre Projekte zu verbessern.
Erwägen Sie Möglichkeiten, Ihre Kommunikationsfähigkeiten zu reflektieren.
Profi-Tipp : Analysieren Sie das Feedback. Ist es gültig? Verfügt die Person über ein vollständiges Verständnis der Ziele des Projekts oder des Datenanalyseprozesses? Wenn nicht, vereinbaren Sie ein zusätzliches Treffen zur Klärung.
3. Stellen Sie die Verbindung zu den Daten her
Sie sind die direkte Verbindung Ihres Teams zu den Erkenntnissen, die Ihre Daten bieten. Ihr Ziel ist es, anderen Stakeholdern zu helfen, den Prozess zu verstehen und zu verstehen, wie er auf ihre Bedürfnisse eingeht. Wenn jeder den Prozess versteht, kann die Kommunikation sehr effektiv sein.
Konzentrieren Sie sich auf die Ziele, um anderen zu helfen, Ihren Datenprozess besser zu verstehen.
Erzählen Sie die Geschichte der Daten mit einer überzeugenden und zusammenhängenden Erzählung.
Beantworten Sie Fragen zeitnah.
Zeigen Sie dem Team Ihren Wert.
Finden Sie Möglichkeiten, Fragen von Stakeholdern zu beantworten.
Profi-Tipp : Ermitteln Sie weiterhin proaktiv, wie Sie mit den Daten und Tools, auf die Sie Zugriff haben, die Ziele Ihres Teams erreichen und neue Erkenntnisse gewinnen können.
4. Lassen Sie Ihre Visualisierungen dabei helfen, die Geschichte zu erzählen
Visualisierungen sind eine der besten Möglichkeiten, Ideen zu kommunizieren, insbesondere wenn es um Big Data geht. Visuelle Referenzen helfen dabei, die Details in Ihren Daten zum Leben zu erwecken. Grafiken, Diagramme und Infografiken können das allgemeine Verständnis fördern. Später lernen Sie Tableau kennen, ein Visualisierungstool, mit dem Sie aus Daten überzeugende visuelle Darstellungen erstellen können.
Stellen Sie sicher, dass Ihre Bilder die Geschichte innerhalb der Daten erzählen.
Entwerfen Sie Visualisierungen für Inklusivität.
Verwenden Sie Beschriftungen und Text zur Verdeutlichung und nicht zur Unordnung.
Verwenden Sie Schriftarten, die gut lesbar sind.
Verwenden Sie hohen Kontrast, Schattierungen und andere Anpassungen, um Ihre Botschaften klar zu kommunizieren.
Bieten Sie Handouts, Folien und anderes Material in zugänglichen Formaten an.
Profi-Tipp : Halten Sie Visualisierungen einfach. Bei der Entscheidung, was in eine Präsentation aufgenommen werden soll, gilt: Weniger ist mehr.
5. Bauen Sie positive berufliche Beziehungen auf
Wenn Sie die Verantwortlichkeiten und Ziele anderer berücksichtigen, wird Ihre Kommunikation diese Überlegung widerspiegeln. Dies stärkt die Glaubwürdigkeit und den Einfluss an Ihrem Arbeitsplatz und ermöglicht Ihnen, sich im Laufe Ihrer Karriere weiterzuentwickeln.
Konzentrieren Sie sich auf das, was für Ihr Publikum wichtig ist.
Laden Sie Feedback und Diskussion ein.
Seien Sie ein vertrauenswürdiger Fachexperte, der klar und umfassend kommuniziert.
Pflegen Sie positive Interaktionen, um die Arbeitsbeziehungen zu stärken und die Arbeitsmoral zu verbessern.
Profi-Tipp : Wenn ein Stakeholder Sie kontaktiert, seien Sie erreichbar und engagiert in Ihrer Kommunikation.
6. Identifizieren Sie Annahmen über die Daten
Die Hintergründe, Erfahrungen, Überzeugungen und Weltanschauungen von Menschen können die in Daten enthaltenen Informationen beeinflussen. In Ihrer Rolle als Datenanalyseexperte sollten Sie darüber nachdenken, wie diese verschiedenen Faktoren zu Verzerrungen führen können.
Wenn sie nicht erkannt werden, können Annahmen einen starken Einfluss auf die Ergebnisse haben. Ohne Informationen besteht oft die Tendenz, Verständnislücken mit Annahmen zu schließen. Die effektivsten Methoden, um die Auswirkungen von Annahmen zu reduzieren, sind aktives Zuhören und effektives Stellen von Fragen. Diese Fragen können beispielsweise dabei helfen, etwaige Annahmen zu identifizieren:
Gibt es etwas, das ich für selbstverständlich halte?
Gehe ich hier von etwas aus, was ich nicht tun sollte?
Kann ich feststellen, ob die Annahme richtig ist?
Profi-Tipp: Datenexperten müssen ihre eigenen Annahmen sowie die Annahmen ihrer Zielgruppe identifizieren. Berücksichtigen Sie auch Ihre Voreingenommenheit!
7. Identifizieren Sie Einschränkungen in den Daten
Als Datenexperte stoßen Sie auch auf Einschränkungen innerhalb der Daten, die Ihre Analyse behindern können. Diese Einschränkungen müssen behoben werden, bevor Sie fortfahren können. Um Sie bei der Identifizierung von Datenbeschränkungen zu unterstützen, stellen Sie die folgenden Fragen:
Sind die Daten vollständig? Fehlen Werte oder Abschnitte?
Sind die Datensätze korrekt formatiert?
Ist dies eine ausreichende Stichprobengröße, um eine Analyse einer gesamten Population oder Gruppe durchzuführen?
Welche Verzerrungen sind im Datensatz vorhanden?
Enthalten diese Daten personenbezogene Daten? Welche Schritte werde ich unternehmen, um diese Informationen zu schützen?
Profi-Tipp: Zusätzlich zur Identifizierung und Kommunikation von Datenbeschränkungen vor der Analyse müssen Sie auch sicherstellen, dass die Stakeholder sich der Einschränkungen bewusst sind, die sich während Ihrer Präsentation noch auf die Ergebnisse auswirken.
Erkenntnisse teilen
Eine der wichtigsten Kommunikationen, die Sie mit Stakeholdern führen werden, ist die Weitergabe Ihrer Erkenntnisse, häufig in Form von Präsentationen. Dies bedeutet, dass Sie die Ergebnisse, Konzepte und Begriffe Ihrer Analyse für ein breiteres Publikum übersetzen müssen. Wenn Sie die Ergebnisse Ihrer Analyse mit Stakeholdern teilen, sollten Sie einige Best Practices anwenden:
Gestalten Sie Ergebnisse entsprechend den Bedürfnissen Ihrer Stakeholder. Kommunizieren Sie, warum diese Daten ihnen helfen, ihre Ziele zu erreichen.
Bestimmen Sie die Visualisierungen und/oder Dashboards, die am effektivsten sind. Welche Daten müssen Sie anzeigen und wie sollen Stakeholder damit interagieren?
Denken Sie sorgfältig über das Design nach. Ein einfacher, aber optisch ansprechender Ansatz für Visualisierungen ist immer der Beste.
Verwenden Sie eine Datenhierarchie in Ihren Visualisierungen/Dashboards. Die wichtigsten Informationen sollten leicht zugänglich sein, Sie sollten jedoch einen Pfad für weitere Details angeben.
Was muss ich beachten, wenn ich Ergebnisse teile?
Welche Informationen sind für mein Publikum am wichtigsten?
Wie kann ich mit den verfügbaren Tools und der mir zur Verfügung stehenden Zeit am effizientesten teilen?
Was kann ich tun, um die Kernaussagen effektiv umzusetzen?
Präsentationen
Die klare und effektive Präsentation von Informationen ist der Schlüssel zum Arbeitsablauf eines Datenwissenschaftlers. Zu den Kommunikationsfähigkeiten, die sich auf Präsentationen beziehen, gehören unter anderem: die Struktur Ihrer Präsentation, das Foliendesign, der Ton Ihrer Stimme und die Körpersprache, die Sie vermitteln, und mehr. Es ist auch wichtig, beim Erstellen von Assets die Barrierefreiheit zu berücksichtigen. Erkundigen Sie sich bei Ihrer Organisation nach den Richtlinien zur Barrierefreiheit. Sie können auch auf Online-Ressourcen verweisen, zUS-Richtlinien zur BarrierefreiheitoderDie Web-Accessibility-Initiative des World Wide Web Consortium (W3C)..
Tipps für Präsentationen
Strukturieren Sie Ihre Präsentation. Stellen Sie sicher, dass es eine logische Struktur gibt: einen Anfang, eine Mitte und ein Ende.
Präsentationsfolien sind keine Skripte. Lesen Sie keine Präsentationsfolien und fügen Sie keine vollständigen Absätze ein.
Stellen Sie sicher, dass Ihre Daten visuell verständlich sind, und berücksichtigen Sie mögliche Herausforderungen bei der Barrierefreiheit für Ihr Publikum.
Konzentrieren Sie sich vor allem auf die Punkte, die Ihre Daten veranschaulichen.
Teilen Sie einen – und nur einen – Hauptpunkt aus jedem Diagramm.
Beschriften Sie Diagrammkomponenten deutlich.
Heben Sie „Aha!“ optisch hervor Zonen.
Schreiben Sie einen Folientitel, der die Aussage der Daten unterstreicht.
Eine solide Präsentation kann anderen helfen, die Ergebnisse Ihrer Datenanalyse zu verstehen und sicherzustellen, dass Sie effektiv kommunizieren.
Die zentralen Thesen
Effektive Kommunikation ist für Datenprofis wichtig. Unabhängig davon, wo Sie sich im Rahmen eines Projekts befinden, kann Kommunikation Ihre Stakeholder informieren und stärken. Identifizieren Sie die Bedürfnisse Ihrer Zielgruppe und bitten Sie um Feedback. Denken Sie daran, dass Ihre Aufgabe darin besteht, Daten, Technologie und Stakeholder zu verbinden. Wenn Sie die Ergebnisse Ihrer Datenanalyse teilen, gestalten Sie Ihre Präsentationen klar, fokussiert und zugänglich und berücksichtigen Sie alle Annahmen oder Einschränkungen, die sich aus den Daten ergeben. Zeigen Sie Ihren Wert, indem Sie verfügbar und bereit sind, Erkenntnisse auf einfache Weise weiterzugeben, die das allgemeine Verständnis fördert.
Aktivitätsbeispiel: Kommunizieren Sie mit Stakeholdern in verschiedenen Rollen
Hier ist ein fertiges Exemplar zusammen mit einer Erklärung, wie das Exemplar die Erwartungen an die Aktivität erfüllt.
Vergleichen Sie das Exemplar mit Ihrer abgeschlossenen Tätigkeit. Überprüfen Sie Ihre Arbeit anhand der einzelnen Kriterien im Beispiel. Was hast du gut gemacht? Wo können Sie sich verbessern? Nutzen Sie Ihre Antworten auf diese Fragen als Orientierung für den weiteren Verlauf des Kurses.
Hinweis: Das Beispiel stellt eine Möglichkeit dar, die E-Mails zu vervollständigen. Ihre E-Mails werden sich wahrscheinlich in gewisser Weise unterscheiden. Wichtig ist, dass Ihre E-Mails eindeutig Informationen enthalten, die jedem Empfänger bei der Erfüllung seiner beruflichen Pflichten helfen.
E-Mail Nr. 1 an den neuen Datenprofi enthält:
Ein Überblick über den Arbeitsablauf des Datenteams. Diese Informationen geben dem neuen Datenexperten Einblick in die Art und Weise, wie das Datenteam seine Ergebnisse teilt, und laden interne Stakeholder zum Feedback ein.
Das Genauigkeitsziel für das Besuchsvorhersagemodell. Für einen Datenexperten, der an der Entwicklung eines effektiven ML-Modells arbeitet, ist es wichtig, das Projektziel zu kennen.
E-Mail Nr. 2 an den neuen PR-Autor enthält:
Relevante Informationen zum Erstellen nichttechnischer Artikel, die die Mission und Arbeit des NPS fördern. Zu diesen Informationen gehören der Zweck und die Vorteile des Besuchsvorhersageprojekts sowie das Problem, mit dem sich das Projekt befasst.
Direkte, nicht-technische Sprache, die keine unnötigen Details enthält.
Beide E-Mails:
Bitten Sie den Empfänger, weitere Fragen zu stellen. Fragen sind eine Gelegenheit, die Kommunikation zu verbessern und mehr über das Projekt zu erfahren.
Kommunikation treibt PACE voran
Zuvor wurde Ihnen das PACE-Framework vorgestellt. Zur Erinnerung: PACE besteht aus vier Phasen: Planen, Analysieren, Konstruieren und Ausführen. Wir haben auch die Gründe und Schlüsselelemente einer effektiven Kommunikation untersucht. Lassen Sie uns nun untersuchen, wie sie in Datenprojekte integriert werden können. Auf den ersten Blick ermöglicht das PACE-Framework problemlos einen umfassenden Überblick über den Arbeitsablauf eines gesamten Projekts, d. h. jede Phase von der Planung bis zur Ausführung ist logisch sequenziert mit dem Anfang, der Mitte und dem Ende eines Datenprojekts. Wie Sie sich vielleicht erinnern, ist PACE unglaublich flexibel und muss nicht in einem linearen Verlauf eingesetzt werden. Oftmals ist Iteration in Projekten sinnvoll. Lassen Sie uns das anhand eines Beispiels näher erläutern. Als Referenz können wir es mit dem Bau eines Gebäudes vergleichen. Zunächst wird ein Bauplan erstellt. Hier findet die Planung statt. Als nächstes legen wir den Grundstein. Wir können dies tun, nachdem wir die Grundstücksfläche analysiert und andere Variablen wie die Kosten berücksichtigt haben. Dann fügen wir den Rahmen hinzu. Danach kann das Dach montiert werden. Bis die Struktur zum Umzug bereit ist, hat der Bauunternehmer den gesamten Arbeitsablauf durchlaufen und die Vision des Kunden geplant, analysiert, gebaut und umgesetzt. In der Praxis soll der PACE-Workflow als Navigationsinstrument dienen. Wir haben es mit dem Ziel erstellt, Ihnen zu helfen, den Arbeitsablauf des Datenprofis zu verstehen, und als Hilfestellung, die Sie in Ihrer zukünftigen Rolle zu Rate ziehen können. Kehren wir nun zum Beispiel zurück. Sobald das Dach fertiggestellt ist, können Sie mit dem Innenausbau wie der Installation von Trockenbauwänden, Elektrokomponenten und Sanitärsystemen beginnen. Jeder dieser Jobs verfügt außerdem über einen eigenen PACE-Workflow, der in einem eigenen Planungsdokument innerhalb des größeren Entwurfs demonstriert wird und jeweils Planung, Analyse, Konstruktion und Ausführung erfordert. Genau wie bei dem Baubeispiel, das wir besprochen haben, müssen Sie, wenn Datenprojekte auf globaler Ebene in die Konstruktions- und Ausführungsphase übergehen, möglicherweise zu den früheren Phasen zurückkehren, um zusätzliche Daten oder Feedback von anderen Stakeholdern einzubeziehen. Auch wenn das globale Projekt in eine neue Phase von PACE übergeht, kann es noch anstehende Aufgaben geben, die gerade erst ihren PACE-Zyklus beginnen. Unabhängig davon, wo Sie sich im PACE-Workflow befinden, ist die Kommunikation der Motor für die Umsetzung des Projekts. In jeder Phase des Rahmenwerks besteht immer Kommunikationsbedarf zur Verbesserung des Arbeitsablaufs. Dies kann darin bestehen, Fragen zu Ihren Daten zu stellen, zusätzliche Quellen zu sammeln, Stakeholder über den Fortschritt zu informieren oder Ergebnisse zu präsentieren und Feedback zu erhalten. Eine der wichtigsten Überlegungen bei der Entwicklung von PACE war die Bereitstellung einer flexiblen Struktur, die es Ihnen ermöglicht, sich an Änderungen innerhalb eines Projekts anzupassen. Kehren wir zu unserem Baubeispiel zurück. Nehmen wir an, der Grundstückseigentümer hat bei der Installation der Elektroanlage mitgeteilt, dass er einen zusätzlichen Ladeanschluss für Elektrofahrzeuge in die Planung aufnehmen möchte. Um die Änderung zu erleichtern, würden Sie das PACE-Framework erneut aufrufen, um diese neue Anforderung zu planen, zu analysieren, zu erstellen und auszuführen. Genau wie in diesem Beispiel können jederzeit Anfragen von anderen Stakeholdern eingehen. Unabhängig vom Zeitpunkt einer zusätzlichen Anfrage oder Aufgabe müssen Datenexperten während des gesamten Projektzyklus verfügbar und erreichbar sein. Manchmal müssen Sie möglicherweise bei einer Besprechung sprechen oder an einer Fortschrittsaktualisierung teilnehmen. Darüber hinaus können Sie Ihren Fortschritt in einem Tracking-System aktualisieren. Durch E-Mail-Gespräche und Chat-Diskussionen bleiben andere involviert und auf dem Laufenden darüber, wo Sie sich in Ihrem Arbeitsablauf befinden. Ich freue mich, dass Sie praktische Erfahrungen sammeln und in jeder Phase von PACE verschiedene Kommunikationsstrategien üben. Sie werden später im Programm Gelegenheit dazu haben. Vorerst möchte ich Sie daran erinnern, dass ein guter Datenexperte ein proaktiver Kommunikator ist, der zeitnah auf Fragen antwortet. Wenn Sie andere Stakeholder mit klaren Erklärungen auf dem Laufenden halten, können Sie zum effektivsten Datenprofi werden, der Sie sein können.
Elemente erfolgreicher Kommunikation
Wie Sie erfahren haben, ist Kommunikation die treibende Kraft hinter PACE, denn Datenexperten müssen in der Lage sein, während der Arbeit in verschiedenen Phasen eines Projekts effektiv mit Stakeholdern zu kommunizieren. Sie haben bereits einige wichtige Tipps für eine effektive Kommunikation erfahren. Es gibt jedoch noch einige weitere Elemente, die Sie für eine erfolgreiche Kommunikation berücksichtigen sollten. Diese Lektüre bietet Best Practices für eine erfolgreiche Kommunikation, die Sie bei Ihrer Kommunikation am Arbeitsplatz befolgen können.
Verstehen, warum
Als Erstes müssen Sie eine klare Vorstellung davon haben, warum Sie kommunizieren. Ihr „Warum“ hängt vom Kontext des Unternehmens oder der Organisation ab, für die Sie arbeiten, sowie von den Zielen, an denen sich das Projekt orientiert. Lassen Sie sich bei der Gestaltung jeglicher Kommunikationsform von Ihrem „Warum“ als Leitidee leiten, damit Ihr Publikum erkennen kann, wie es zielgerichtet handeln oder reagieren soll.
Wenn Sie sich auf die Kommunikation vorbereiten, nehmen Sie sich einen Moment Zeit, um wichtige Ziele und Erwartungen zu skizzieren, die Sie haben, wie zum Beispiel:
Ziele des Projekts, über das Sie kommunizieren
Was Sie von dieser Kommunikation erwarten
Was Sie von Ihrem Publikum verlangen
Was Ihr Publikum verstehen soll
Wenn Sie das Warum Ihrer Kommunikation verstehen, können Sie Ihre Gedanken ordnen und eine klarere, direktere Kommunikation entwickeln.
Bereiten Sie die Bühne vor
Wenn Sie eine effektive Kommunikation entwickeln, müssen Sie mehr als nur das Warum berücksichtigen – Sie müssen auch darüber nachdenken, wo die Kommunikation stattfindet. Die Einstellung hat einen direkten Einfluss darauf, wie Ihre Nachricht übermittelt wird und wie Sie sie gestalten. Wenn Sie sich auf die Kommunikation vorbereiten, überlegen Sie, welche Art der Kommunikation für die Umgebung, in der Sie sich befinden möchten, am besten geeignet ist.
Bei der Arbeit ist es möglich, dass Sie in unterschiedlichen Umgebungen kommunizieren. Welche Informationen Sie weitergeben, wie Sie diese weitergeben und wie Sie nachverfolgen, hängt vom Kontext dieser Kommunikation ab. Sie könnten zum Beispiel:
Bitten Sie beim Mittagessen einen Kollegen um Rat zu einem aktuellen Hindernis
Senden Sie eine E-Mail, um alle Beteiligten über ein wichtiges Projekt zu informieren
Teilen Sie den Fortschritt in einem wöchentlichen Meeting mit Ihrem Team
Präsentieren Sie die Ergebnisse Ihrer Analyse einem Vorstandsgremium
Bei jeder dieser Einstellungen müssen Sie darüber nachdenken, wie Sie kommunizieren, was die einzelnen Zielgruppen benötigen und was Sie im Gegenzug von ihnen erwarten. Vergessen Sie bei der Entwicklung Ihrer Kommunikationsfähigkeiten nicht, dass die Umgebung genauso wichtig sein kann wie die eigentliche Kommunikation.
Wie man einzeln und in kleinen Gruppen arbeitet
Eine der häufigsten Situationen, in denen Sie als Datenexperte arbeiten, sind Einzelgespräche oder Besprechungen in kleinen Gruppen. Denken Sie bei der Vorbereitung auf die Kommunikation in diesen Umgebungen daran, dass Folgendes wichtig ist:
Respektieren Sie die Zeit Ihrer Kollegen, indem Sie im Voraus ein Meeting vereinbaren
Vermitteln Sie Interesse, indem Sie aktives Zuhören üben
Überprüfen Sie die Ausrichtung, indem Sie Fragen stellen
Alles dreht sich um die Zeit
Zeit ist eine Währung in der Berufswelt. Es ist sehr wichtig, effizient zu sein – dazu gehört auch, sicherzustellen, dass Ihre Kommunikation verständlich ist, damit die Stakeholder Ihre Botschaft schnell verstehen können. Um sicherzustellen, dass Ihre Botschaft klar und prägnant ist, denken Sie immer daran:
Verwenden Sie eine direkte Sprache
Worthaftigkeit minimieren
Vermeiden Sie unnötige Details
Streben Sie stets nach Klarheit
Verwenden Sie die richtige Grammatik und Zeichensetzung
Halten Sie den Wortschatz einfach und vermeiden Sie Fachsprache
Teilen Sie komplexe Ideen in kürzere Sätze auf, um Konzepte leichter verständlich und merkbar zu machen
Diese Vorschläge tragen nicht nur dazu bei, Ihre Kommunikation effizienter und verständlicher zu gestalten, sondern ersparen Ihnen auch Zeit, wichtige Konzepte noch einmal erklären zu müssen. Darüber hinaus werden Ihre Kollegen dankbar sein, dass Sie ihre Zeit respektieren.
Aktives Zuhören
Zu Beginn Ihrer Karriere als Datenexperte werden Sie viel Zeit in Meetings und Gesprächen verbringen. Viele Stakeholder kommen aus verschiedenen Abteilungen innerhalb und außerhalb Ihres Unternehmens. Die bei diesen Interaktionen weitergegebenen Informationen sind wertvoll. Oft erhalten Sie hier Einblicke in die Funktionsweise des Unternehmens, seine Ziele, wichtige Meilensteine und Parameter innerhalb von Projekten.
Wenn Sie aktiv zuhören, können Sie:
Fördern Sie Verständnis für andere
Entwickeln Sie Empathie für andere und ihre Verantwortung
Bauen Sie eine Verbindung zu Kollegen auf
Vertrauen fördern
Wenn Sie aktives Zuhören üben, bemühen Sie sich, den Standpunkt des Sprechers zu verstehen. Dies hilft Ihnen zu verstehen, was andere Menschen mitzuteilen versuchen, und versetzt Sie in die Lage, bessere und aufschlussreichere Fragen zu stellen.
Fragen stellen
Datenprofis entwickeln nicht automatisch Lösungen. Damit die Datenanalyse effektiv ist, müssen Datenexperten die richtigen Fragen stellen. Tatsächlich hängt der gesamte Datenanalyseprozess davon ab.
Fragen zu stellen ist ein wirkungsvolles Kommunikationsmittel. Das Stellen der richtigen Fragen kann zu institutionellem Lernen und einem fruchtbaren Ideenaustausch führen. Oft laden Fragen zu Innovationen ein und initiieren Bemühungen, die zur Verbesserung von Projekten und dem gesamten Arbeitsablauf beitragen können.
Das Stellen von Fragen baut eine Beziehung und Vertrauen zwischen den Teammitgliedern auf. Die richtigen Fragen können oft dazu beitragen, Geschäftsrisiken zu mindern, indem sie unvorhergesehene Fallstricke und Gefahren aufdecken. Hier sind ein paar Tipps, die Ihnen bei Ihrer Befragung helfen sollen:
Stellen Sie Fragen, die noch nicht beantwortet wurden
Stellen Sie Fragen, die das Gesamtbild offenbaren
Stellen Sie Fragen, die Informationen sammeln oder das Wissen des Teams erweitern
Stellen Sie Fragen, die zur Klärung von Missverständnissen beitragen können
Mit effektiven Fragen erhalten Sie mit größerer Wahrscheinlichkeit die Antworten, die Sie benötigen, um Ihre beste Arbeit zu leisten – was gut für das gesamte Team ist.
Die zentralen Thesen
In dieser Lektüre haben Sie erfahren, dass Kommunikation in allen Aspekten der datenprofessionellen Arbeit vorhanden ist. Konzentrieren Sie sich auf den Zweck, die Umgebung und den Zeitpunkt Ihrer Kommunikation, um erfolgreichere Diskussionen mit Ihrem Team zu fördern. Darüber hinaus ermöglicht ein aktiver Zuhörer, der relevante Fragen stellt, eine effizientere Kommunikation und lädt die Perspektive anderer Stakeholder ein. All diese Faktoren summieren sich und machen einen großen Unterschied darin, wie effektiv Sie als Datenexperte kommunizieren.
Verbinden Sie PACE mit kommenden Kursthemen
Sie nähern sich dem Ende Ihres ersten Kurses. Wir haben einige Schlüsselkonzepte besprochen, insbesondere in den Bereichen Kommunikation und Datenworkflow durch das PACE-Framework. Während Sie sich auf Ihr erstes Portfolio-Projekt vorbereiten, möchte ich Sie auf einen wichtigen Aspekt bei der Verwendung des PACE-Frameworks hinweisen. Die einzelnen Phasen des Arbeitsablaufs schließen sich nicht gegenseitig aus. Unterschiedliche Rollen, Teams, Projekte und Arbeitsabläufe können den Schwerpunkt auf unterschiedliche Phasen des PACE-Frameworks legen. Obwohl Sie möglicherweise an einer Aufgabe arbeiten, die sich hauptsächlich auf die Analyse von Daten konzentriert, gibt es dennoch Elemente aus den anderen Phasen des PACE-Frameworks, die sich auch auf Ihre Arbeit auswirken. Werfen wir einen Blick auf die Art und Weise, wie dieses Programm das PACE-Framework anwendet. Wir können eine globale Perspektive einnehmen und sagen, dass sich die früheren Kurse stärker auf Planung und Analyse konzentrieren und die späteren Kurse auf Konstruktion und Ausführung ausgerichtet sind. Aber das ist eine sehr weitreichende Sichtweise. Wenn Sie genauer hinschauen, werden Sie feststellen, dass jeder Kurs innerhalb seines eigenen PACE-Rahmens arbeitet. In Ihrem Python-Kurs erwerben Sie Kenntnisse, die es Ihnen ermöglichen, die Sprache zur Datenanalyse einzusetzen. Da Sie sich neue Fähigkeiten aneignen, kann ein Großteil des Kurses in die Planungsphase von PACE eingeordnet werden. Wenn Sie mit dem Portfolioprojekt dieses Kurses fortfahren, werden Sie zur Analyse übergehen. Dies umfasst jedoch Planungs-, Konstruktions- und sogar Ausführungselemente, während Sie das Endprodukt erstellen. Als Nächstes erfahren Sie, wie Sie Daten vorbereiten, um die darin enthaltenen Geschichten offenzulegen. Hier gelangen Sie in die Analysephase. Während Sie sich mit den Grundlagen der Statistik vertraut machen, analysieren Sie weiterhin Daten und erstellen einige neue Tools für Ihre Toolbox, die Sie in Ihrem Portfolioprojekt anwenden. Während Sie die Regression erforschen, erweitern Sie Ihre Erfahrung in der Analysephase und setzen sie durch die Erstellung von Datenmodellen in die Praxis um. Außerdem üben Sie die Umsetzung, indem Sie die Ergebnisse und Erkenntnisse zusammenfassen, um Ihren Stakeholdern einen Mehrwert zu bieten. Durch die erweiterte Modellierung erweitern Sie Ihre Analyse- und Konstruktionsfähigkeiten innerhalb des jeweiligen Portfolioprojekts weiter. Auch wenn Sie Ihr Wissen über Karriereressourcen erweitern, sind Sie in der Planungsphase tätig, in der Sie Informationen sammeln, in der Analysephase, während Sie Informationen über den Arbeitsmarkt verarbeiten, und in der Konstruktionsphase, in der Sie Ihren Lebenslauf und Ihr Portfolio zusammenstellen. Im Capstone-Projekt haben Sie die Möglichkeit, Ihr neu erworbenes Wissen und Ihre Fähigkeiten zusammenzubringen. Hier haben Sie die Möglichkeit, das gesamte PACE-Framework anhand von Szenarien und Daten unserer Industriepartner zu nutzen. Auch wenn einige Phasen in jedem Kurs stärker hervorgehoben sind als andere, werden Sie dennoch Hinweise auf alle Phasen sehen. Sie können PACE als das Gerüst betrachten, das die Außenseite eines Gebäudes umgibt. Mit diesem Gerüst können verschiedene Aufgaben innerhalb des Gebäudes dieselbe Arbeitsablaufstruktur nutzen, ohne das gesamte Projekt zu unterbrechen. Wie Sie sehen, ist das PACE-Framework eine hervorragende Möglichkeit, Sie beim Erwerb von Wissen und Selbstvertrauen zu unterstützen. Wenn Sie wissen, wie Sie Aufgaben klassifizieren und proaktiv interagieren, können Sie gute Gewohnheiten entwickeln und schließlich Ihren eigenen professionellen Arbeitsablauf entwickeln.
Der Wert des PACE-Strategiedokuments
Sie haben den PACE-Workflow kennengelernt und erfahren, wie er dabei hilft, Struktur in den Datenanalyseprozess zu bringen. Diese Lektüre stellt das PACE-Strategiedokument vor. Es handelt sich um eine Ressource, die Sie in diesem Programm und während Ihrer gesamten Karriere als Datenanalytiker unterstützen soll.
Warum benötige ich das PACE-Strategiedokument?
Die Videos, Lesungen, Aktivitäten und Projekte in diesem Programm bilden eine Grundlage für die Weiterentwicklung Ihrer Datenkompetenzen und -kenntnisse. Aber Erfolg in der Datenkarriere erfordert mehr als nur datenanalytische Fähigkeiten. Datenexperten sind häufig an organisatorischen Entscheidungen beteiligt. Dies erfordert, dass sie mit einer Vielzahl von Interessengruppen über Daten und die Ergebnisse der Datenanalyse kommunizieren.
Im fortgeschrittenen Datenanalyseprogramm werden Sie in verschiedene Aspekte des Fachgebiets eingeführt, denen Datenanalytiker begegnen. Konzepte und Fähigkeiten sind in einer logischen Reihenfolge angeordnet und in Kursen organisiert, die Sie auf fortgeschrittenere analytische Aufgaben vorbereiten.
Nach jedem Kurs werden Sie gebeten, ein Abschlussprojekt zu entwickeln, das Ihre Beherrschung der erwarteten Datenfachkompetenzen, wie z. B. Ihre Analyse- und Kommunikationsfähigkeiten, demonstriert. Zur Unterstützung erhalten Sie für jedes Kursprojekt ein individuelles PACE-Strategiedokument. In den PACE-Strategiedokumenten finden Sie hilfreiche Tipps und Möglichkeiten, das Gelernte zu reflektieren und zu überlegen, wie Sie es auf Ihre Arbeit als Datenanalytiker anwenden können. Darüber hinaus helfen Ihnen Ihre Antworten in diesen Strategiedokumenten bei der Erstellung von Executive Summarys, die Entscheidungsträger und Stakeholder über den Fortschritt eines Projekts informieren.
PACE-Strategiedokumente belegen Ihr erweitertes Wissen und können als starker Motivator beim Erwerb neuer Fähigkeiten dienen. Das Engagement für ein Bildungsprogramm erfordert Engagement und Beharrlichkeit. Ihre Wissensbasis und Ihr technisches Können werden durch diese Reise erweitert. Die schrittweise Natur des persönlichen Wachstums macht es schwierig, den täglichen Fortschritt zu überwachen. Jedes PACE-Strategiedokument soll als Aufzeichnung Ihrer Fortschritte bei der Entwicklung neuer Datenanalysefähigkeiten dienen. Die Strategiedokumente helfen Ihnen auch dabei, Ihre Kommunikationsfähigkeiten zu verbessern, indem sie durchdachte Fragen stellen, die dabei helfen sollen, jeden Schritt Ihrer Datenanalyse zu identifizieren und detailliert darzustellen.
Ein Blick auf das PACE-Strategiedokument
Im Abschlussprojekt für jeden Kurs dieses Programms finden Sie ein PACE-Strategiedokument. Obwohl diese Strategiedokumente für die spezifischen Bedürfnisse eines bestimmten Kurses konzipiert wurden, gibt es in jedem von ihnen konsistente Elemente.
Anweisungen
Im Abschnitt „Anweisungen“ des PACE-Strategiedokuments finden Sie allgemeine Richtlinien und besondere Überlegungen zum Ausfüllen des Dokuments.
Zusammenfassung des Kursprojekts
In diesem Abschnitt werden die Ziele für jedes Abschlussprojekt beschrieben. Indem Sie jede Aufgabe und die für Ihre Projekte benötigten Elemente erledigen, erreichen Sie diese Ziele. Unabhängig davon, welche Arbeitsplatzszenarien Sie auswählen, stimmen die Projektziele mit dem Wissen überein, das Sie in diesem Kurs erworben haben.
Relevante Interviewfragen
Dieser Abschnitt des PACE-Strategiedokuments erstellt einen Kontext rund um Ihre Datenaufgaben. Die Fragen ermöglichen ein tieferes Verständnis der Datenanalyse und zeigen, wie Sie nach Abschluss jedes Kurses und der dazugehörigen Projekte sprechen können. Bei Ihrer Jobsuche können Ihnen diese Fragen dabei helfen, sich auf die Art von Fragen vorzubereiten, mit denen Sie bei technischen Vorstellungsgesprächen konfrontiert werden.
Überprüfen Sie relevante Kursmaterialien
In diesem Abschnitt des PACE-Strategiedokuments erhalten Sie Links zu Kursmaterialien, die Sie beim Abschluss jedes Projekts überprüfen und als Referenz verwenden können. Über Links zu relevanten Kursmaterialien erhalten Sie schnellen Zugriff auf relevante Kursinformationen, die Sie zum Abschluss Ihres Projekts benötigen.
Referenzhandbuch
Im „Referenzhandbuch“ finden Sie einen Überblick über die Aufgaben, die zum Abschluss des Abschlussprojekts erforderlich sind, sowie die PACE-Phase, auf die sich jede Aufgabe bezieht. Darüber hinaus können Sie auf das Material zurückgreifen, wenn Sie im späteren Verlauf Ihrer Karriere ähnliche Aufgaben und Projekte erledigen.
Fragen und Überlegungen zu Datenprojekten
Die Fragen in diesem Abschnitt beziehen sich speziell auf verschiedene Phasen des PACE-Workflows. Diese „Fragen und Überlegungen zum Datenprojekt“ entsprechen direkt den Fragen, die Ihnen in den Jupyter-Notizbüchern für die Kurse 2 bis 6 begegnen. Die Antworten, die Sie auf diese Fragen geben, werden Ihnen dabei helfen, Ihren Denkprozess in jeder Phase des Projekts zu planen.
PACE-Strategiedokumente und Jupyter-Notebooks
Zu jedem Kursabschlussprojekt gehört außerdem ein speziell erstelltes Jupyter-Notizbuch mit hilfreichen Tipps, die Sie bei der Programmierung von Projektelementen unterstützen. Ähnlich wie die Strategiedokumente enthält jedes Notizbuch zum Nachdenken anregende Fragen, die Sie durch die Aufgaben jedes Abschlussprojekts führen. Sie werden feststellen, dass einige Fragen an beiden Stellen auftauchen, was auf Relevanz in beiden Bereichen des Projekts hinweist. Die Informationen in diesen Dokumenten können während der Ausführungsphase jedes Projekts zusammengeführt werden, um Zusammenfassungen zur Information Ihrer Teammitglieder und Stakeholder zu erstellen.
Die Vorteile der PACE-Strategiedokumente
Das Sammeln von Inhalten für ein Portfolio kann ohne die richtigen Ressourcen eine Herausforderung sein. Hier kann es sich lohnen, detaillierte Aufzeichnungen über Ihre Entscheidungsfindung aufzubewahren. Je mehr Sie die Fragen in jeder Phase eines Projekts berücksichtigen und durchdachte Antworten bewahren, desto wertvoller können diese PACE-Strategiedokumente für Ihre Zukunft sein. Jedes PACE-Strategiedokument bietet Ihnen eine Fülle von Inhalten, die Sie zur Erstellung eines zusammenhängenden und markenbezogenen Portfolios nutzen können. Indem Sie eine Sammlung Ihrer Gedanken und internen Prozesse erstellen, entwickeln Sie eine wertvolle Ressource, auf die Sie im Laufe Ihrer Karriere zurückgreifen können.
Die zentralen Thesen
Das PACE-Strategiedokument hilft Ihnen beim Abschluss der Abschlussprojekte, indem es Ihnen Fragen stellt, die Ihr Verständnis des Datenanalyseprozesses vertiefen. PACE-Strategiedokumente bieten wertvolle Einblicke in Ihren persönlichen Arbeitsablauf und stellen eine Informationsquelle dar, die Ihren Lebenslauf, Ihr Portfolio und die Vorbereitung auf Vorstellungsgespräche verbessert.
Kommunizieren Sie Ziele mit einem Projektvorschlag
In dieser Lektüre untersuchen Sie weiterhin die Kommunikation innerhalb des Datenarbeitsbereichs. Wie Sie gelernt haben, ist Kommunikation ein zentraler Bestandteil aller Aspekte der professionellen Datenarbeit. In einem Datenteam werden Projektaufgaben und Verantwortlichkeiten von verschiedenen Datenexperten geteilt. Effektive Kommunikation und Zusammenarbeit zwischen allen Teammitgliedern und Stakeholdern ist der Schlüssel zum Erfolg jedes Datenprojekts.
Ein Projektvorschlag kann die Struktur und Kommunikation bieten, die für die Nachverfolgung von Aufgaben erforderlich sind. Darüber hinaus sind Projektvorschläge für Teams von Vorteil, wenn sie vor Herausforderungen stehen, die ein hohes Maß an Flexibilität erfordern. Im Verlauf der Projekte können sich die Erwartungen, Ressourcen oder sogar die Teammitglieder ändern. Dies erfordert Anpassungen innerhalb eines Projekts, die sich auf den gesamten Arbeitsablauf und den Liefertermin auswirken können.
Projektvorschläge
Die Hauptfunktion eines Projektvorschlags besteht darin, Ziele und Anforderungen darzulegen. Projektvorschläge präsentieren Ideen in detaillierteren und umsetzbaren Abschnitten, die oft als Meilensteine bezeichnet werden . Vorschläge werden in der Regel mit Beiträgen von Teammitgliedern und anderen Stakeholdern erstellt. Es kann auch vorkommen, dass Projektvorschläge mit Kunden oder Führungskräften geteilt werden, um die Genehmigung einzuholen und sie über den Weg zur Fertigstellung eines Projekts zu informieren. Projektvorschläge werden in einer Vielzahl von Branchen und Organisationen eingesetzt. Obwohl Design und Layout von Projektvorschlägen variieren können, gibt es wichtige Elemente, die ihnen gemeinsam sind.
Elemente eines Projektvorschlags
Jeder Projektvorschlag enthält wichtige Informationen, die ein Team vor Beginn der Arbeit berücksichtigen muss. Nachfolgend finden Sie eine kurze Erläuterung einiger allgemeiner Abschnitte, die Sie in Projektvorschlägen finden. Beachten Sie, dass das Format von Projektvorschlägen variieren kann, sodass nicht jeder hier beschriebene Abschnitt in jedem Projektvorschlag enthalten ist.
Projekttitel: Der Titel des Projekts ist prominent und wird normalerweise oben in einem Dokument platziert. Effektive Titel sind kurz und zielgerichtet. Abhängig vom Kontext und den Umständen eines Projekts kann sich der Titel im Laufe der Zeit ändern.
Projektziel: Die Zielaussage ist eine ein bis drei Sätze umfassende Erläuterung dessen, was mit dem Projekt erreicht werden soll.
Meilensteine: Meilensteine sind Gruppierungen von Aufgaben innerhalb eines Projekts, die die erforderliche Arbeit in kleinere, überschaubare Ziele aufteilen. Meilensteine helfen bei der Delegation und Planung von Arbeiten, die innerhalb von Projekten erledigt werden müssen.
Die Meilensteine im bereitgestellten Beispiel sind repräsentativ für zukünftige Abschlussprojekte.
Aufgaben: Aufgaben beschreiben die Arbeit, die innerhalb eines Meilensteins abgeschlossen werden muss.
Die Aufgaben im bereitgestellten Beispiel entsprechen einigen der Arbeiten, die Sie in bevorstehenden Abschlussprojekten erledigen werden.
Ergebnisse: Ergebnisse sind die abgeschlossenen Aktionen oder Ergebnisse, die die Fortsetzung eines Projekts ermöglichen.
Liefergegenstände: Liefergegenstände sind Elemente, die zwischen Teammitgliedern oder Stakeholdern geteilt werden können. Dies sind die Endprodukte der für ein Projekt durchgeführten Arbeit.
Stakeholder: Die Einzelpersonen oder Gruppen, die direkt beteiligt sind und ein begründetes Interesse am Erfolg eines Projekts haben. Der Input von Stakeholdern kann als Grundlage für Entscheidungen während eines Projekts dienen.
Geschätzte Zeit: Zu Beginn eines Projekts wird die Zeit geschätzt, die zum Erreichen von Meilensteinen benötigt wird. Während sich ein Projekt weiterentwickelt, müssen diese Schätzungen häufig aktualisiert werden, um Anpassungen der Zeitpläne oder Änderungen bei Teammitgliedern zu berücksichtigen.
Beispielprojektvorschlag
Der unten verlinkte Beispielprojektvorschlag befasst sich mit einem fiktiven Projekt zur Vorhersage von Besuchen, das vom US National Park Service (NPS) durchgeführt wird. Verwenden Sie dieses Dokument als Referenz, wenn Sie die folgenden Abschnitte lesen.
Die Zielgruppe dieses Projektvorschlags ist das NPS-Datenteam. Der Zweck besteht darin, eine umfassende Liste von Projektaufgaben zusammenzustellen und diese in kleinere umsetzbare Gruppierungen oder Meilensteine zu unterteilen. Projektvorschläge unterstützen Projektmanager beim Einrichten der Aufgabenverfolgung, Planung und Zuweisung von Ressourcen. Darüber hinaus dienen sie als Referenz für das Team und als wertvolles Werkzeug, wenn dem Projekt neue Mitglieder hinzugefügt werden.
Um auf den Beispielprojektvorschlag zuzugreifen, klicken Sie auf den folgenden Link und wählen Sie „Vorlage verwenden“.
Link zum Beispielprojektvorschlag:Projektvorschlag zur Besuchsvorhersage
ODER
Wenn Sie kein Google-Konto haben, können Sie die Datei direkt aus dem folgenden Anhang herunterladen.
PACE und Projektvorschläge
In diesem Kurs haben Sie die Skalierbarkeit von PACE (Plan, Analyze, Construct und Execute) kennengelernt. Durch das PACE-Framework können Projekte global organisiert werden, indem ihre Hauptaufgaben und Ergebnisse dargelegt werden. Gleichzeitig kann jede einzelne Aufgabe innerhalb eines Projekts in kleinere Aktionen zerlegt werden.
Sie werden feststellen, dass PACE-Strategiedokumente eine hervorragende Referenz bei der Ausarbeitung von Projektvorschlägen sind. Während Ihrer Abschlussprojekte werden Ihnen Fragen gestellt, die Ihnen dabei helfen, die Planungs-, Analyse-, Konstruktions- und Ausführungsphasen zu identifizieren. Je mehr Zeit Sie mit der Prüfung und Beantwortung der einzelnen Fragen verbringen, desto mehr Informationen stehen Ihnen bei der Erstellung von Projektvorschlägen zur Verfügung.
Die zentralen Thesen
Ein Projektvorschlag ist ein Aktionsplan, der beschreibt, was erreicht werden muss und wie Sie Ihre beabsichtigten Ziele und Ergebnisse erreichen können. Vorschläge definieren den Zweck und Umfang eines Projekts und listen wichtige Meilensteine, Ergebnisse, Zeitpläne und Zeitpläne auf. Es ist wichtig, Vorschläge im Verlauf eines Projekts zu aktualisieren, da sich der Umfang, die Ziele und die Beteiligten des Projekts im Laufe der Zeit ändern können.
Verbinden Sie PACE mit Executive Summarys
In dieser Lektüre befassen Sie sich weiterhin mit der Kommunikation am Arbeitsplatz von Datenprofis. Unabhängig vom Arbeitsablauf benötigen Datenexperten Möglichkeiten, Pläne, Aktualisierungen und Zusammenfassungen von Projekten auszutauschen und zu kommunizieren. Ein Dokument namens Executive Summary wird verwendet, um Entscheidungsträger, die möglicherweise nicht direkt an den Aufgaben eines Projekts beteiligt sind, auf dem Laufenden zu halten. In Ihrer Rolle als Datenexperte sind Sie häufig an der Erstellung von Executive Summarys beteiligt.
Zusammenfassungen
Executive Summaries sind Dokumente, die die wichtigsten Punkte eines Projekts zusammenfassen und Entscheidungsträgern einen kurzen Überblick über die relevantesten Informationen geben. Sie können auch genutzt werden, um neuen Teammitgliedern den schnellen Einstieg in ein Projekt zu erleichtern. Das Format soll die Verantwortung von Entscheidungsträgern und/oder Führungskräften respektieren, die möglicherweise nicht die Zeit haben, einen gesamten Bericht zu lesen und zu verstehen.
Executive Summarys werden in zahlreichen Branchen und Organisationen verwendet. Es gibt viele Möglichkeiten, Informationen in einer Zusammenfassung darzustellen, einschließlich speziell für diesen Zweck entwickelter Softwareoptionen. In diesem Programm werden Sie in erster Linie ein einseitiges Format innerhalb einer Präsentationsfolie berücksichtigen. Obwohl Design und Layout von Executive Summarys variieren können, gibt es wichtige Elemente, die ihnen gemeinsam sind.
Elemente einer Zusammenfassung
Executive Summarys werden in einer Vielzahl von Unternehmen verwendet und umfassen typischerweise die folgenden Elemente:
Projekttitel: Das Thema eines Projekts wird in den Titel der Zusammenfassung integriert, um eine unmittelbare Verbindung mit der Zielgruppe herzustellen.
Das Problem: Eine Aussage, die sich auf den Bedarf oder das Anliegen konzentriert, auf das das Projekt abzielt oder das es anspricht. Beachten Sie, dass das Problem auch als Hypothese bezeichnet werden kann, die Sie durch Datenanalyse zu beweisen versuchen.
Die Lösung: Diese Aussage fasst das Hauptziel eines Projekts zusammen. In diesem Abschnitt werden Maßnahmen beschrieben, die auf die in der Problemstellung dargelegten Bedenken eingehen.
Details/Wichtige Erkenntnisse: Der Zweck dieses Abschnitts besteht darin, zusätzliche Hintergrundinformationen bereitzustellen, die der Zielgruppe dabei helfen können, die Ziele des Projekts zu verstehen. Welche Details enthalten sein sollen, hängt von der Zielgruppe ab.
Nächste Schritte/Empfehlungen: Informationen, die die vom Team geplanten Maßnahmen unterstützen. Dazu können auch Empfehlungen für Entscheidungsträger gehören, die auf den im Projektverlauf gewonnenen Erkenntnissen basieren. In diesem Abschnitt kann ein Datenexperte auch allgemeine Projektüberlegungen einbeziehen. Wenn Sie diesen Abschnitt ergänzen, fügen Sie mindestens einen Punkt für Empfehlungen und einen für die vorgeschlagenen nächsten Schritte hinzu.
Beispiel einer Zusammenfassung
Die folgende verlinkte Beispielzusammenfassung befasst sich mit einem fiktiven Projekt zur Vorhersage von Besuchen, das vom US National Park Service (NPS) durchgeführt wurde. Die Zielgruppe dieser Zusammenfassung ist eine Gruppe von Entscheidungsträgern aus der NPS-Führung. Der Zweck dieser Zusammenfassung besteht darin, die durch die Datenanalyse von Freizeitparkbesuchen gewonnenen Erkenntnisse weiterzugeben. Jeder Abschnitt liefert eine kurze Aussage ohne Ausschmückung. Dadurch können Entscheidungsträger schnell die wichtigsten Punkte eines Projekts erfassen. Verweisen Sie auf dieses Dokument, wenn Sie die folgenden Abschnitte lesen.
Um auf die Beispielzusammenfassung zuzugreifen, klicken Sie auf den folgenden Link und wählen Sie „Vorlage verwenden“.
Link zur Beispielzusammenfassung:Zusammenfassung des Besuchsvorhersageprojekts
ODER
Wenn Sie kein Google-Konto haben, können Sie die Datei direkt aus dem folgenden Anhang herunterladen.
PACE und Executive Summarys
In diesem Kurs haben Sie den PACE-Workflow (Planen, Analysieren, Konstruieren, Ausführen) untersucht und erfahren, wie er bei der Steuerung von Projekten hilfreich sein kann. Durch PACE werden die Aufgaben und Ergebnisse eines Projekts klar identifiziert und in einem PACE-Strategiedokument festgehalten.
Sie werden feststellen, dass PACE-Strategiedokumente eine hervorragende Referenz für die Arbeit an Executive Summarys sind. Bei der Planung, Analyse, Konstruktion und Ausführung Ihrer Abschluss- und Abschlussprojekte stellen die PACE-Strategiedokumente Fragen zur Verfügung, die Sie unterstützen. Je mehr Zeit Sie mit der Betrachtung und Beantwortung jeder Frage verbringen, desto mehr Informationen stehen Ihnen bei der Erstellung von Executive Summarys zur Verfügung.
Die zentralen Thesen
Executive Summarys bieten eine effektive Möglichkeit, Informationen mit Entscheidungsträgern, Kunden und Führungskräften auszutauschen. Diese Dokumente fassen die wichtigsten Informationen innerhalb eines Projekts oder Aktionsplans zusammen und teilen wichtige Erkenntnisse und Ergebnisse. In der Regel wird in einer Zusammenfassung über ein identifiziertes Problem berichtet und die zur Lösung des Problems verwendeten Lösungen dargelegt.
Aktivitätsbeispiel: Erstellen Sie einen Projektvorschlag
Hier ist ein fertiges Exemplar zusammen mit einer Erklärung, wie das Exemplar die Erwartungen an die Aktivität erfüllt.
Abgeschlossenes Exemplar
Vergleichen Sie das Exemplar mit Ihrer abgeschlossenen Tätigkeit. Überprüfen Sie Ihre Arbeit anhand der einzelnen Kriterien im Beispiel. Was hast du gut gemacht? Wo können Sie sich verbessern? Nutzen Sie Ihre Antworten auf diese Fragen als Orientierung für den weiteren Verlauf des Kurses.
Hinweis: Das Muster stellt eine mögliche Möglichkeit dar, den Projektvorschlag zu vervollständigen. Ihr Projektvorschlag wird sich wahrscheinlich in bestimmten Punkten unterscheiden. Wichtig ist, dass Ihr Projektvorschlag Informationen organisiert und kommuniziert, die dem Datenteam helfen, das Projekt erfolgreich abzuschließen.
Der Projektvorschlag sieht vor:
Ein kurzer und zielgerichteter Projekttitel
Eine objektive Aussage, die das Ziel des Projekts klar und prägnant beschreibt
Eine Liste der wichtigsten Aufgaben, die die Arbeit detailliert beschreibt, die innerhalb jedes Meilensteins abgeschlossen werden muss
Eine Liste der zu erbringenden Leistungen, die die abgeschlossenen Elemente angibt, die mit Teammitgliedern oder Stakeholdern geteilt werden sollen
Eine Zeitschätzung für das Erreichen jedes Projektmeilensteins
Einpacken
Sie haben das Ende der Daten-Workflow-Übersicht erreicht. Sie haben eine Menge Material und Konzepte behandelt. Gut gemacht. Sie haben gesehen, wie das PACE-Framework verwendet werden kann, um Sie bei der Strukturierung und Führung von Projekten zu unterstützen. Als nächstes lernten wir etwas über effektive Kommunikation und wie sie im PACE-Framework eingesetzt werden kann. Wir haben uns die externen Faktoren angesehen, die einen Einfluss auf die Datenanalyse haben können. Wir haben uns auch die internen Faktoren angesehen, die einen Einfluss auf die Datenanalyse haben können, wie z. B. Verzerrungen innerhalb der Daten. Vergessen Sie bei der Vorbereitung auf die wöchentliche Herausforderung nicht, dass Sie alle von uns behandelten Materialien noch einmal durchgehen können. Im nächsten Abschnitt beginnen Sie mit der Arbeit an Ihrem ersten Portfolio-Projekt. Ich wünsche Ihnen viel Glück.
Glossarbegriffe aus Modul 4
Begriffe und Definitionen aus Kurs 1, Modul 4
PACE-Workflow : Ein Framework, das eine anfängliche Struktur zur Steuerung des Prozesses der Datenanalyse bereitstellt; PACE steht für Planen, Analysieren, Konstruieren und Ausführen
Planphase : Phase des PACE-Workflows, in der der Umfang eines Projekts definiert und der Informationsbedarf der Organisation ermittelt wird
Analysephase : Phase des PACE-Workflows, in der die erforderlichen Daten aus primären und sekundären Quellen erfasst und anschließend bereinigt, neu organisiert und analysiert werden
Konstruktionsphase : Phase des PACE-Workflows, in der Datenmodelle und Algorithmen für maschinelles Lernen erstellt, interpretiert und überarbeitet werden, um Beziehungen innerhalb der Daten aufzudecken und dabei zu helfen, Erkenntnisse aus diesen Beziehungen zu gewinnen
Ausführungsphase : Phase des PACE-Workflows, in der ein Datenexperte die Ergebnisse internen und externen Stakeholdern präsentiert, Fragen beantwortet, unterschiedliche Standpunkte berücksichtigt und Empfehlungen abgibt
Begriffe und Definitionen aus früheren Modulen
A
Aktives Zuhören: Bezieht sich darauf, Teammitgliedern, Vorgesetzten und anderen Beteiligten die Möglichkeit zu geben, ihre eigenen Standpunkte darzulegen, bevor sie Antworten geben
Aggregierte Informationen : Daten einer erheblichen Anzahl von Benutzern, aus denen personenbezogene Daten entfernt wurden
Analytics-Teammanager : Ein Datenexperte, der die Analysestrategie für eine Organisation überwacht und oft mehrere Gruppen verwaltet
Künstliche Intelligenz (KI): Bezieht sich auf Computersysteme, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern
B
Business Intelligence Analyst : (Siehe Business Intelligence Engineer )
Business Intelligence Engineer: Ein Datenexperte, der sein Wissen über Geschäftstrends und Datenbanken nutzt, um Informationen zu organisieren und zugänglich zu machen; wird auch als Business Intelligence Analyst bezeichnet
C
Chief Data Officer : Ein Datenexperte auf Führungsebene, der für die Konsistenz, Genauigkeit, Relevanz, Interpretierbarkeit und Zuverlässigkeit der von einem Team bereitgestellten Daten verantwortlich ist
D
Datenanonymisierung : Der Prozess des Schutzes privater oder sensibler Daten von Personen durch Eliminierung personenbezogener Daten
Datenbereinigung : Der Prozess der Formatierung von Daten und der Entfernung unerwünschten Materials
Dateningenieur: Ein Datenexperte, der Daten zugänglich macht, sicherstellt, dass Datenökosysteme zuverlässige Ergebnisse liefern, und die Infrastruktur für Daten unternehmensübergreifend verwaltet
Datenexperte : Jede Person, die mit Daten arbeitet und/oder über Datenkenntnisse verfügt
Datenwissenschaft : Die Disziplin, Daten nutzbar zu machen
Datenwissenschaftler : Ein Datenexperte, der eng mit der Analytik zusammenarbeitet, um aussagekräftige Erkenntnisse zu liefern, die zur Verbesserung aktueller Geschäftsabläufe beitragen
Datenverantwortung: Die Praktiken einer Organisation, die sicherstellen, dass Daten zugänglich, nutzbar und sicher sind
UND
Edge-Computing : Eine Methode zur Verteilung von Rechenaufgaben auf eine Reihe benachbarter Prozessoren (z. B. Computer), die sich positiv auf Geschwindigkeit und Ausfallsicherheit auswirkt und nicht von einer einzigen Rechenleistungsquelle abhängt
H
Hackathon: Eine Veranstaltung, bei der Programmierer und Datenexperten zusammenkommen und an einem Projekt arbeiten
ICH
Zwischenmenschliche Fähigkeiten: Eigenschaften, die sich auf die Kommunikation und den Aufbau von Beziehungen konzentrieren
J
Jupyter Notebook: Eine Open-Source-Webanwendung zum Erstellen und Teilen von Dokumenten, die Live-Code, Gleichungen, Visualisierungen und narrativen Text enthalten
M
Maschinelles Lernen: Die Verwendung und Entwicklung von Algorithmen und statistischen Modellen, um Computersystemen beizubringen, Muster in Daten zu analysieren
Mentor: Jemand, der Wissen, Fähigkeiten und Erfahrungen weitergibt, um anderen dabei zu helfen, sich beruflich und persönlich weiterzuentwickeln
Metriken : Methoden und Kriterien zur Auswertung von Daten
N
Gemeinnützig : Eine Gruppe, die zu anderen Zwecken als der Erzielung von Gewinn organisiert ist; Ziel ist es oft, einen sozialen Zweck zu fördern oder der Öffentlichkeit einen Nutzen zu verschaffen
Ö
Offene Daten : Daten, die der Öffentlichkeit zur Verfügung stehen und kostenlos genutzt werden können, mit Anleitungen zum Navigieren in den Datensätzen und zur Angabe der Quelle
P
Persönlich identifizierbare Informationen (PII): Informationen, die einen direkten oder indirekten Rückschluss auf die Identität einer Person ermöglichen
Python : Eine universelle Programmiersprache
R
RACI-Diagramm : Eine visuelle Darstellung, die dabei hilft, Rollen und Verantwortlichkeiten für Einzelpersonen oder Teams zu definieren, um sicherzustellen, dass die Arbeit effizient erledigt wird. listet auf, wer für Projektaufgaben verantwortlich, rechenschaftspflichtig, konsultiert und informiert ist
S
Stichprobe: Ein Segment einer Bevölkerung, das repräsentativ für die gesamte Bevölkerung ist
T
Tableau : Eine Business-Intelligence- und Analyseplattform, die Menschen dabei hilft, Daten zu visualisieren, zu verstehen und Entscheidungen zu treffen
Der Wert eines Portfolios
Die Teilnahme an einem Kurs, das Ansehen von Lehrvideos oder das Lesen von Informationen sind großartige Möglichkeiten, neues Wissen zu erwerben. Es gibt jedoch nichts Schöneres, als dieses Wissen anzuwenden. Wenn Sie tatsächlich etwas tun, hilft das wirklich dabei, zu bestätigen, dass Sie verstehen, was Sie gelernt haben. Dieses Konzept wird als erfahrungsbasiertes Lernen bezeichnet und bedeutet einfach Verstehen durch Handeln. Es geht darum, in eine Situation einzutauchen, in der Sie das Gelernte in die Praxis umsetzen, Ihre Fähigkeiten weiterentwickeln und über Ihre Ausbildung nachdenken können. Erfahrungsbasiertes Lernen ermöglicht einen umfassenderen Blick auf die Welt, liefert wertvolle Einblicke in Ihre besonderen Interessen und Leidenschaften und trägt zum Aufbau von Selbstvertrauen bei. Im Rahmen dieses Programms erhalten Sie durch erfahrungsorientiertes Lernen die Möglichkeit, herauszufinden, wie Unternehmen die Datenanalyse täglich nutzen. Diese Art von Aktivität kann Ihnen dabei helfen, die spezifischen Arten von Branchen und Projekten zu identifizieren, die am interessantesten sind, und das nötige Selbstvertrauen zu gewinnen, um sie mit potenziellen Arbeitgebern zu besprechen. Dies kann Ihnen bei der Jobsuche wirklich dabei helfen, aus der Masse hervorzustechen. Bald werden Sie erfahrungsbasiertes Lernen in die Praxis umsetzen, indem Sie an einem Portfolioprojekt arbeiten. Ein Portfolio ist eine Sammlung von Materialien, die mit potenziellen Arbeitgebern geteilt werden können. Portfolios können entweder auf einer öffentlichen oder einer persönlichen Website gespeichert werden. Sie können in Ihrem digitalen Lebenslauf oder einer anderen beruflichen Online-Präsenz, wie z. B. LinkedIn, verlinkt werden. Ihr Portfolio-Projekt für diesen Kurs umfasst die Verwendung des Tempomodells zum Einrichten von Projektaufgaben. Das Erstellen eines Portfolioprojekts ist eine nützliche Gelegenheit, da Unternehmen Sie während des Vorstellungsgesprächs häufig bitten, ein Projekt abzuschließen. Arbeitgeber verwenden diese Methode häufig, um Sie als Kandidaten zu beurteilen und Einblicke in Ihre Herangehensweise an häufige geschäftliche Herausforderungen zu erhalten. Mit der Vervollständigung dieses Portfolios sind Sie auf den Fall vorbereitet, dass Sie bei der Bewerbung für Stellen im Datenfokus auf diese Situation stoßen. Anschließend werden Ihnen die Besonderheiten Ihres Portfolio-Projekts vorgestellt. Sie erhalten außerdem klare Anweisungen, die Sie befolgen müssen. Berücksichtigen Sie zu Beginn Ihrer Arbeit die Kenntnisse und Fähigkeiten, die Sie in diesem Kurs erworben haben, und überlegen Sie, wie diese auf Ihr Projekt angewendet werden können. Im Rahmen jedes Portfolioprojekts bereiten Sie ein Tempo-Strategiedokument vor. Auf diese Weise können Sie wichtige Punkte innerhalb jedes Projekts identifizieren, die Sie dem Personalmanager mitteilen können, beispielsweise die vielen übertragbaren Fähigkeiten, die Sie erworben haben. Eine übertragbare Fähigkeit ist eine Fähigkeit oder Kompetenz, die von einem Job auf einen anderen übertragen werden kann. Die Hervorhebung Ihrer übertragbaren Fähigkeiten ist besonders wichtig, wenn Sie den Arbeitsplatz oder die Branche wechseln. Wenn Sie beispielsweise während Ihrer Arbeit als Gastgeber in einem Restaurant gelernt haben, wie man Kundenbeschwerden löst, könnten Sie die übertragbare Fähigkeit zur Problemlösung hervorheben, wenn Sie sich für eine Stelle im Datenbereich bewerben. Oder vielleicht haben Sie bei Ihrer Arbeit in der Verwaltung einer gemeinnützigen Organisation gelernt, wie man Fristen einhält, sich Notizen macht und Anweisungen befolgt. Sie könnten besprechen, wie sich Ihre organisatorischen Fähigkeiten auf den Bereich der Datenanalyse übertragen lassen. Der Punkt ist, dass Sie die Fähigkeit entwickelt haben, in einer Rolle Probleme zu lösen oder Dinge zu organisieren. Sie können dieses Wissen überall anwenden. Es gibt alle Arten von übertragbaren Fähigkeiten, die Sie Ihrem Lebenslauf hinzufügen können. Wenn Sie über Ihre übertragbaren Fähigkeiten nachdenken und die Notizen, die Sie in Ihrem Tempo-Strategiedokument machen, können Sie darüber nachdenken, wie Sie technische Konzepte vermitteln können. Dies wird Ihnen natürlich auch dabei helfen, zu zeigen, wie Sie es tun würden Wenden Sie Ihr Fachwissen auf alle Arten von Tools und Szenarien im Bereich Datenkarriere an. Und wenn Sie fertig sind, verfügen Sie nicht nur über ein sehr nützliches Datenanalyseprozessdokument, sondern auch über einen umfassenden Satz an Artefakten für Ihr Portfolio. Klingt aufregend, nicht wahr? Lasst uns anfangen.
Einführung in Ihr Portfolio-Projekt am Ende des Kurses 1
Wenn ich hier bei Google Bewerbungsgespräche mit Leuten führe, schaue ich mir gerne ihre Online-Portfolios an. Ich finde, dass ich bei Kandidaten, die ihr Wissen in einem klaren und überzeugenden Format unter Beweis stellen können, mehr Vertrauen habe. Ein Portfolio zu haben ist im Datenbereich unglaublich verbreitet geworden. Bei einer Jobsuche ist es äußerst wertvoll, Ihre Fähigkeit unter Beweis zu stellen, Geschäftsszenarien zu verstehen, effektiv zu kommunizieren und Tools zur Lösung komplexer Probleme einzusetzen. Ihr Portfolio kann Ihnen wirklich dabei helfen, sich von anderen Kandidaten abzuheben. Bisher erwerben Sie in diesem Kurs zahlreiche Kenntnisse und berufsbereite Fähigkeiten, die Ihnen dabei helfen, hervorragende Leistungen zu erbringen. Sie haben die Rolle von Datenexperten innerhalb einer Organisation und typische Karrierewege kennengelernt. Sie haben die wichtigsten Analysepraktiken und -tools kennengelernt und erlebt, wie Datenexperten sie nutzen, um eine positive Wirkung zu erzielen. All diese Dinge werden Ihnen helfen, Ihr Portfolio-Projekt erfolgreich abzuschließen. Darüber hinaus wenden Sie an, was Sie über Teammitglieder, Stakeholder und Kunden gelernt haben, beispielsweise über deren besondere Rollen oder Prioritäten. Sie beginnen mit der Lektüre des konkreten Projekts, an dem Sie arbeiten werden. In dieser Lektüre werden die Art der Organisation, mit der Sie zusammenarbeiten, die beteiligten Personen, das zu lösende Geschäftsproblem und andere wichtige Details beschrieben. Dadurch können Sie das Projekt weiter definieren, die Stakeholder verstehen und wichtige Fragen berücksichtigen, die es zu beantworten gilt, um ein erfolgreiches Ergebnis zu erzielen. Anschließend erstellen Sie ein PACE-Strategiedokument, in dem der Zweck des Projekts, die Beteiligten, die zu erbringenden Leistungen und vieles mehr dargelegt werden. In diesem Dokument beginnen Sie mit der Integration des PACE-Modells, um Schritte in jeder Phase des Projekts zu identifizieren. Bei jedem Portfolioprojekt orientieren Sie sich weiterhin am PACE-Modell. Wenn Sie jedes PACE-Strategiedokument ausfüllen, sind Sie auf dem besten Weg, Ihren eigenen Datenanalyse-Workflow zu entwickeln. In späteren Kursen arbeiten Sie dann weiter an Ihrem Portfolioprojekt und verwenden weiterhin das PACE-Modell als Leitfaden für Ihren Prozess. Und wenn Sie fertig sind, haben Sie etwas entworfen, mit dem Sie Personalmanager wirklich beeindrucken können. Darüber hinaus verfügen Sie über ein dynamisches Beispiel Ihrer Datenanalysefähigkeiten, das Ihren Denkprozess, Ihre Herangehensweise an die Probleme, die Schlüsselkompetenzen, die Sie erworben haben, und vieles mehr demonstriert. Das sind alles tolle Dinge, über die man während eines Vorstellungsgesprächs sprechen kann. Also gut, fangen wir an. Es ist an der Zeit herauszufinden, wie Sie einem Unternehmen dabei helfen können, in der spannenden Welt der Daten voranzukommen.
Einführung in das Portfolioprojekt am Ende des Kurses
Jeder Kurs im Google Advanced Data Analytics-Zertifikat endet mit einem Projekt, das praktische Möglichkeiten bietet, Ihr Wissen zu üben. Diese Portfolio-Projekte am Ende des Kurses sind kursübergreifend aufgebaut, um den gesamten Lebenszyklus eines Datenprojekts zu simulieren, genau wie Arbeitsaufgaben, denen Sie als Datenprofi begegnen.
Nachdem Sie alle Kurse dieses Zertifikatsprogramms abgeschlossen haben, werden Sie ermutigt, die Projekte in einem Portfolio zusammenzustellen, das Ihre Datenanalysefähigkeiten hervorhebt. Im Abschlusskurs dieses Zertifikatsprogramms erfahren Sie, wie Sie ein Portfolio erstellen: Google Advanced Data Analytics Capstone. Darüber hinaus können die Abschlussprojekte auch zur Vorbereitung auf Bewerbungen und Vorstellungsgespräche genutzt werden, da sie die wertvollen Fähigkeiten unter Beweis stellen, die Sie in die Welt der Datenanalyse einbringen.
Bedeutung der Kommunikation im Datenkarrierebereich
Abschlussprojekte betonen technische und berufliche Fähigkeiten am Arbeitsplatz sowie die Bedeutung der Kommunikation in der Datenanalyse. Der Erfolg Ihres Workflow-Managements, Ihrer Datenanalyse, Datenvisualisierungen, Statistiken, Regressionsanalysen und der Erstellung von Modellen für maschinelles Lernen hängt von Ihrer Fähigkeit ab, mit funktionsübergreifenden Teammitgliedern zu kommunizieren. Daher ist jedes Projekt darauf ausgelegt, Ihnen dabei zu helfen, entscheidende Kommunikationsfähigkeiten zu entwickeln, die Sie bei der Arbeit einsetzen müssen, um Folgendes effektiv zu erreichen:
Fragen stellen
Projektanforderungen teilen
Kommunizieren Sie mit Stakeholdern
Geben und erhalten Sie Feedback
Bleiben Sie mit den Teammitgliedern des Projekts in Kontakt
Erwartungen
Wie bereits erwähnt, werden Sie im letzten Modul jedes Kurses auf ein Abschlussprojekt stoßen. Die Projekte am Ende des Kurses wurden rund um ein Arbeitsplatzszenario entworfen, das Sie durch Aufgaben führt, die mit den Konzepten und Fähigkeiten übereinstimmen, die Sie in jedem Kurs gelernt haben. Das Arbeitsplatzszenario erstreckt sich über alle Abschlussprojekte des Zertifikats.
Sie erhalten die Werkzeuge, Ressourcen und Anweisungen, die Sie benötigen, um Ihre neuen Fähigkeiten anzuwenden und jedes einzelne Projekt am Ende des Kurses abzuschließen. Darüber hinaus haben Sie Zugriff auf hilfreiche Ressourcen, die Ihnen als Leitfaden und Inspiration für Ihren Datenanalyse-Workflow dienen. Am Ende wird Ihr Einsatz mit Arbeitsbeispielen belohnt, die die Wirksamkeit Ihrer Datenanalyse belegen. Wenn Sie an irgendeinem Punkt nicht weiterkommen, finden Sie in jedem Kurs Links zum Durchsehen relevanter Informationen.
Um Sie beim Abschluss jedes Projekts am Ende des Kurses zu unterstützen, erhalten Sie ein PACE-Strategiedokument (Planen, Analysieren, Konstruieren und Ausführen), das Ihren Arbeitsablauf leitet. Durch die Beantwortung der Fragen erlangen Sie ein tieferes Verständnis des Datenanalyseprozesses, dokumentieren Ihre Entwicklung als Datenprofi und bereiten die Beobachtungen und Überlegungen vor, die für den Abschluss jedes Projekts erforderlich sind.
Starten Sie Ihr Projekt
Um das Portfolio-Projekt am Ende des Kurses abzuschließen, müssen Sie zunächst Folgendes tun:
Sammeln Sie Informationen über das Geschäftsproblem oder die zu beantwortende Frage.
Beantworten Sie wichtige Fragen, die im PACE-Strategiedokument gestellt werden.
Erstellen Sie einen Projektvorschlag für funktionsübergreifende Teammitglieder.
In der nächsten Lektüre erfahren Sie mehr über die Arbeitsplatzszenarien und wie Sie mit Ihrem Abschlussprojekt beginnen können. Viel Glück!
Entdecken Sie Ihre Arbeitsplatzszenarien für Kurs 1
Überblick
Dieses Zertifikat bietet Ihnen die Wahl zwischen verschiedenen Arbeitsplatzszenarien, die Sie beim Abschluss jedes Abschlussprojekts nutzen können:
Automatidata mit einem fiktiven Datenberatungsunternehmen
TikTok, erstellt in Zusammenarbeit mit dem Kurzvideo-Hosting-Unternehmen
Waze, erstellt in Zusammenarbeit mit der Echtzeit-Wegbeschreibungs-App
Jedes Szenario bietet Ihnen die Möglichkeit, Ihre Fähigkeiten anzuwenden und Arbeitsproben zu erstellen, die Sie bei der Bewerbung um eine Stelle teilen können. Sie üben also unabhängig vom Arbeitsplatzszenario ähnliche Fähigkeiten aus. Es wird empfohlen, für jedes Projekt am Ende des Kurses mit demselben Szenario zu arbeiten, um ein zusammenhängendes Erlebnis zu gewährleisten. Sie können jedoch im Verlauf des Programms gerne alle Arbeitsplatzszenarien untersuchen, die Sie interessieren.
Zur Erinnerung: Wir empfehlen Ihnen, für alle Abschlussprojekte ein Arbeitsplatzszenario auszuwählen, um eine durchgängige Projektentwicklung sicherzustellen.
Die Mindestanforderung für den Erwerb Ihres Advanced Data Analytics-Zertifikats besteht darin, das Abschlussprojekt für jeden Kurs unter Verwendung eines Arbeitsplatzszenarios abzuschließen. Sie können das Projekt für beliebig viele Arbeitsplatzszenarien abschließen. Wenn Sie das Projekt für mehr als ein Arbeitsplatzszenario in einem einzigen Kurs abschließen, erhalten Sie zusätzliche Übungs- und Arbeitsbeispiele, die Sie Ihrem Portfolio hinzufügen und bei Ihrer Jobsuche mit potenziellen Arbeitgebern teilen können.
Diese Lektüre bietet einen Überblick über alle verfügbaren Arbeitsplatzszenarien. Bevor Sie fortfahren, identifizieren Sie das Szenario, das Sie für das Abschlussprojekt von Kurs 1 abschließen möchten.
Arbeitsplatzszenarien für Kurs 1
Automatisierte Daten
Projektziel:
In diesem fiktiven Szenario hat die New York City Taxi and Limousine Commission (TLC) das Datenberatungsunternehmen Automatidata mit der Entwicklung einer App beauftragt, die es TLC-Fahrern ermöglicht, die Taxipreise vor ihrer Fahrt abzuschätzen.
Hintergrund:
Seit 1971 reguliert und überwacht TLC die Lizenzierung von Taxis, Mietfahrzeugen, Kleintransportern und Paratransit-Fahrzeugen in New York City.
Szenario:
Sie sind ein neu eingestellter Datenexperte bei Automatidata, einem fiktiven Datenberatungsunternehmen. Der Fokus von Automatidata liegt darauf, Kunden dabei zu helfen, ihre ungenutzten und gespeicherten Daten in nützliche Lösungen umzuwandeln. In diesem Szenario beraten Sie sich mit der New York City Taxi & Limousine Commission, um eine App zu entwickeln, die Benutzern (TLC-Fahrern) hilft, ihre Taxipreise vor ihrer Fahrt abzuschätzen. Ihre erste Aufgabe als Datenanalyseberater besteht darin, die erforderlichen Aufgaben in einem Projektvorschlag zu strukturieren, der Meilensteine für das Fahrpreisdatenprojekt festlegt.
Aufgaben für Kurs 1:
Sammeln Sie Informationen aus den Notizen der letzten Vorstandssitzung von Automatidata
Weisen Sie den angeforderten Aufgaben PACE-Stufen zu
Organisieren Sie Aufgaben in Meilensteine
Erstellen Sie einen Projektvorschlag zur Genehmigung durch das Führungsteam
Hinweis: Die Geschichte, alle Namen, Charaktere und Vorfälle, die in diesem Projekt dargestellt werden, sind frei erfunden. Eine Identifizierung mit tatsächlichen Personen (lebend oder verstorben) ist nicht beabsichtigt oder sollte abgeleitet werden. Und die in diesem Projekt geteilten Daten wurden für pädagogische Zwecke erstellt.
Tick Tack
Projektziel:
Das TikTok-Datenteam entwickelt ein maschinelles Lernmodell zur Klassifizierung von Behauptungen, die in auf der Plattform eingereichten Videos erhoben werden.
Hintergrund:
TikTok ist das führende Ziel für mobile Kurzvideos. Die Plattform ist darauf ausgelegt, der Fantasie freien Lauf zu lassen. Die Mission von TikTok besteht darin, einen Ort für integrative, fröhliche und authentische Inhalte zu schaffen, an dem Menschen sicher entdecken, kreieren und Kontakte knüpfen können.
Szenario:
Als Datenanalyst im Datenteam von TikTok erstellen Sie mit neuen Überlegungen des Führungsteams einen Projektvorschlag, indem Sie die erforderlichen Datenanalyseaufgaben realistischen Meilensteinen zuordnen, die zukünftige Schritte im Schadenklassifizierungsprojekt beraten.
Aufgaben für Kurs 1:
Sammeln Sie Informationen aus Stakeholder-Notizen in TikTok
Weisen Sie PACE-Stufen den angeforderten Aufgaben für das Klassifizierungsprojekt zu
Organisieren Sie Aufgaben in Meilensteine
Erstellen Sie einen Projektvorschlag für das TikTok-Datenteam
Hinweis: Die Geschichte, alle Namen, Charaktere und Vorfälle, die in diesem Projekt dargestellt werden, sind frei erfunden. Eine Identifizierung mit tatsächlichen Personen (lebend oder verstorben) ist nicht beabsichtigt oder sollte abgeleitet werden. Und die in diesem Projekt geteilten Daten wurden für pädagogische Zwecke erstellt.
Waze
Projektziel:
Die Führung von Waze hat Ihr Datenteam gebeten, ein Modell für maschinelles Lernen zu entwickeln, um die Benutzerabwanderung vorherzusagen. Churn quantifiziert die Anzahl der Benutzer, die die Waze-App deinstalliert oder die App nicht mehr verwendet haben. Dieses Projekt konzentriert sich auf die monatliche Benutzerabwanderung. Ein genaues Modell wird dazu beitragen, Abwanderung zu verhindern, die Benutzerbindung zu verbessern und das Geschäft von Waze auszubauen.
Hintergrund:
Die kostenlose Navigations-App von Waze macht es Fahrern auf der ganzen Welt einfacher, an ihr gewünschtes Ziel zu gelangen. Die Waze-Community aus Karteneditoren, Betatestern, Übersetzern, Partnern und Benutzern trägt dazu bei, jede Fahrt besser und sicherer zu machen.
Szenario:
Sie sind das neueste Mitglied des Datenteams von Waze. Ihr Team steht kurz davor, mit dem Benutzerabwanderungsprojekt zu beginnen. Der erste Schritt besteht darin, einen Projektvorschlag zu erstellen. Der Vorschlag wird das Gesamtziel des Projekts klar definieren und wichtige Aufgaben, Meilensteine und Stakeholder identifizieren.
Aufgaben für Kurs 1:
Weisen Sie PACE-Stufen den angeforderten Aufgaben für das Benutzerabwanderungsprojekt zu
Organisieren Sie Aufgaben in Meilensteine
Erstellen Sie einen Projektvorschlag für das Waze-Datenteam
Hinweis: Die Geschichte, alle Namen, Charaktere und Vorfälle, die in diesem Projekt dargestellt werden, sind frei erfunden. Eine Identifizierung mit tatsächlichen Personen (lebend oder verstorben) ist nicht beabsichtigt oder sollte abgeleitet werden. Und die in diesem Projekt geteilten Daten wurden für pädagogische Zwecke erstellt.
Die zentralen Thesen
In Kurs 1, Grundlagen der Datenwissenschaft, haben Sie die Welt der Datenexperten erkundet und gelernt, wie Datenanalyse zu den Zielen einer Organisation beiträgt.
Fähigkeiten für Kurs 1:
Effektive Kommunikation
Verstehen Sie die funktionsübergreifende Teamdynamik
Projektmanagement
Teilen Sie Erkenntnisse und Ideen mit Stakeholdern
Ergebnisse des Abschlussprojekts von Kurs 1:
Vervollständigen Sie das PACE-Strategiedokument für Kurs 1
Erstellen Sie einen Projektvorschlag
Die Portfolio-Projekte am Ende des Kurses sind so konzipiert, dass Sie Ihre datenanalytischen Fähigkeiten in einem Arbeitsplatzszenario anwenden können. Unabhängig davon, mit welchem Szenario Sie arbeiten, üben Sie Ihre Fähigkeit, datenanalytische Themen mit Kollegen, internen Teammitgliedern und externen Kunden zu diskutieren.
Zur Erinnerung: Sie müssen für jeden Kurs ein Projekt abschließen. Um zusätzliche Übung zu erlangen oder Ihrem Portfolio weitere Beispiele hinzuzufügen, können Sie so viele Szenarios absolvieren, wie Sie möchten.
Überblick über das Portfolio-Projekt am Ende des Kurses 1: Automatidata
Portfolio: Automatidata
Erfahren Sie mehr über das Automatidat-Arbeitsplatzszenario von Kurs 1!
Das Abschlussprojekt in Kurs 1 konzentriert sich auf Ihre Fähigkeit, Datenprojekte zu planen und einen Projektvorschlag zu erstellen. Die Abschlussprojekte wurden speziell für Sie konzipiert und bieten Ihnen die Möglichkeit, Ihre Datenanalysefähigkeiten zu üben und anzuwenden. Die hier bereitgestellten Materialien begleiten Sie durch Diskussionen mit Kollegen, internen Teammitgliedern und externen Stakeholdern.
Erfahren Sie in dieser Lektüre mehr über das Projekt, Ihre Rolle und Ihre Erwartungen.
Hintergrund zum Automatidata-Szenario
Herzlichen Glückwunsch zu Ihrem neuen Job als Datenanalyst bei einem Datenberatungsunternehmen namens Automatidata. Automatidata arbeitet mit seinen Kunden zusammen, um deren ungenutzte und gespeicherte Daten in nützliche Lösungen wie Leistungs-Dashboards, kundenorientierte Tools, strategische Geschäftseinblicke und mehr umzuwandeln. Sie sind darauf spezialisiert, die Geschäftsanforderungen eines Kunden zu ermitteln und ihre Daten zur Erfüllung dieser Geschäftsanforderungen zu nutzen.
Automatidata berät die New York City Taxi and Limousine Commission (TLC). New York City TLC ist eine Behörde, die für die Lizenzierung und Regulierung der Taxis und Mietfahrzeuge in New York City zuständig ist. Die Agentur hat mit Automatidata zusammengearbeitet, um ein Regressionsmodell zu entwickeln, das dabei hilft, die Taxipreise vor der Fahrt auf der Grundlage der von TLC gesammelten Daten abzuschätzen.
Die TLC-Daten stammen von über 200.000 Taxi- und Limousinenlizenznehmern, die zusammen etwa eine Million Fahrten pro Tag durchführen.
Hinweis: Der Datensatz dieses Projekts wurde zu pädagogischen Zwecken erstellt und gibt möglicherweise keinen Aufschluss über das Verhalten von Taxifahrern in New York City.
Hintergrund des Projekts
Automatidata befindet sich im Anfangsstadium des TLC-Projekts. Die folgenden Aufgaben sind erforderlich, bevor das Team mit der Datenanalyse beginnen kann:
Ein Projektvorschlag, der Folgendes identifiziert:
Organisieren Sie Projektaufgaben in Meilensteine
Klassifizieren Sie Aufgaben mithilfe des PACE-Workflows
Identifizieren Sie relevante Stakeholder
Ihre Aufgabe
Für Ihren ersten Auftrag benötigt Automatidata einen Projektvorschlag, der Meilensteine für die Aufgaben innerhalb des TLC-Projekts schafft. Denken Sie daran, Ihre Zielgruppe, Ihr Team, Ihr Projektziel und die PACE-Phasen jeder Aufgabe bei der Planung Ihrer Projektergebnisse zu berücksichtigen.
Teammitglieder bei Automatidata und dem New York City TLC
Mitglieder des Automatidata-Teams
Udo Bankole, Leiter Datenanalyse
Deshawn Washington, Datenanalysemanager
Luana Rodriquez, leitende Datenanalystin
Uli King, Senior Projektmanager
Ihre Teamkollegen bei Automatidata verfügen über technische Erfahrung mit Datenanalyse und Datenwissenschaft. Sie sollten jedoch immer darauf achten, Zusammenfassungen und Nachrichten an diese Teammitglieder prägnant und auf den Punkt zu bringen.
Mitglieder des TLC-Teams von New York City
Juliana Soto, Leiterin der Abteilung Finanzen und Verwaltung
Titus Nelson, Betriebsleiter
Hinweis: Die Geschichte, alle Namen, Charaktere und Vorfälle, die in diesem Projekt dargestellt werden, sind frei erfunden. Eine Identifizierung mit tatsächlichen Personen (lebend oder verstorben) ist nicht beabsichtigt oder sollte abgeleitet werden. Die in diesem Projekt geteilten Daten wurden aus pädagogischen Gründen verändert.
Die Mitglieder des TLC-Teams sind Programmmanager, die den Betrieb der Organisation überwachen. Ihre Rollen sind nicht sehr technisch, also passen Sie Ihre Sprache und Erklärung entsprechend an.
Meeting-Notizen
Da Sie nun als neuester Datenanalyseexperte von Automatidata arbeiten, erhalten Sie Zugang zum Unternehmensnetzwerk und richten ein Firmen-E-Mail-Konto ein (Ihr Vor- und Nachname, gefolgt von @automatidata.org).
Als Sie Ihren Posteingang öffnen, bemerken Sie eine E-Mail von Ihrem Vorgesetzten Deshawn.
Von: Deshawn Washington
Betreff: Besprechungsnotizen durchsehen
Wenn Sie dies lesen können, sind Ihre Firmenkonten erstellt! Jetzt ist der perfekte Zeitpunkt, um anzufangen. Letzte Woche nahm ich an einer internen Besprechung mit unserem Führungsteam über ein neues Projekt teil, das wir bald beginnen werden. Sie werden in den nächsten Tagen weitere Informationen erhalten, ich möchte Sie jedoch über einige Bedürfnisse informieren, die von unserem Führungsteam identifiziert wurden. Hier ist ein Auszug aus den Notizen, die ich während der Sitzung des Automatidata-Führungsteams gemacht habe. Ich habe die Punkte nach der Person geordnet, die sie erstellt hat.
Uli King (Senior Projektmanager)
Das Datenteam benötigt ein Projektdokument auf globaler Ebene, um die Ziele und Meilensteine zu skizzieren.
Ich arbeite eng mit Titus Nelson bei der New York City Taxi and Limo Commission zusammen. Er hat einige Bilder angefordert, die er mit den Führungskräften von TLC teilen möchte.
Luana Rodriquez (leitende Datenanalystin)
Der Datensatz aus der TLC muss überprüft werden, bevor mit der Analyse begonnen werden kann.
Unser Team muss durch explorative Datenanalyse (EDA) ermitteln, welche Informationen die TLC-Daten liefern.
Schließlich muss unser Team testen, ob das Modell konsistente Ergebnisse liefert.
Udo Bankole (Leiter Datenanalyse)
Bevor wir TLC irgendwelche Erkenntnisse präsentieren, müssen wir feststellen, ob das von uns erstellte Modell den Projektanforderungen entspricht oder nicht.
Sobald wir ein endgültiges Modell haben, muss ich die wichtigsten Gesprächsthemen kennen, die in unsere Präsentation mit TLC einfließen.
Meine Gedanken und Sorgen …
Ich denke, es ist am besten, Python für das TLC-Projekt zu verwenden. Ich werde jemanden aus meinem Team damit beauftragen, das einzurichten, sobald wir den Plan haben.
Es wird wichtig sein, die Beziehung zwischen allen Variablen innerhalb der TLC-Daten herzustellen. Ich würde dem Datenteam vorschlagen, A/B-Tests in Betracht zu ziehen, da dadurch die Beziehung zwischen den beiden nützlichsten Variablen analysiert und anschließend datengesteuerte Unterstützung für zukünftige Geschäftsentscheidungen bereitgestellt wird.
Sehen Sie sich die Besprechungsnotizen oben an, um sich mit dem Kontext des Projekts vertraut zu machen. Ich bitte Sie, Projektaufgaben zu identifizieren und eine Struktur zu entwickeln, um das Datenteam durch dieses Projekt zu führen. Nach unserem Gespräch über Ihre Erfahrungen mit dem von Google angebotenen Zertifikatsprogramm weiß ich, dass Ihr effizienter Kommunikationsstil und Ihre Problemlösungsfähigkeiten die Fähigkeiten des Datenteams verbessern werden.
Weitere Einzelheiten werden Ihnen in Kürze zugesandt.
Willkommen im Team,
Deshawn Washington
Datenanalysemanager
Automatisierte Daten
(PS: Jeden Dienstagmorgen gibt es Muffins im Pausenraum. Sei früh dran … es sei denn, du magst Kleie-Muffins. LOL)
Spezifische Projektergebnisse
Mit diesem Abschlussprojekt erwerben Sie wertvolle Praxis und wenden Ihre neuen Fähigkeiten an, während Sie Folgendes absolvieren:
Kurs 1 PACE-Strategiedokument zur Planung Ihres Projekts unter Berücksichtigung Ihrer Zielgruppe, Teamkollegen, wichtiger Meilensteine und des Gesamtprojektziels.
Erstellen Sie einen Projektvorschlag für das Datenteam.
Die zentralen Thesen
Das Abschlussprojekt für das Google Advanced Data Analytics-Zertifikat ist für Sie konzipiert, um Kursfähigkeiten in einem fiktiven Arbeitsplatzszenario zu üben und anzuwenden. Wenn Sie das Abschlussprojekt jedes Kurses abschließen, erhalten Sie Arbeitsbeispiele, die Ihr Portfolio erweitern und Ihre Fähigkeiten für zukünftige Arbeitgeber präsentieren.
Überblick über das Portfolio-Projekt am Ende des Kurses 1: TikTok
Portfolio: TikTok
Erfahren Sie mehr über das TikTok-Arbeitsplatzszenario von Kurs 1!
Dieses Abschlussprojekt wurde speziell für Sie konzipiert und bietet Ihnen die Möglichkeit, Ihre Datenanalysefähigkeiten zu üben und anzuwenden. Die hier bereitgestellten Materialien begleiten Sie durch Diskussionen mit Kollegen, internen Teammitgliedern und externen Stakeholdern.
Erfahren Sie in dieser Lektüre mehr über das Projekt, Ihre Rolle und Ihre Erwartungen.
Hintergrund zum TikTok-Szenario
Willkommen in Ihrer neuen Rolle bei TikTok! Wir freuen uns, Sie im Datenteam zu haben!
Bei TikTok ist es unsere Mission, Kreativität anzuregen und Freude zu bereiten. Unsere Mitarbeiter führen mit Neugier und bewegen sich im Tempo der Kultur. In Kombination mit der flachen Struktur unseres Unternehmens erhalten Sie dynamische Möglichkeiten, einen echten Einfluss auf ein schnell wachsendes Unternehmen zu nehmen und Ihre Karriere voranzutreiben.
TikTok-Benutzer haben die Möglichkeit, Videos und Kommentare zu melden, die Benutzeransprüche enthalten. Diese Berichte identifizieren Inhalte, die von Moderatoren überprüft werden müssen. Dieser Prozess generiert eine große Anzahl von Benutzerberichten, die nur schwer schnell bearbeitet werden können.
TikTok arbeitet an der Entwicklung eines Vorhersagemodells, das feststellen kann, ob ein Video eine Behauptung enthält oder eine Meinung abgibt. Mit einem erfolgreichen Vorhersagemodell kann TikTok den Rückstand an Benutzerberichten reduzieren und diese effizienter priorisieren.
Hintergrund des Projekts
Das Datenteam von TikTok befindet sich im Anfangsstadium des Schadenklassifizierungsprojekts. Die folgenden Aufgaben sind erforderlich, bevor das Team mit der Datenanalyse beginnen kann:
Ein Projektvorschlag, der Folgendes identifiziert:
Organisieren Sie Projektaufgaben in Meilensteine
Klassifizieren Sie Aufgaben mithilfe des PACE-Workflows
Identifizieren Sie relevante Stakeholder
Ihre Aufgabe
Für Ihre erste Aufgabe bittet TikTok um einen Projektvorschlag, der Meilensteine für die Aufgaben innerhalb des Kommentarklassifizierungsprojekts schafft. Denken Sie daran, Ihre Zielgruppe, Ihr Team, Ihr Projektziel und die PACE-Phasen jeder Aufgabe bei der Planung Ihrer Projektergebnisse zu berücksichtigen.
Teammitglieder bei TikTok
Als neuer Datenanalyst arbeiten Sie eng mit einem talentierten Team erfahrener Datenexperten zusammen. Je nach Projektbedarf arbeiten Sie auch mit TikTok-Kollegen außerhalb des Datenteams zusammen.
Rollen des Datenteams
Willow Jaffey – Leiterin der Datenwissenschaft
Rosie Mae Bradshaw – Data Science Manager
Orion Rainier – Datenwissenschaftler
Funktionsübergreifende Teammitglieder
Mary Joanna Rodgers – Projektmanagementbeauftragte
Margery Adebowale – Finanzleiterin, Amerika
Maika Abadi – Betriebsleiterin
Hinweis: Die Geschichte, alle Namen, Charaktere und Vorfälle, die in diesem Projekt dargestellt werden, sind frei erfunden. Eine Identifizierung mit tatsächlichen Personen (lebend oder verstorben) ist nicht beabsichtigt oder sollte abgeleitet werden. Die in diesem Projekt geteilten Daten wurden aus pädagogischen Gründen verändert.
Zu Ihrem TikTok-Team gehören mehrere Manager, die den Betrieb überwachen. Es ist wichtig, Ihre Kommunikation an ihre Rollen anzupassen, da ihre Verantwortlichkeiten weniger technisch sind. Die Mitglieder des Datenteams von TikTok sind mit Datenanalyse und Datenwissenschaft bestens vertraut. Nachrichten an diese eher technisch versierten Mitarbeiter sollten prägnant und konkret sein.
Meeting-Notizen
Nachdem Sie nun an Bord sind, haben Sie Zugriff auf das Unternehmensnetzwerk und werden mit einem Firmen-E-Mail-Konto eingerichtet.
Oben in Ihrem Posteingang sehen Sie eine E-Mail Ihres Vorgesetzten.
Von: Rosie Mae Bradshaw
Betreff: Ihre erste Aufgabe: Besprechungsnotizen durchgehen
Wenn Sie dies lesen können, sind Ihre Firmenkonten erstellt! Es ist der perfekte Zeitpunkt, um mit Ihrer ersten Aufgabe zu beginnen. Letzte Woche nahm ich an einer internen Besprechung mit unserem Führungsteam über ein neues Projekt teil, das wir bald beginnen werden. Sie werden in den nächsten Tagen weitere Informationen erhalten, aber ich möchte Sie über einige Bedürfnisse informieren, die von unserer Führung festgestellt wurden. Hier ist ein Auszug aus den Notizen, die ich während der Besprechung des Führungsteams gemacht habe. Ich habe die Punkte nach der Person geordnet, die den Kommentar abgegeben hat:
Mary Joanna Rodgers – Projektmanagementbeauftragte
Das Projekt benötigt ein globales Dokument, in dem die zu erbringenden Leistungen und Meilensteine aufgeführt sind.
Wir müssen einige visuelle Elemente erstellen, um sie mit den Führungskräften von TikTok zu teilen.
Orion Rainier-Datenwissenschaftler
Wir müssen ein Verständnis für die Daten haben, mit denen wir bei diesem Projekt arbeiten werden.
Es ist erforderlich, dass jemand aus dem Team den Datensatz auf fehlende Daten überprüft.
Das Datenteam muss durch explorative Datenanalyse (EDA) ermitteln, welche Informationen in den Daten von TikTok am nützlichsten sind.
Irgendwann muss unser Team eine statistische Testmethode anwenden.
Willow Jaffey – Leiterin der Datenwissenschaft
Das Ziel des Anspruchsklassifizierungsprojekts besteht darin, ein zuverlässiges Modell für maschinelles Lernen zu erstellen und bereitzustellen.
Das Team muss die Art des Regressionsmodells für dieses Projekt bestimmen.
Sobald wir ein endgültiges Modell haben, muss ich die wichtigsten Diskussionspunkte kennen, die in unsere Präsentation vor dem Führungsteam einfließen.
Das Team muss die beste Methode zum Hypothesentest für diesen Datensatz ermitteln.
Meine Gedanken und Sorgen …
Ich denke, es ist am besten, Python für dieses Projekt zu verwenden. Ich werde jemanden aus meinem Team damit beauftragen, das einzurichten, sobald wir den Projektvorschlag haben.
Ich würde vorschlagen, dass das Datenteam die Annahmen aller für dieses Projekt entwickelten Regressionsmodelle überprüfen muss.
Das Datenteam wird den Arbeitsablauf des Projekts identifizieren und einrichten.
Weitere Einzelheiten werden Ihnen in Kürze zugesandt.
Willkommen im Team,
Rosie Mae Bradshaw
Data-Science-Manager
Tick Tack
(PS: Vergessen Sie nicht das vom Unternehmen gesponserte Mittagessen am Freitag. Das Essen ist immer fantastisch. Es ist eine großartige Gelegenheit, weitere unserer wunderbaren Kollegen kennenzulernen. Unser Team trifft sich gegen Mittag in der Lobby. Bitte kommen Sie zu uns!)
Spezifische Projektergebnisse
Mit diesem Abschlussprojekt erwerben Sie wertvolle Praxis und wenden Ihre neuen Fähigkeiten an, während Sie die folgenden Leistungen erbringen:
Kurs 1 PACE-Strategiedokument zur Planung Ihres Projekts unter Berücksichtigung Ihrer Zielgruppe, Teamkollegen, wichtiger Meilensteine und des Gesamtprojektziels.
Erstellen Sie einen Projektvorschlag für das Datenteam.
Die zentralen Thesen
Das Abschlussprojekt für das Google Advanced Data Analytics-Zertifikat ist für Sie konzipiert, um Kursfähigkeiten in einem fiktiven Arbeitsplatzszenario zu üben und anzuwenden. Durch den Abschluss jedes Projekts erhalten Sie Arbeitsbeispiele, die Ihr Portfolio erweitern und Ihre Fähigkeiten für zukünftige Arbeitgeber präsentieren.
Überblick über das Portfolio-Projekt am Ende des Kurses 1: Waze
Portfolio: Waze
Erfahren Sie mehr über das Waze-Arbeitsplatzszenario von Kurs 1!
Das Abschlussprojekt in Kurs 1 konzentriert sich auf Ihre Fähigkeit, Datenprojekte zu planen und einen Projektvorschlag zu erstellen. Die Abschlussprojekte wurden speziell für Sie konzipiert und bieten Ihnen die Möglichkeit, Ihre Datenanalysefähigkeiten zu üben und anzuwenden. Die hier bereitgestellten Materialien begleiten Sie durch Diskussionen mit Kollegen, internen Teammitgliedern und externen Stakeholdern.
Erfahren Sie in dieser Lektüre mehr über das Projekt, Ihre Rolle und Ihre Erwartungen.
Hintergrund zum Waze-Szenario
Willkommen in Ihrer neuen Rolle bei Waze! Wir freuen uns, Sie im Datenteam zu haben!
Die kostenlose Navigations-App von Waze macht es Fahrern auf der ganzen Welt einfacher, an ihr gewünschtes Ziel zu gelangen. Die Waze-Community aus Karteneditoren, Betatestern, Übersetzern, Partnern und Benutzern trägt dazu bei, jede Fahrt besser und sicherer zu machen. Waze arbeitet mit Städten, Verkehrsbehörden, Rundfunkanstalten, Unternehmen und Ersthelfern zusammen, um so vielen Menschen wie möglich zu helfen, effizienter und sicherer zu reisen.
Sie arbeiten mit Ihren Waze-Teamkollegen zusammen, um Daten zu analysieren und zu interpretieren, wertvolle Erkenntnisse zu gewinnen und der Führung dabei zu helfen, fundierte Geschäftsentscheidungen zu treffen. Ihr Team ist dabei, ein neues Projekt zu starten, um die Abwanderung von Benutzern in der Waze-App zu verhindern. Churn quantifiziert die Anzahl der Benutzer, die die Waze-App deinstalliert oder die App nicht mehr verwendet haben. Dieses Projekt konzentriert sich auf die monatliche Benutzerabwanderung. In Ihrer Rolle analysieren Sie Benutzerdaten und entwickeln ein maschinelles Lernmodell, das die Benutzerabwanderung vorhersagt.
Dieses Projekt ist Teil einer größeren Anstrengung von Waze, das Wachstum zu steigern. Typischerweise weisen hohe Bindungsraten auf zufriedene Benutzer hin, die die Waze-App im Laufe der Zeit immer wieder nutzen. Die Entwicklung eines Abwanderungsvorhersagemodells wird dazu beitragen, Abwanderung zu verhindern, die Benutzerbindung zu verbessern und das Geschäft von Waze auszubauen. Ein genaues Modell kann auch dabei helfen, bestimmte Faktoren zu identifizieren, die zur Abwanderung beitragen, und Fragen zu beantworten wie:
Welche Benutzer werden am wahrscheinlichsten abwandern?
Warum wechseln Benutzer ab?
Wann kommt es zur Abwanderung von Benutzern?
Wenn Waze beispielsweise ein Segment von Benutzern identifizieren kann, bei denen ein hohes Abwanderungsrisiko besteht, kann Waze diese Benutzer proaktiv mit Sonderangeboten ansprechen, um zu versuchen, sie zu binden. Andernfalls könnte Waze diese Benutzer einfach verlieren, ohne zu wissen, warum.
Ihre Erkenntnisse werden der Führung von Waze dabei helfen, die Kundenbindungsstrategie des Unternehmens zu optimieren, das Benutzererlebnis zu verbessern und datengesteuerte Entscheidungen über die Produktentwicklung zu treffen.
Hintergrund des Projekts
Das Datenteam von Waze befindet sich im Anfangsstadium des Churn-Projekts. Die folgenden Aufgaben sind erforderlich, bevor das Team mit der Datenanalyse beginnen kann:
Ein Projektvorschlag, der Folgendes identifiziert:
Organisieren Sie Projektaufgaben in Meilensteine
Klassifizieren Sie Aufgaben mithilfe des PACE-Workflows
Identifizieren Sie relevante Stakeholder
Ihre Aufgabe
Für Ihren ersten Auftrag bittet Waze um einen Projektvorschlag, der Meilensteine für die Aufgaben innerhalb dieses Projekts schafft. Denken Sie daran, Ihre Zielgruppe, Ihr Team, Ihr Projektziel und die PACE-Phasen jeder Aufgabe bei der Planung Ihrer Projektergebnisse zu berücksichtigen.
Hinweis: Der Datensatz dieses Projekts wurde für pädagogische Zwecke erstellt und stellt nicht die tatsächlichen Daten von Waze dar.
Teammitglieder bei Waze
Als neuer Datenanalyst arbeiten Sie eng mit einem talentierten Team erfahrener Datenexperten zusammen. Je nach Projektbedarf arbeiten Sie auch mit Waze-Kollegen außerhalb des Datenteams zusammen.
Rollen des Datenteams
Harriet Hadzic – Direktorin für Datenanalyse
May Santner – Datenanalysemanagerin
Chidi Ga – Leitender Datenanalyst
Sylvester Esperanza – Leitender Projektmanager
Andere Rollen im Szenario
Emrick Larson – Leiter der Abteilung Finanzen und Verwaltung
Ursula Sayo – Betriebsleiterin
Hinweis: Die Geschichte, alle Namen, Charaktere und Vorfälle, die in diesem Projekt dargestellt werden, sind frei erfunden. Eine Identifizierung mit tatsächlichen Personen (lebend oder verstorben) ist nicht beabsichtigt oder sollte abgeleitet werden. Die in diesem Projekt geteilten Daten wurden aus pädagogischen Gründen verändert.
Die Mitglieder des Datenteams verfügen über technisches Fachwissen in der Datenanalyse und sind mit Begriffen und Konzepten aus Statistik und maschinellem Lernen vertraut. Um effektiv mit Mitgliedern des Datenteams zu kommunizieren, stellen Sie sicher, dass Ihre Nachrichten klar und prägnant sind und sich auf die wichtigsten Punkte konzentrieren.
Waze-Mitarbeiter außerhalb des Datenteams haben möglicherweise keinen Hintergrund in der Datenanalyse oder sind mit technischen Begriffen und Konzepten nicht vertraut. Achten Sie bei der Kommunikation mit diesen Kollegen darauf, dass Sie Ihre Sprache an Ihre Zielgruppe anpassen und bei Bedarf Fachbegriffe klar erklären.
Meeting-Notizen
Nach dem Onboarding erhalten Sie Zugang zum Firmennetzwerk und richten ein Firmen-E-Mail-Konto ein (Ihr Vor- und Nachname, gefolgt von @Waze).
Als Sie Ihren Posteingang öffnen, bemerken Sie eine E-Mail von Ihrer Vorgesetzten, May Santner.
Von: „May Santner“, May@waze.com
Betreff: Ihre erste Aufgabe: Besprechungsnotizen durchgehen
Wenn Sie diese Nachricht lesen, wurden Ihre Firmenkonten erstellt! Jetzt ist der perfekte Zeitpunkt, um anzufangen. Letzte Woche nahm ich an einer internen Besprechung mit unserem Führungsteam über ein neues Projekt teil. Sie werden in den nächsten Tagen weitere Informationen erhalten, aber ich möchte, dass Sie sich über einige wichtige Punkte der Führung im Klaren sind. Hier ist ein Auszug aus meinen Besprechungsnotizen. Ich habe die Punkte nach der Person geordnet, die sie erstellt hat.
Sylvester Esperanza, Senior-Projektmanager
Das Datenteam benötigt ein Projektdokument auf globaler Ebene, um die Projektziele und Meilensteine zu skizzieren.
Wir müssen einige visuelle Elemente erstellen, um sie mit den Führungskräften von Waze zu teilen.
Chidi Ga, leitender Datenanalyst
Der Datensatz muss überprüft werden, bevor mit der Analyse begonnen werden kann.
Das Datenteam muss durch explorative Datenanalyse (EDA) mehr über die Daten erfahren.
Schließlich muss unser Team das Modell testen, um herauszufinden, ob es konsistente Ergebnisse liefert.
Harriet Hadzic, Direktorin für Datenanalyse
Bevor wir Erkenntnisse weitergeben, müssen wir feststellen, ob unser Modell die Projektanforderungen erfüllt.
Sobald wir das Modell fertiggestellt haben, muss ich die wichtigsten Gesprächsthemen für unsere Präsentation vor dem Führungsteam kennen.
Meine Gedanken und Sorgen …
Ich denke, es ist am besten, Python für dieses Projekt zu verwenden. Ich werde jemanden aus meinem Team damit beauftragen, das einzurichten, sobald wir den Projektvorschlag haben.
Es wird wichtig sein, die Beziehung zwischen Schlüsselvariablen im Datensatz herzustellen. Ich würde vorschlagen, dass das Datenteam Hypothesentests in Betracht zieht.
Sehen Sie sich die Besprechungsnotizen und vorgeschlagenen Aufgaben jedes Teammitglieds an, um sich mit dem Kontext des Projekts vertraut zu machen. Ich bitte Sie, Projektaufgaben zu identifizieren und eine Struktur zu entwickeln, um das Datenteam durch dieses Projekt zu führen. Nach unserem Gespräch über Ihre Erfahrungen im Google-Zertifikatsprogramm weiß ich, dass Ihr effizienter Kommunikationsstil und Ihre ausgeprägten Fähigkeiten zur Problemlösung dem Datenteam helfen werden, seine Ziele zu erreichen.
Weitere Einzelheiten werden Ihnen in Kürze zugesandt.
Willkommen im Team,
Mai Santner
Datenanalysemanager
Waze
(PS: Vergessen Sie nicht unsere Diskussionsgruppe „Data Superstars“. Unsere nächste Sitzung ist diesen Freitag um 15 Uhr. Jeden Monat trifft sich das Team, um die Arbeit einer innovativen und inspirierenden historischen Persönlichkeit zu diskutieren. In diesem Monat ist es Ada Lovelace, die oft in Betracht gezogen wird Der erste Computerprogrammierer der Welt ist auch eine großartige Gelegenheit, Ihre neuen Teamkollegen kennenzulernen – und wenn Sie möchten, probieren Sie den hervorragenden Kaffee im Waze-Café!
Spezifische Projektergebnisse
Mit diesem Abschlussprojekt erwerben Sie wertvolle Praxis und wenden Ihre neuen Fähigkeiten an, während Sie die folgenden Leistungen erbringen:
Kurs 1 PACE-Strategiedokument zur Planung Ihres Projekts unter Berücksichtigung Ihrer Zielgruppe, Teamkollegen, wichtiger Meilensteine und des Gesamtprojektziels.
Erstellen Sie einen Projektvorschlag für das Datenteam.
Die zentralen Thesen
Das Abschlussprojekt für das Google Advanced Data Analytics-Zertifikat ist für Sie konzipiert, um Kursfähigkeiten in einem fiktiven Arbeitsplatzszenario zu üben und anzuwenden. Wenn Sie das Abschlussprojekt jedes Kurses abschließen, erhalten Sie Arbeitsbeispiele, die Ihr Portfolio erweitern und Ihre Fähigkeiten für zukünftige Arbeitgeber präsentieren.
Projektabschluss am Ende des Kurses und Tipps für den weiteren beruflichen Erfolg
Sie haben das erste Portfolio-Projekt abgeschlossen, herzlichen Glückwunsch. Die Planung und Dokumentation Ihrer Herangehensweise an die Beispielsituation ist eine nützliche Erfahrung, wenn Sie über Ihre zukünftige Jobsuche nachdenken. Bald werden Sie in der Lage sein, Personalmanager zu beeindrucken, indem Sie Ihre Berufserfahrung im Datenbereich besprechen, einschließlich des Verständnisses von Stakeholder-Anfragen, der Erstellung eines klaren und unkomplizierten Projektplans und der Erstellung eines effektiven Strategiedokuments. Darüber hinaus verstehen Sie, wie Sie die erforderlichen Arbeitsabläufe planen und organisieren. Dies ist ein großer Teil des Prozesses eines Datenexperten. Außerdem ist es, wie Sie gelernt haben, hilfreich, mit potenziellen Arbeitgebern über Ihre übertragbaren Fähigkeiten zu sprechen. Die Informationen, die Sie Ihrem PACE-Strategiedokument hinzugefügt haben, werden bei Vorstellungsgesprächen wertvoll sein. Am Ende des nächsten Kurses besteht die Möglichkeit, ein Portfolioprojekt abzuschließen. An diesem Punkt verwenden Sie das PACE-Strategiedokument, das Sie hier begonnen haben, um Ihre Fähigkeiten als Datenprofi weiterzuentwickeln. Am Ende des Programms bringen Sie dann alles zusammen, um Ihren individuellen Vorwurf an diese Beispielsituation zu vervollständigen. Das Ziel besteht darin, ein hervorragendes Beispiel Ihrer Arbeit zu haben, das potenziellen Arbeitgebern Ihre Fähigkeiten klar demonstriert. Nochmals herzlichen Glückwunsch und ich hoffe, dass Sie eine wirklich lohnende Erfahrung machen werden, während Sie während dieses Programms weiterhin an Ihrem Portfolio-Projekt arbeiten.
Kursabschluss
Herzlichen Glückwunsch zum Abschluss dieses ersten Kurses. Sie haben bereits so viel gelernt und sind nun bereit, Ihr neues Wissen und Ihre Fähigkeiten zu nutzen und weiterzuentwickeln. Aber denken Sie daran: Wenn Sie eines Tages das Gefühl haben, dass Sie eine Auffrischung oder einfach nur etwas mehr Übung brauchen, sind diese Videos, Lesungen usw. hilfreich Aktivitäten werden immer noch da sein, wann immer Sie sie brauchen. Jetzt freue ich mich, dass Sie mit dem Dozenten für den nächsten Kurs zusammenarbeiten. Sie sind bereit, Ihnen bei Ihrem nächsten Schritt zum Abschluss dieses Programms und der Fortsetzung Ihrer Reise als Datenprofi zu helfen. Dieser Kurs baut direkt auf allen interessanten Themen auf, die Sie bisher gelernt haben. Sie erhalten einen tieferen Einblick in die Programmiersprache Python und wie sie zur Datenanalyse genutzt werden kann. Während Sie Fortschritte machen, bauen Sie Ihre professionellen Datenkompetenzen weiter aus und am Ende des Kurses sind Sie bereit, den nächsten Schritt in Richtung Ihres Portfolioprojekts zu machen. Bevor Sie jedoch beginnen, möchte ich Ihnen dafür danken, dass Sie an diesem Kurs teilgenommen haben und sich für diese spannende Lernmöglichkeit entschieden haben. Ich bin fest davon überzeugt, dass Bildung eine lebenslange Reise ist, und ich habe keinen Zweifel daran, dass die Zeit und Mühe, die Sie in Erfahrungen wie diese investieren, Sie besser für alles rüsten wird, was Sie anstreben. Sie haben einen langen Weg zurückgelegt. Nehmen Sie sich also einen Moment Zeit, um alles zu feiern, was Sie bereits erreicht haben, und machen Sie sich dann, wenn Sie bereit sind, auf den nächsten Kurs.
Herzlichen Glückwunsch zum Abschluss des ersten Kurses im Google Advanced Data Analytics-Zertifikat! In diesem Teil des Programms haben Sie die Grundkonzepte der Datenwissenschaft kennengelernt und erfahren, wie Datenwissenschaftler am Arbeitsplatz arbeiten. Sie haben außerdem erfahren, wie der PACE-Workflow Ihnen dabei helfen kann, die technischen und arbeitsbezogenen Erwartungen eines Datenexperten besser zu erfüllen.
Das gesamte Programm besteht aus sieben Kursen:
Grundlagen der Datenwissenschaft – Erfahren Sie , wie Datenexperten am Arbeitsplatz agieren und wie unterschiedliche Rollen im Bereich der Datenkarriere zur Zukunftsvision eines Unternehmens beitragen. Sie erkunden Rollen im Bereich Data Science, Kommunikationsfähigkeiten und Datenethik. (Dies ist der Kurs, den Sie gerade abgeschlossen haben. Gut gemacht!)
Erste Schritte mit Python – Lernen Sie die grundlegende Python-Programmierung und -Syntax, Schleifen, Strings, Listen, Wörterbücher und objektorientierte Programmierung.
Gehen Sie über die Zahlen hinaus: Übersetzen Sie Daten in Erkenntnisse – Lernen Sie die Grundlagen der Datenbereinigung und -visualisierung kennen und erfahren Sie, wie Sie aussagekräftige Geschichten in den Daten aufdecken.
Die Macht der Statistik – Lernen Sie deskriptive und inferenzielle Statistik, grundlegende Wahrscheinlichkeiten und Wahrscheinlichkeitsverteilungen, Stichproben, Konfidenzintervalle und Hypothesentests.
Regressionsanalyse: Vereinfachen Sie komplexe Datenbeziehungen – Lernen Sie, Variablenbeziehungen zu modellieren, wobei der Schwerpunkt auf linearer und logistischer Regression liegt.
Das A und O des maschinellen Lernens – Lernen Sie unbeaufsichtigte Techniken des maschinellen Lernens kennen und erfahren Sie, wie Sie diese auf Unternehmensdaten anwenden.
Google Advanced Data Analytics Capstone – Absolvieren Sie ein praktisches Projekt, das es Ihnen ermöglicht, die im Zertifikat erworbenen Fähigkeiten und Kompetenzen anzuwenden.
Nachdem Sie diesen Kurs abgeschlossen haben, können Sie mit dem nächsten Kurs fortfahren:Beginnen Sie mit Python.
Machen Sie weiter so!