如何聘请数据科学家
知识就是力量，但前提是您可以从数据中提取知识。数据科学家可帮助企业处理数据并收集可用于改进其产品和服务并更好地到达其目标市场的见解。
那么，您如何找到数据科学顾问？以下是有关如何在Upwork上找到顶尖数据科学家的一些技巧。
如何入选数据科学专业人士
当你’re browsing available data science consultants, it can be helpful to develop a shortlist of the freelancers you may want to interview. 您 can screen profiles on criteria such as:
- 专业精神。 WHO’量身定制的提交内容可以与您的业务和项目交流？查看他们的Upwork个人资料：他们通常如何表现自己？
- 天赋。 由于数据科学家既是工程师，又是统计学家，又是计算机科学家，所以从他们的提案，个人资料和投资组合中应该清楚他们具有完成工作所需的特定技能。
- 经验。 自由职业者曾经为您所在行业的其他人工作过，还是过去处理过像您这样的项目？
- 反馈。 以前的客户对他们的工作有何评价？查看反馈可以使您深入了解他们的沟通能力，解决问题的能力以及生产出色的产品的能力。
- 投资组合。 他们以前处理过复杂的数据项目吗？结果如何？每个样本都应提供描述，以解释他们需要解决的问题以及其他项目要求。确保他们可以解释他们投资组合中的工作如何与您的问题相关’re trying to answer.
如何撰写有效的数据科学工作岗位
首先，定义您想要的东西以及实现这些目标所需的技能。从那里，考虑将项目进一步分解为数据科学专业人士需要知道的特定技术。使用您的简介中的信息来创建详细的职位，以吸引您的自由职业者’重新寻找。首先定义一个工作范围，重点是三件事：
- 结果： 什么 deliverable(s) do you expect?
- 目标： 什么 are your deadlines?
- 时间： 什么 are the start and end dates for your project?
您’我还要强调您的特定技能’re looking for. Data science encompasses an array of fields, from computer science to statistical analysis to machine learning to data visualization. 您’我还要确保他们’熟悉他们的工具’无论是R或Python等统计语言，还是Hadoop等数据库技术，都将在项目中使用。
准备利用您企业或组织的数据功能吗？ 登录并立即在Upwork上发布您的数据科学工作.
数据科学家常见问题解答
什么 is data science?
无论’使用A / B测试在两种设计之间进行选择，通过收集正确的KPI来衡量营销渠道的绩效，或者对竞争进行数据挖掘以获取关于如何进入目标市场的新见解，数据科学家会为您提供情报需要做出明智的业务决策。
这里’简要概述了您应该在数据科学专业人员中寻求的技能：
- 数据科学和分析（例如定量分析，建模，统计）
- 机器学习
- R，Python和MATLAB等语言
- 大数据框架，例如Spark和Hadoop
- AWS等云平台
数据科学家帮助企业利用数据获得成功所需的答案。
为什么要聘请数据科学家？
那里’术语“数据科学家”引起了很多困惑和歧义。数据科学家实际上可以描述几个不同的专业，’ll outline here.
- A 数据分析师 是花费大量时间查询数据库的人。他们’经常是最初级的数据科学家，可能没有统计经验，也没有统计分析或算法的经验。他们’最适合回答可以通过从Excel或SQL数据库提取数据来解决的临时问题。他们还应该能够根据需要使用Tableau之类的工具来产生基本的可视化效果。如果您已经拥有一个结构良好的数据库，并且只需要有人来回答特定的问题，那么数据分析师可能就是您的合适之选。
- A 数据工程师 与构建系统以帮助提供答案相比，它不擅于运行特定查询。与数据分析师不同，数据工程师通常直接与开发人员合作，以确保相关系统正确捕获和存储数据。他们还确保计划的处理作业按计划运行。他们最可能需要Hadoop和Spark等大数据框架的专业知识，以及Java和Python等面向生产的编程语言的知识。
- A 数据科学家 需要能够从头到尾监督复杂的数据项目。除了具有出色的技术技能外，他们还需要能够将自己的发现有效地传达给组织中的其他人。他们还应该能够管理团队。他们应该能够像分析师一样查询数据库，而且还可以根据手头的任务使用统计技术和机器学习来执行更复杂的分析。
因此，在继续之前，请问自己：我想解决什么问题？数据科学家可以帮助指导您的组织’数据的决策过程。以下是数据科学家可以帮助您回答的一些常见问题：
- 我们如何提高用户保留率？
- WHO are our most valuable customers?
- 我们如何减少员工流失？
- 什么 new features should we prioritize?
如您所见，这些问题正好适合您的业务目标的核心。一旦您’在解决了一个或一组问题后，您就可以开始讨论更多细节了。您需要什么数据来回答这些问题？您目前正在收集这些数据吗？您将使用什么指标来衡量成功？
您是什么样的数据科学家’重新查找取决于两点：您要回答哪种问题，数据操作的当前状态是什么以及团队当前正在使用什么技术。
很大程度上还取决于您当前的数据设置。回答您的问题是否需要您开始收集您尚未拥有的数据’t before? If so, you’我们需要一位数据工程师与您的开发团队合作，以确保正确设置跟踪器，并确保将收集到的数据正确地放到了地方。如果你不这样做’如果已经有了稳定的数据管道，那么这本身就是一笔巨大的工程支出。一旦您’重新收集您需要的数据，需要处理多少数据？如果您的数据混乱（意味着数据需要重新格式化或以其他方式转换才能使用），这将增加另一层复杂性。
目前，编程语言Scala和大数据框架Spark非常有价值。根据Stack Overflow开发人员调查，使用Scala，Spark和Hadoop的数据科学家在该领域的收费率最高，而使用R，Java和Python的数据科学家的收费通常要低一些。
聘请数据科学家需要多少费用？
数据科学是一个热门领域，合格的数据科学家可以比其他类型的开发人员或业务分析师承担更多的费用。在Upwork上，自由数据科学家收取的费用从每小时36美元到200美元不等，平均项目成本约为400美元。但是请记住，考虑到更具体的技能（例如Scala和Spark）后，这些费率会上升。就是说，根据您的项目范围来协商项目费用可能更有意义。
请记住，除了临时查询外，大多数数据项目都是长期承诺。您’ll need someone who’熟悉您的系统，可以帮助您评估您的决策随着时间的推移所产生的影响。因此，您也可以考虑使用固定器。在我们下面’我们汇总了一些常见数据科学项目的表格，以及一些数据科学家收取的一些相关技能和每小时费率范围。
| 项目类型 | 相关技能 | 每小时收费 |
| 分析和临时查询 | Excel，SQL，可视化 | $ 20- $ 100 |
| 建立数据管道 | 爪哇，Python，Scala，Hadoop，Spark，数据清理， | $ 25- $ 100 |
| 建立推荐引擎 | 统计分析，机器学习，Python，Scala，Spark | $ 50- $ 210 |
什么’数据科学家和数据分析师之间的区别是什么？
数据科学家和数据分析师’它们可以互换，但是它们都有一个共同的目标：从数据中获取见解。尽管他们的技能会重叠（在许多方面，数据科学家都是高级分析师），但通常，数据科学家将拥有更广泛，更深入的技能，尤其是在他们的业务敏锐度方面。他们’具有分析师的技术知识’不一定每天都需要，例如对Hadoop的深入了解，高级统计模型，人工智能和机器学习。
两位专业人员都可以将数据转化为企业所有者做出更好决策所需的答案，但是他们可以’重新开始，达到这些答案所需的技能会有所不同。数据分析师可以回答您的业务问题，但是数据科学家可以帮助您提出新的问题以推动业务发展。当涉及到复杂性时，您很有可能’我需要一位数据科学家。
让’迅速查看每个功能。
数据分析师
数据分析师获取已知数据，并收集可行的见解以及对您对数据的特定问题的答案。这些专家可以将数据的见解汇集到教育，医疗保健和旅行等行业，以帮助航空公司和医院等企业更好地运营，并为客户提供更好的服务。
他们的价值在于他们制作数据的能力（例如，’已输入CRM或从Google 分析工具（分析）导出），对您和您的公司更有用。通常，分析师会
- 清理和排序数据
- 发现新的模式和相关性
- 查找可行的见解并将其打包以供业务使用
- 使用可视化和交互式仪表板呈现结果
- 查询数据以满足特定需求
- 为主要利益相关者创建报告
对于非结构化数据，分析人员可以与数据科学家或数据工程师合作，以获取帮助提取新数据集进行分析的帮助。
数据科学家
为什么大多数数据科学家能够以数据分析师的身份收取几乎两倍的费率或薪水？数据科学家拥有更广泛，更深入的技能，尤其是涉及他们的业务敏锐度时。这些专家创建了企业用来预测未来销售额，做出关键决策或推出产品的算法和模型。他们’能够处理更困难的数据，包括
- 挖掘大量结构化或非结构化数据
- 数据仓库
- 使用R，SQL，Python，MatLab和SAS进行高级编程
- 统计建模
- 开发机器学习和预测分析模型
- 使用Hadoop生态系统，包括Hive和Pig
- 制定重要的业务问题和假设，然后使用数学和统计数据测试有效性
他们最大的区别在于他们有能力与更多人合作 复杂的非结构化数据—例如，您公司的数据’目前尚无法理解’之所以一起工作是因为’来自多个断开连接的源。如果分析师主要与您合作“known data,”数据科学家有能力与您的任何公司合作’s data that isn’已知或当前了解。
当企业做出关键决策时，数据科学家将扮演关键角色。他们测试了理论和假设，其结果成为关键的利益相关者可以用来做出预测结果和做出更明智的决定的令人吃惊的见解。
如何采访数据科学家？
在面试期间，请确保您有机会了解有关数据科学家的更多信息’解决问题的方法，他们的经验以及他们如何’过去曾用创造力和才能完成类似的目标。
提前准备面试问题，以便对自己充满信心’涵盖了所有相关点。我们’ve创建了您可以参考的数据科学面试问题列表，但以下是一些需要考虑的其他问题：
- “您如何看待我们现有的产品？什么’我们可以做些什么’re not right now?” 量身定做，询问与您的数据项目相关的问题—即您现有的数据管道或算法—或了解他们是否’做了功课。
- “告诉我有关您的三个数据科学项目的信息’ve worked on?” 询问他们最相似的项目，最喜欢的项目或最新的项目。聆听他们如何解决最初的问题，在此过程中遇到的挑战以及如何解决这些问题。
- “What’您的生产时间表？” 获得有关其工作速度，时间多少的更多详细信息’花费在以前的数据项目上，以及它们如何接收和实施反馈。
- “是什么使一个伟大的[在这里插入项目类型]？” 进一步了解他们’将介绍您的项目以及他们在类似工作中的经验。