Come diventare un analista di dati

Se hai un background di statistica o matematica allora il processo non sarà così brutale come lo è per me (ho una laurea in Business Administration e un Master in International Business).

Non ho mai avuto un interesse per le materie STEM e infatti ho cercato attivamente di evitarle perché ero molto più interessato alla gestione e al marketing all'università, e per un po' questo non ha causato problemi con la mia carriera perché sono stato in grado di ottenere un lavoro come consulente di gestione/marketing/brand. Quando sono entrato nel mio attuale lavoro come consulente in una società di consulenza che fa analisi dei dati e apprendimento automatico come parte centrale del suo lavoro, però, è stato quando la mia avversione per le materie STEM è venuta a mordermi il culo. Avevo assolutamente zero comprensione di ciò che stavo facendo al lavoro sia in termini teorici (le teorie dietro i vari modelli di apprendimento automatico, ad esempio Gradient Boosting, Logistic Regression, ecc) che pratici (implementazione dei modelli utilizzando linguaggi come SAS, SQL, Python, Xpress Mosel). Ho avuto e ho ancora molto da recuperare in entrambi i dipartimenti, ma ecco il punto: anche i ragazzi con un background STEM hanno avuto problemi con il lavoro, almeno all'inizio. La differenza tra me e loro si manifestava soprattutto nella facilità con cui erano in grado di prendere nuove cose grazie alle loro basi più solide rispetto a uno come me che non ha nemmeno delle basi per cominciare.

La prima cosa di cui avresti bisogno è la conoscenza. L'apprendimento automatico o anche solo l'analisi dei dati richiede un forte background in statistica, quindi inizierei da lì. Le scelte del linguaggio di programmazione non sono fissate nella pietra, quindi a seconda del settore si possono usare o meno i linguaggi più popolari disponibili. Iniziate con SQL perché è praticamente universale ed espandetevi in R o Python. Personalmente raccomando di iniziare con Python perché è molto più facile da imparare rispetto alle alternative. Python ha anche il vantaggio di essere un linguaggio multifunzionale che può essere usato in molte situazioni diverse come lo sviluppo web, lo sviluppo di giochi, gli hobby (ad esempio Lego Mindstorms) e lo sviluppo di software oltre all'analisi dei dati, quindi nel caso in cui tu decida di andare in altri campi oltre all'analisi dei dati sarai in grado di trasferire le tue conoscenze di codifica in una certa misura. Se stai cercando di entrare nel campo della finanza o in quello medico, potresti richiedere anche una certa conoscenza di SAS. La buona notizia è che la codifica è relativamente semplice rispetto alla conoscenza richiesta per il Machine Learning, quindi non dovresti impiegare molto tempo per afferrare le basi. Ricorda solo che la scienza dei dati e l'analisi richiedono un sacco di studio a parte per diventare abili.