数据分析师辞职的5个关键原因

数据分析师辞职的5个关键原因

介绍

数据分析师的股票现在处于历史最高水平。在我们进入2020年之前,没有太多的专业可以与数据分析师的幽灵,光泽和尊重相媲美。

我已经看到非数据分析人员(或非技术人员)将数据分析师视为具有超能力的人。造成这种情况的原因很多(媒体大肆宣传就是其中之一),但是毫无疑问,数据分析师的工作是一项非常有价值的工作。

在下面查看Gartner在2019年发布的人工智能炒作周期:

这些数字令人瞠目结舌。从《财富》 500强公司到零售商店,世界各地的组织都希望组建一支由顶级数据分析专业人员组成的团队。2019年打破了之前在数据分析和人工智能领域的所有投资记录。

尽管有所有这些积极的趋势,但仍有潜在的不适感。数据分析师正在迅速辞职或更换工作。为什么会这样呢?有什么我们不被告知的吗?

让我们分析一下数据分析师离开他们貌似梦想的工作的5个关键原因。如果您自己遇到过任何一个人,或者想分享自己的经验,请在本文后面的评论部分与社区分享您的想法!

1.期望与现实–这里存在着巨大的差距!

这是数据分析领域中最普遍的问题之一。数据分析师的期望与他们在行业中实际从事的工作之间的差距越来越大。

造成这种情况的原因有多种,从一位数据分析师到另一位数据分析师,它们可能会有所不同。经验水平也在这种期望鸿沟中起作用。

让我们以有抱负的数据分析师为例。他们通常是自学的,并从书籍和在线课程中收集了知识。他们对现实世界项目和数据集的了解不多。我也遇到了很多有抱负的数据分析师,他们不了解以下内容:

·机器学习管道如何工作

·软件工程在总体数据分析师技能中的作用

·将模型投入生产/部署模型意味着什么等。

·数据清理的重要性及其占用您的大部分时间

正如我在上面的引言中提到的那样,使用时髦的机器学习工具和最新框架的机会对于新生(以及其他所有人,实在太诱人了)太诱人了。

您如何收集和存储数据,如何正确执行版本控制,如何将模型部署到生产中–这些只是组织希望您了解的一些关键方面。

期望的这种不匹配是一个主要障碍,并导致数据分析师辞职。我总是建议新生和业余数据分析师不断与他们的上级和组织校友交谈,以弥合期望与现实之间的鸿沟。

2.将数据分析师的角色映射到业务目标

这是另一个(不受欢迎的)期望问题。这主要归因于近年来对数据分析和人工智能(AI)的大肆宣传。

高管,CxO,C-Suite员工,投资者–所有这些在企业高层中的人都希望展示他们的组织或项目处于最新技术进步的最前沿。AI现在是要投资的领域。

这就是问题所在–我们已经看到很多这样的资深人士认为,人工智能是解决其业务问题的灵丹妙药。如果他们在AI和合适的专家上进行投资,他们将在短时间内找到解决方案。

不幸的是,这不是它的工作方式。数据分析项目通常需要大量实验,反复试验方法以及同一过程的迭代,才能达到最终结果。花费数月时间才能达到理想的结果。

在很多领域,这对于企业领导者来说都不是一件好事。当数据分析师最终对其高级领导和不切实际的期望感到沮丧时,我已经看到这导致了项目的大规模外流。

数据分析师和业务主管如何有效地合作:

·在数据分析与业务团队之间建立牢固的沟通。他们必须具有凝聚力和协调性

·利用业务直觉和业务领导者的知识。这可以为数据分析师创造奇迹

·共同为企业开发可衡量的绩效矩阵,以衡量数据分析师的绩效进度

·敏捷性在从数据分析师中提取最佳信息方面发挥着重要作用

3.缺乏数据分析专业人员的技能提升

谁不喜欢新挑战?我认为,鉴于进步的迅速发展,数据分析领域已经为应对这些挑战做好了准备。以自然语言处理(NLP)域为例。

几乎每个数据分析师都愿意研究这些新技术和框架。我的意思是,谁会喜欢在同一个逻辑回归模型上构建然后迭代多年?

除此之外,我们提到了有关管理期望的上述两个因素。这是令人头疼的事情,对不对?不可避免的是,任何员工在某一点之后都会缺乏动力。

在灵活性较低的大公司中尤其如此。我敢肯定,如果您在任何一家蓝筹股公司工作过,那么很多人一定已经经历过。初创企业和中型企业在这方面仍然更好(但它们也提出了一系列不同的挑战)。

这是导致员工流失的三个关键原因:

·缺乏基础架构:大多数企业就是这种情况,他们缺乏计算系统,工具可访问性等基础架构来支持数据分析师的角色

·业务范围:业务 的运营能力可能受到限制和缩小。超出这一点,数据分析师可能难以从数据中推断出更多见解

·缺乏研究与开发: 作为数据分析师,您可能想探索超出您工作范围的领域。例如,如果您是计算机视觉专家,并且想了解NLP,那么R&D区域将是您的最佳选择。大多数公司缺乏这一点,这导致人员流失

4.工资支出没有明确的基准

啊–在上述标题上,我可以看到你的眼睛亮了。薪水是人们想要进入数据分析并使其成为全职职业的主要原因之一。

我们经常看到麦肯锡,Glassdoor等公司的报告,它们向数据分析师展示了过高的平均薪水。大多数人会被这些报告中引用的数字所吸引。

天空是数据分析师薪酬的基准。我确定您已经阅读了今年的新闻,当时我们看到顶级数据分析师被谷歌和苹果等公司挖走(我想到了伊恩·古德费洛)。

这正在成为经常发生的事情。在各自领域中从事出色工作的数据分析师通常会被财富500强的顶级公司所挖走,这些公司提供高额的薪水,而中型和小型公司却无法提供那么多(通常)。

我认为在补偿方面需要一些标准化/基准。即使在中型公司中,也需要对具有高技能的应聘者与具有相同技能水平的经验丰富的数据分析师的薪资进行明确划分。没有基准工资会导致:

即使是高潜力的员工也不能令人满意的工作表现

促使员工在办公室互相影响以考虑其他机会的主要诱因

再说一遍–这方面与其他工作没有太大不同,是吗?

5.在不同平台上接触不同数据分析项目的机会很大

您希望在这两个选项之间获得最大的收益:

选项1: 9-5的工作,您必须调整自己的技能和结果以实现公司目标,或者

选项2:高度灵活的工作生活,您可以在任何地方工作并实现高自我成长?

你们中的大多数人可能会选择选项2。谁不喜欢工作中的灵活性,又不喜欢自由选择您想从事的工作?

如今,数据分析师有多种选择可供选择:

他们可以尝试在Kaggle,Analytics Vidhya等平台上竞争,并赢得令人振奋的价格和在社区中的巨大声誉。

自由职业者的需求量很大,因为今天的公司提供了令人兴奋的短期项目

自由数据分析师了解Spark,Hadoop,Hive,Pig,SQL,Neo4J,MySQL,Python,R,Scala,TensorFlow,NLP,计算机视觉或任何机器学习的方法,因为他们会跳入问题并发现如何解决那

对于许多数据分析师而言,撰写博客和个人品牌是这个季节的热门选择。就像格兰特·桑德森(Grant Sanderson)–他是我的最爱!

由于明显的后勤和与项目相关的原因,组织无法向居民数据分析专业人员提供大多数此类服务。老实说,这是任何项目不可避免的成本。

公司如何保留住优秀的数据分析师?

以下是一些企业可以保留其最有才华的数据分析师的经过实践检验的方法:

创建一个功能强大的学习环境:这对于个人的个人和职业成长至关重要。这个领域每天都在蓬勃发展,需要探索一些新事物,在这一步伐下,为数据分析师提供渐进式学习环境至关重要

组成强大的研发团队:建立研发团队可以促进可以在现场进行的高质量研究。使员工能够深入研究主题是卓越的秘诀

基准化他们的薪酬:基准化薪酬将灌输信任,并向数据分析师保证他们已按照最佳行业标准获得报酬(可以理解,这很难做)

尾注

关于数据分析领域的一切都是超动态的。我们仍在理解许多事情,因此对企业而言,在一个方面,一个流程或一个结构上进行解决非常困难。

随着时间的推移,我相信我们将拥有稳健的系统和流程,数据分析师将拥有一个令人满意的工作环境。无论是从业务角度还是从数据分析师角度来看,这一点都需要工作。

我想听听您对此的看法。您正在研究数据分析问题吗?您是否遇到上述任何问题?您还有其他要分享的问题吗?让我们在下面的评论部分中知道!

发表评论

您的电子邮箱地址不会被公开。