“穿越谷歌的分析和数据科学领域之旅”

Journey through Google's analytics and data science field

介绍

认识Rishabh Dhingra，他是一位在Google从事分析和数据科学工作的专业人士。Rishabh拥有丰富的专业知识和对有效利用数据的热情。他通过先进技术推动创新，提取有价值的见解，改变数据驱动的决策方式。Rishabh在Google的旅程令人瞩目，他改变了分析和数据科学领域。让我们探索他的成就和贡献，这些推动了Google的成功达到新的高度。

让我们向Rishabh学习！

AV：您能分享一下成为Google数据科学家的经历吗？您采取了哪些步骤来达到今天的成就？

Rishabh先生：我于2011年开始我的职业生涯，当时是Thorogood Associates的BI顾问，并且从那时起就一直在数据领域工作。因此，学习SQL、Python等编程语言，数据建模，展示技巧以及Tableau等工具是这个旅程中最初的必要步骤。然后，有些人开始深入研究数学和理论，并做一些项目。但我认为先做起来，边工作边理解概念是最好的方式。以下是帮助我前进的一些关键步骤：

• 在Analytics Vidhya等平台上学习优秀的课程
• 在自己的工作中找到可以应用数据科学技能的机会
• 对自己热衷的项目进行实践
• 与业务密切合作，了解业务
• 与他人分享自己的知识，这有助于更好地理解概念
• 与他人建立联系，向他们学习
• 掌握Google Cloud技术的技能

有抱负的数据科学家所需的技能

AV：作为一位成功的数据科学家，对于有抱负的数据科学家来说，最重要的技能是什么？您是如何培养这些技能的？

• 使用@remote装饰器可以访问Amazon SageMaker训练工作负载的私有存储库
• Google 在 ACL 2023
• Sierra Division 展示了三个使用 NVIDIA Omniverse 构建的史诗级项目

****Rishabh先生：作为一位成功的数据科学家，我认为有抱负的数据科学家最重要的技能包括：

• 技术技能：包括扎实的数学、统计和编程基础。数据科学家需要能够收集、清理、分析和可视化数据。他们还需要熟悉机器学习和深度学习技术。
• 解决问题的能力：数据科学家需要能够利用数据识别和解决问题。他们需要批判性和创造性思维，提出新颖且创新的解决方案。
• 沟通能力：数据科学家需要能够向技术和非技术人员清晰明了地传达他们的发现。他们需要能够清楚简明地解释复杂的概念。
• 团队合作能力：数据科学家经常与其他数据科学家、工程师和业务专业人员合作开展项目。他们需要有效地合作，朝着共同的目标努力。

我通过参加课程、开展个人项目、与其他数据科学家建立联系并向他们学习他们的经验来培养这些技能。

有抱负的数据科学家应避免的错误

AV：有抱负的数据科学家应该注重培养什么？他们应该避免哪些错误？

****Rishabh先生：我认为有抱负的数据科学家应避免以下错误：

• 不了解业务问题。数据科学家在开始处理数据之前，需要了解他们要解决的业务问题。这包括了解业务目标、可用数据以及数据的局限性。
• 不清洗数据。脏数据可能导致不准确和误导性的结果。数据科学家需要花时间清洗数据，确保在处理数据之前它们是干净的。这包括删除错误、异常值和缺失值。
• 使用错误的工具。数据科学有许多不同的工具可供选择。数据科学家需要根据任务选择合适的工具。这包括考虑数据的规模和复杂性、项目的目标以及预算。
• 不传达结果。数据科学家必须能够向技术和非技术人员传达他们工作的结果。这包括解释使用的方法、得到的结果以及分析的局限性。

AV: 学生们应该追求哪些项目来加强他们对概念的理解？

****Rishabh先生：我的建议是进行两种类型的项目 – 一种与你密切合作的业务相一致的项目 – 这可能是在你的工作中承担有挑战性的项目，并试图为业务增加价值，这也有助于你在工作中学习并产生影响。第二类项目将是你的兴趣项目。例如 – 如果你对体育感兴趣，可以选择与之相关的数据集，建立你的假设，并进行相关项目。

Rishabh的经历

AV: 作为Home Depot的数据科学与分析经理，您面临了哪些独特的挑战，以及您是如何克服它们的？

****Rishabh先生：我在加拿大Home Depot度过的时光非常愉快，有幸接触到各种数据科学挑战。在我看来，其中一种被低估的学习经验是定义数据科学项目的业务问题和成功指标，并与所有利益相关者达成一致非常关键。这将在解决方案和构建事物之前指导每个人，分析业务问题并定义成功。

AV: 如果您可以选择任何一种谷歌产品，在余生中拥有无限的供应，您会选择哪种产品？为什么？

****Rishabh先生：Youtube – 我上Youtube学习任何东西，并找到所有我的“如何”问题的答案。它有很多内容和信息可供我们学习新技能 – 机器学习/人工智能或如何做“Biryani” – 在Youtube上都可以找到。

AV: 你在工作之外有什么喜爱的爱好或兴趣？你是如何平衡职业生活和追求之间的关系的？

****Rishabh先生：我在工作之外参与了很多事情 – 听播客和运营自己的播客“Inspired”，打运动，尤其是板球，担任数据分析和数据科学的讲师，指导新移民在加拿大，阅读书籍，经营自己的副业家居装饰事业。将所有这些与职业生活平衡有时会变得困难，但这使生活变得有趣并让我继续前进。

短期和长期分析计划

AV: 作为TD Insurance的数据分析和洞察经理，您如何平衡短期和长期分析计划的需求？

****Rishabh先生：作为领导者，您需要有长期愿景和短期胜利，这将有助于业务发展。您需要非常清楚地向利益相关者和团队传达分析之旅的长期愿景，以便每个人都清楚未来的样子以及我们需要完成什么步骤才能达到目标。但您还需要抓住短期内可以利用分析影响业务的时机。然而，您的短期决策必须与您的长期愿景相一致。我建议识别并追求快速胜利，以实现与长期愿景一致的影响。

AV: 持续学习和提升在数据科学中有多重要？您如何跟上行业中的最新发展和技术？

Rishabh先生：数据科学领域不断变化，新技术和技术不断涌现。数据科学家必须不断学习和提升自己，以保持领先。我保持了解行业最新发展的一些方式是：

• 听各种播客
• 参加新课程
• 个人项目
• 社交网络

未来预测

AV：您认为未来5-10年数据科学的发展方向在哪里？在此期间，您希望在这个领域实现哪些目标？

****Mr. Rishabh：我认为未来将是人工智能的时代，我们将在生活的方方面面看到人工智能的应用。因此，对人工智能开发人员/工程师将有很多需求。新的机器学习和人工智能技术将被开发出来，用于解决现实世界的问题并提高我们的生产力。就像我们现在看到生成式人工智能如何提高我们的生产力一样。您一定见过谷歌在2023年I/O大会上发布的关于谷歌产品即将推出的伟大人工智能功能的公告，以及这些功能如何提高我们的生产力。我还认为开源的数据科学工具和库将不断增长。我在这个领域的目标是找到可以应用新的机器学习/人工智能技术解决的现实世界问题，并向他人传授我的学习经验，理想情况下，我希望能从事机器学习/人工智能产品管理。

AV：对于希望实施类似Tableau的商业智能和分析解决方案的公司，您有什么建议？在实施过程中有哪些常见错误需要避免？

****Mr. Rishabh：以下是我为希望实施类似Tableau的商业智能和分析解决方案的公司提出的建议：

• 明确您的目标和目的：您希望通过商业智能和分析解决方案实现什么？这将如何帮助您和您的业务？您的成功标准是什么？
• 评估您当前的技术环境：您有哪些可用的数据？数据存储在哪里？数据的结构如何？商业智能和分析解决方案如何适应您当前的技术环境？这是否与您对整体技术环境的长期愿景相符？
• 运行概念验证（PoC）来评估不同的解决方案并选择适合的解决方案：选择适合您需求的解决方案非常重要-运行概念验证并评估不同工具在对您业务至关重要的各种用例上的表现。考虑预算、目标和技术专长等因素。
• 获得利益相关者的支持。商业智能和分析解决方案不仅仅是为IT部门准备的，它们需要被整个组织的人使用。在开始实施解决方案之前，确保获得整个组织的利益相关者的支持。
• 监控和评估您的结果。一旦您使用商业智能和分析解决方案，您必须监控和评估您的结果。这将帮助您了解解决方案是否达到了您的目标和目的。

资源推荐

寻求从事数据科学的初学者/转行者

书籍

• 从零开始的数据科学
• Python数据分析
• 100页机器学习书
• 数据科学实用统计学
• 机器学习入门

课程

应用机器学习-从初学者到专业人士（由Analytics Vidhya提供）

播客

• SuperDataScience
• Inspired
• DataSkeptic

专业人士获取行业更新的资源

新闻简报

• TechCrunch
• TLDR

播客

• Bloomberg Technology
• TechCrunch
• ALL-IN
• Lex Fridman
• WIRED Business
• The Week in Startups

Tableau/Power BI/编程语言- Python/SQL的特定资源

书籍

• 数据叙事
• 用Python自动化无聊的工作
• Python数据分析
• 大型仪表板
• 使用Tableau进行数据建模

网站

• Fleragetwins
• RealPython

一般资源，用于保持动力/培养思想领导力等

书籍

• 原子习惯
• 重新思考
• 快思慢想
• 习惯的力量
• 重塑

播客

• 与杰伊·谢蒂共同追寻目标

结论

总之，Rishabh Dhingra是分析和数据科学领域的典范，在谷歌的开创性工作中留下了不可磨灭的印记。他非凡的技能，坚定的奉献精神和卓越的能力为那些进入或转行至数据科学行业的人提供了有见地的指导，使他成为了宝贵的资源。Rishabh致力于分享知识，并为新人提供宝贵的分析和数据科学见解，确保下一代数据科学家拥有成功所需的工具和灵感。随着Rishabh Dhingra继续革新这个领域，他对谷歌和更广泛的数据科学社区的影响证明了这个充满无限可能的动态和不断发展的行业的前景。