BI职业路径：我是如何在AngelList风险投资公司成为一名数据领导的

从Python黑客到“21世纪最性感的工作”，与数据打交道已经走了很长的路。如今进入数据领域的方式与几年前相比有所不同——而且这个领域似乎没有放缓的迹象。数据无处不在，而那些与、管理和翻译这些信息的数据科学家和分析师，在世界最创新的公司中需求量很大。

AngelList风险投资的数据负责人Brandon Krull与其他数据领域的许多领导者一样——他小时候并没有梦想成为一名数据科学家——因为他们当时还不存在。他最初是一名化学家，想成为一名教授。如今，他帮助AngelList构建团队和软件解决方案，以应对大数据的挑战和机遇。

他是如何到达那里的呢？

从实验室化学到计算化学

“已经过去几年了，但感觉像是好几年，”Brandon笑着说道。

布兰登在研究生阶段就开始接触数据科学。对在湿实验室从事化学过程工作缓慢的周转时间感到无聊，布兰登开始与另一位从事计算化学的教员合作：使用现成的代码进行模拟。他在那里的工作使他开始构建和重建用于运行化学模拟的软件。

布兰登所解决的问题以及他为了支持自己的研究生工作所构建的技术，涉及在数据科学领域尚处于萌芽时期时创建数据工具和进行分析。他构建的用于与旧式Fortran代码库接口的Python模块至今仍在使用。

学术竞争激烈导致了数据工程职业生涯

研究生毕业后，学术界的激烈竞争使布兰登寻求额外的机会。他申请了许多“数据科学家”职位，但雇主正在寻找既能编程又会使用数据的统计学家，而不是那些理解如何处理数据的程序员。他最终在伯克利大学获得了一个博士后职位，研究分子问题的机器学习，但他仍然对学术界感到不感兴趣。

直到他申请了Insight数据工程奖学金，他的数据工程职业生涯才开始真正起步。

回顾过去，他改进现有数据流程的经历，以及他在数据创建与数据分析交汇处度过的时光，是他眼中开启数据工程领域的“啊哈”时刻。布兰登通过更好的工具和编程，在使数据科学家能够更快、更有意义、更高效地进行分析方面找到了令人满意的工作。

弥补商业智能职业道路上的技能差距

“让数据科学家做他们想做的任何事情，”布兰登说，这是他将编程技能转化为数据科学职业的方法，这使他走上了商业智能之路：处理数据工程问题、构建数据库系统以及开发数据管理和分析软件。

他还谈到了目前存在于数据工程师和数据分析师之间的差距。布兰登的工作不寻常地涉及数据分析以及产品工程。“工程师并不真正关心分析，分析师也不真正关心平台，所以我试图弥合这个差距。”

布兰登的建议：关注数据工程入门级职位的关键词

布兰登的职业道路证明了市场上数据导向工作的巨大多样性。“所有的工作描述听起来都一样，但每个人都需要不同的东西。”

如果你在寻找商业智能职位，布兰登鼓励你进行超级具体的关键词搜索，寻找能够发挥你独特能力和热情的工作。数据科学是一个年轻的领域，公司所需的东西不断变化。因此，花额外的时间找到一份你感到兴奋的工作是值得的。

通过实践学习——如何开始数据科学之路

“去做吧。”

布兰登表示，有“无限”的开源资源可以帮助你通过给你一个问题来解决问题，从而提高工具和数据分析的能力。《Kaggle》（https://www.kaggle.com/），一个为数据科学家、工程师和分析师提供数字社区，在他的早期学习经验中特别有用。

除此之外，布兰登建议尽可能多地构建。不要担心某件事是否具有功能性。看看别人在做什么，保持好奇，尽可能好地解决问题，即使它们已经有了答案。

数据科学的新前沿

布兰登表示，在商业智能数据科学领域，沟通是下一个大前沿。分析师用数据本身与客户沟通是一项挑战。

我认为部署和沟通数据分析结果的能力是一个值得关注的有趣领域。这就是你如何告诉那些不关心数据的人，为什么某件事对他们来说很重要。

AngelList 风险投资公司的 Metabase

如果您喜欢这次采访并想了解更多关于布兰登的信息，您可以在 Twitter 上找到他或访问他的 LinkedIn。或者您可以阅读更多关于他在 AngelList 风险投资公司如何使用 Metabase 的信息。