BI 职业道路：我是如何在 AngelList Venture 成为数据主管的

从 Python 黑客到“21 世纪最性感的工作”，数据领域的工作已经取得了长足的进步。如今，进入数据领域的方式与几年前不同，而且这个领域的发展也没有放缓的迹象。数据无处不在，那些处理、管理和转换这些信息的数据科学家和分析师在世界上最具创新性的公司中需求量很大。

AngelList Venture 的数据主管 Brandon Krull 和许多其他数据领域的领导者一样，他并不是从小就梦想成为一名数据科学家——因为那时候还没有这个职业。他最初是一名化学家，有兴趣成为一名教授。如今，他帮助 AngelList 建立团队和软件解决方案，以应对大数据带来的挑战和机遇。

那么他是如何走到这一步的呢？

从实验室化学到计算化学

“已经过去几年了，但感觉像是漫长的几年，”Brandon 笑着说。

Brandon 第一次接触数据科学是在读研究生的时候。他厌倦了湿法实验室化学过程缓慢的周转时间，于是开始与另一位从事计算化学的教员合作：使用预制代码运行模拟。他在那里的工作促使他开始构建和重建用于运行化学模拟的软件。

Brandon 解决的问题以及他为研究生工作而构建的技术，涉及创建数据工具和运行分析，而当时数据科学领域才刚刚起步。他构建的用于与遗留 Fortran 代码库接口的 Python 模块至今仍在使用。

学术界的激烈竞争促使他进入数据工程领域

研究生毕业后，学术界的激烈竞争促使 Brandon 寻找更多的机会。他申请了许多“数据科学家”职位，但雇主们寻找的是会编码的统计学家，而不是懂如何处理数据的程序员。他最终在伯克利获得了一个博士后职位，从事分子问题的机器学习研究，但他仍然对学术界不感兴趣。

直到他申请了 Insight 数据工程奖学金，他的数据工程师职业生涯才真正开始。

回想起来，他改进现有数据流程的经验以及在数据创建和数据分析交叉点上花费的时间，是让他认识到数据工程领域的“顿悟”时刻。Brandon 通过更好的工具和编程，赋能数据科学家进行更快、更有意义、更高效的分析，从而找到了有意义的工作。

弥合商业智能职业道路上的技能鸿沟

Brandon 说，赋能数据科学家“做任何他们想做的事情”，是他在数据科学职业生涯中如何将编程技能转化为商业智能领域的工作：解决数据工程问题、构建数据库系统以及开发数据管理和分析软件。

他还谈到了目前数据工程师和数据分析师之间存在的鸿沟。Brandon 的工作，异于寻常地，既涉及数据分析，也涉及产品工程。“工程师不太关心分析，而分析师不太关心平台，所以我也在努力弥合这一鸿沟。”

Brandon 的建议：注意数据工程入门级职位中的关键词

Brandon 的职业道路证明了市场上数据相关工作的巨大多样性。“职位描述听起来都一样，但每个人想要的东西都不一样。”

如果您正在寻找商业智能领域的职位，Brandon 鼓励您在关键词搜索中做到超级具体，并寻找那些能发挥您独特能力和热情的工作。数据科学仍然是一个年轻的领域，公司不断变化的需求也在不断变化。因此，花额外的时间寻找一份让您充满激情的工作是值得的。

边做边学——如何开始数据科学

“去尝试一下。”

Brandon 说，有“无限”的开源资源可以帮助你通过解决问题来熟练掌握工具和分析。Kaggle 是一个面向数据科学家、工程师和分析师的数字社区，在他早期的数据领域学习经历中特别有用。

除此之外，Brandon 建议尽可能多地进行构建。不必担心功能是否完善。看看别人在做什么，保持好奇心，尽力解决问题，即使这些问题已经有了答案。

数据科学的下一个前沿

Brandon 说，沟通是商业智能数据科学的下一个重要前沿。分析师仅凭数据与客户沟通是很困难的。

我认为部署和传达数据分析结果的能力是一个值得关注的有趣领域。这是你告诉那些不关心数据的人，为什么某些事情对他们很重要的方式。

AngelList Venture 的 Metabase

如果您喜欢这次采访并想了解更多关于 Brandon 的信息，可以在 Twitter 上找到他，或者访问他的 LinkedIn。您还可以阅读更多关于他如何在 AngelList Venture 使用 Metabase 的信息。