BI 职业发展路径：我是如何在 AngelList Venture 成为数据主管的

从 Python 黑客到“21 世纪最性感的职业”，数据工作已经走了很长一段路。今天进入数据领域与几年前看起来已经不同了——而且该领域没有放缓的迹象。数据无处不在，而与数据工作、管理和转换数据信息的的数据科学家和分析师在世界上最具创新力的公司中需求量很大。

AngelList Venture 的数据主管 Brandon Krull 与数据领域的许多其他领导者非常相似——他从小就没有梦想成为一名数据科学家——因为那时还没有这个职业。他最初是一名化学家，有兴趣成为一名教授。今天，他帮助 AngelList 构建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，但感觉像漫长的几年，”Brandon 笑着说。

Brandon 最初接触数据科学是在研究生院期间。由于厌倦了化学过程在湿实验室中工作的缓慢周转时间，Brandon 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。他在那里的工作使他开始构建和重建旨在运行化学模拟的软件。

Brandon 解决的问题以及他为支持研究生工作而构建的技术，都涉及到创建数据工具和运行分析，而当时数据科学领域仍处于起步阶段。他构建的与遗留 Fortran 代码库接口的 Python 模块至今仍在使用。

学术界的高度竞争导致了数据工程职业生涯

研究生院毕业后，学术界的激烈竞争促使 Brandon 寻找更多机会。他申请了许多“数据科学家”职位，但雇主们寻找的是能够编码的统计学家，而不是了解如何处理数据的程序员。他最终被伯克利聘为博士后职位，研究分子问题的机器学习，但他仍然对学术界的世界感到不热情。

直到他申请了 Insight 数据工程奖学金，他作为数据工程师的职业生涯才真正开始。

回顾过去，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领域所花费的时间，是让他意识到数据工程领域的“顿悟”时刻。Brandon 发现，通过更好的工具和编程，使数据科学家能够进行更快、更有意义和更高效的分析，是一项有意义的工作。

弥合商业智能职业道路的技能差距

Brandon 说，让数据科学家“随心所欲地去做”，是他如何将编程技能转化为数据科学职业生涯，从而引导他走上商业智能之路：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。

他还谈到了数据工程师和数据分析师之间目前存在的差距。Brandon 的工作与众不同，它既涉及数据分析，也涉及产品工程。“工程师并不真正关心分析，而分析师并不真正关心平台，所以我试图弥合这个差距。”

Brandon 的建议：关注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导向型工作的种类繁多。“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职位，Brandon 鼓励您使用非常具体的关键词进行搜索，并寻找能够发挥您的独特能力和热情的工作。数据科学仍然是一个年轻的领域，公司的需求也在不断变化。因此，值得花额外的时间找到一份能为您带来兴奋感的工作。

边做边学——你如何开始数据科学

“放手去做。”

Brandon 说，有“无限”的开源资源可以帮助您通过为您提供要解决的问题，从而擅长工具和分析。Kaggle 是一个面向数据科学家、工程师和分析师的数字社区，在他的早期学习经验中尤其有用。

除此之外，Brandon 建议尽可能多地构建。不要担心某些东西是否实用。看看其他人在做什么，保持好奇心，并尽力解决问题，即使这些问题已经有答案了。

数据科学的下一个前沿领域

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

我认为部署和交流数据分析结果的能力是一个值得关注的有趣领域。这就是你告诉那些不关心数据的人，为什么某件事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，您可以在 Twitter 上找到他，或者访问他的 LinkedIn 页面。或者您可以阅读更多关于他如何在 AngelList Venture 使用 Metabase 的信息。