BI职业生涯路径：我如何成为AngelList Venture的数据主管

从Python黑客到“21世纪最性感的工作”，数据工作已取得了长足的进步。如今进入数据领域与几年前相比已大相径庭——而且这个领域丝毫没有放缓的迹象。数据无处不在，而从事数据处理、管理和解读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旺盛。

AngelList Venture 的数据主管 Brandon Krull 和许多数据领域的其他领导者一样——他从小并没有梦想成为一名数据科学家——因为那时候数据科学家这个职业还不存在。他最初是一名化学家，对成为一名教授感兴趣。如今，他帮助 AngelList 组建团队并开发软件解决方案，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

“虽然只过了几年，但感觉像很漫长，”Brandon笑着说。

Brandon 在研究生院期间首次接触到数据科学。厌倦了湿法实验室化学过程缓慢的周转时间，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。他的工作促使他开始构建和重构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，都涉及创建数据工具和运行分析，而当时数据科学领域仍处于萌芽阶段。他构建的用于与旧版 Fortran 代码库接口的 Python 模块至今仍在使用。

学术界激烈的竞争促使他投身数据工程领域

研究生毕业后，学术界激烈的竞争促使 Brandon 寻找更多机会。他申请了许多“数据科学家”职位，但雇主们寻找的是会编程的统计学家，而不是懂数据处理的程序员。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，但他对学术界仍然缺乏热情。

直到他申请了 Insight 数据工程研究员项目，他的数据工程师职业生涯才真正开始。

回顾过去，他改进现有数据处理流程的经验以及在数据创建和数据分析交叉点上度过的时光，是让他对数据工程领域茅塞顿开的“顿悟时刻”。Brandon 发现，通过更好的工具和编程，赋能数据科学家进行更快、更有意义和更高效的分析，是一项非常有意义的工作。

弥合商业智能职业道路中的技能鸿沟

Brandon 说，赋能数据科学家“做任何他们想做的事情”，是他将编程技能转化为数据科学职业生涯的方式，这使他走上了商业智能之路：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。

他还谈到了当前数据工程师和数据分析师之间存在的差距。Brandon 的工作很不寻常，它既涉及数据分析，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相关工作的种类繁多。“职位描述听起来都一样，但每个人想要的东西却不一样。”

如果你正在寻找商业智能领域的工作，Brandon 鼓励你进行非常具体的关键词搜索，并寻找能发挥你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，值得花额外的时间去寻找一份你乐于从事的工作。

边做边学——如何开始你的数据科学之旅

“放手去做吧。”

Brandon 说，有“无数”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，一个面向数据科学家、工程师和分析师的数字社区，在他早期学习该领域时特别有用。

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

数据科学的下一个前沿

Brandon 说，沟通是 BI 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。这是你向那些不关心数据的人说明某事对他们为何重要的途径。

AngelList Venture 中的 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，或访问他的 LinkedIn。您也可以阅读更多关于他如何在 AngelList Venture 应用 Metabase 的信息。