E soluzioni facili che possano dare loro una svolta immediata
Ogni ingegnere dei dati vuole sentirsi come se fosse un professionista in continua evoluzione e in costante crescita delle proprie competenze tecniche. Come ingegneri dei dati ci piace essere messi alla prova e sentire che stiamo progredendo verso il nostro obiettivo finale.
Questa è la natura del lavoro che svolgiamo: miglioramento dei sistemi, implementazione di processi per aumentare la qualità dei dati e ricerca di modi innovativi per ridurre i costi. Tutto sta nel fare passi avanti piuttosto che indietro.
Tre anni dopo l’inizio del mio ruolo di ingegnere dei dati, ho iniziato a sentire che la mia crescita si stava stabilizzando. Non ero più entusiasta del lavoro che stavo facendo. Non avevo la sensazione di imparare da chi mi circondava. Non c’erano nuove competenze tecniche che ho potuto apprendere attraverso il mio lavoro.
Ora, guardando indietro, capisco che era il momento giusto per passare al mio ruolo successivo. Tuttavia, c’erano alcune mie abitudini specifiche che posso individuare come ragioni per cui il mio successo ha iniziato a bloccarsi in quell’azienda.
In questo articolo condividerò le cattive abitudini che potrebbero anche uccidere il tuo potenziale come ingegnere dei dati e come risolverle.
Questo è un approccio che gli ingegneri dei dati tendono ad abbracciare quando iniziano per la prima volta. In effetti, non penso che tu possa diventare un ingegnere dei dati di successo senza accettare lo schifo.
Devi essere in grado di portare a termine il debug di qualcosa che è andato storto e di lavorare su progetti difficili perché questa è l’unica cosa che ti renderà migliore.
Man mano che avanziamo nella nostra carriera di ingegneria dei dati, quasi non vogliamo dare l’impressione di non sapere qualcosa. Diventiamo insicuri riguardo alle competenze che potrebbero mancarci, evitando di intraprendere progetti in cui facciamo fatica.
Tuttavia, questo è un errore enorme.
Non puoi migliorare il tuo scripting Python, ad esempio, se non ti offri mai volontario per scrivere uno script Python. Non imparerai lo strumento moderno più recente di orchestrazione dello stack di dati se consenti a qualcuno con più esperienza di creare la pipeline di dati.
Devi chiedere al tuo manager compiti difficili che potresti non sapere come svolgere…
Fonte: towardsdatascience.com
