Sådan tjener jeg 3,500 $ online hver måned med datavidenskab

Genudgivet af Platon

Abonnenter: 0

Hvordan jeg tjener $3,500 online hver måned med datavidenskab
Photo by Vlada Karpovich

Jeg startede med at undervise mig selv i datalogi i januar 2020. På det tidspunkt var mit eneste mål at få et fuldtidsjob inden for området.

Men selv om dataforskere er meget godt betalt, tager det lang tid at klatre op ad virksomhedernes rangstige og opbygge rigdom med et 9-5 job.

På grund af dette begyndte jeg at lede efter forskellige måder at anvende mine datavidenskabelige færdigheder uden for mit virksomhedsjob. Da min fuldtidsrolle er fleksibel og giver mig mulighed for at arbejde eksternt, har jeg omkring 3 til 4 timers fritid hver dag, som jeg bruger til at generere en biindkomst.

Jeg har nu med succes opbygget flere indtægtsstrømme uden for mit fuldtidsjob, der giver mig ca. $3,000-$3,500 hver måned.

Mange af disse indkomststrømme er passive, hvilket betyder, at jeg tjener uden aktivt at skulle investere min tid og kræfter i dem.

I denne artikel vil jeg vise dig, hvordan jeg gjorde det. Hvis du er dataforsker eller ønsker at blive det, kan du bruge nogle af disse ideer til at tjene penge på dine færdigheder.

Jeg tjener en betydelig del af min indkomst på at skrive online. Dette omfatter oprettelse af datavidenskabs-tutorials, tips og råd. Jeg begyndte at blogge på Medium i maj 2020.

Efter at have opbygget et publikum på platformen, er jeg blevet kontaktet af arbejdsgivere for at skrive freelance-artikler til deres brands. I de sidste to år har jeg lavet en række blogindlæg, tutorials, whitepapers og SEO-indhold for seks forskellige virksomheder.

Grillbarer:

a) Bare begynd at skrive

Du behøver ikke at være fagekspert for at begynde at dele, hvad du ved. Faktisk er du ifølge Rachel Thomas, medstifter af Fast.AI, bedst positioneret til at hjælpe nogen et skridt bag dig.

Det betyder, at hvis du lige har lært et koncept, er det stadig frisk i dit sind. Du kan nemt forenkle dette og forklare det til en anden nybegynder inden for området - og ville være i stand til at gøre dette bedre end en ekspert, der har glemt, hvordan det var at være nybegynder.

b) Markedsfør dig selv

For at vokse som indholdsskaber skal du markedsføre dig selv. Opret en overbevisende LinkedIn-profil og del dine artikler på platformen. Skriv regelmæssigt, deltag i datavidenskabsgrupper og kom i kontakt med andre fagfolk på området.

At øge dine kontakter i dataverdenen vil øge dine blogvisninger og forbedre dine chancer for at lande en betalt skriveoptræden.

Da jeg underviste mig selv i datavidenskab, tog jeg mange onlinekurser om Udemy, Coursera og Datacamp. Jeg vil anbefale disse kurser til kolleger og kammerater, der ville have mit råd om, hvordan man bliver dataforsker.

Efter et stykke tid indså jeg, at jeg kunne blive betalt for at dele min læringsvej med andre. Affiliate marketing giver udgivere mulighed for at dele kurser med andre mennesker ved hjælp af et affiliate-link. Hvis nogen køber programmet ved hjælp af deres link, får udgiveren en lille kommission.

Grillbarer:

Få betalt for ting, du allerede gør

Selv før jeg inkluderede affilierede links til mit indhold, ville jeg dele læringsmateriale i næsten hvert eneste blogindlæg, jeg skrev. Den eneste forskel er, at jeg nu bliver betalt for at gøre det. Faktisk, ifølge en meningsmåling fra Affise, tjener over 25% af tilknyttede virksomheder mellem $81,000 til $200,000 om året.

Selvom jeg kun tjener en brøkdel af dette fra affiliate marketing (omkring $100-$200 om måneden hver gang jeg udgiver), er det en enorm indtægtsdriver for mange bloggere og er bestemt noget, du bør overveje at tilføje til dit indhold.

Husk dog at være etisk og kun promovere produkter, som du har indtaget og nydt godt af. Du skal også være gennemsigtig og tydeligt oplyse om brugen af affilierede links til læsere.

Det lyder måske som en ukonventionel måde at tjene penge på som dataforsker, men hør mig.

Mit første fuldtidsjob i datavidenskab var inden for marketinganalyse. I denne rolle lærte jeg at anvende datavidenskabelige teknikker til at skabe personaliserede kundemålretningsstrategier og drive marketingsucces.

Jeg skrev en artikel om anvendelse af datavidenskabelige teknikker inden for marketing, som fangede opmærksomheden hos en arbejdsgiver, der søgte at ansætte en freelancer med det samme sæt færdigheder, som jeg havde. Han kontaktede mig på LinkedIn, og jeg arbejder nu med virksomheden på kontraktbasis.

Grillbarer:

a) Vælg en niche

Da jeg har arbejdet inden for marketing analytics i nogen tid, er jeg bekendt med nogle af de største udfordringer i branchen. Jeg ved også, hvordan man bruger data til at løse dem.

Dette er min niche. Det er svært at finde nogen med den samme kombination af færdigheder, som jeg har, hvilket gjorde mig til en stærk kandidat til dette freelancejob.

Hvis du er en håbefuld dataforsker, foreslår jeg, at du vælger et specialiseringsområde, når du starter. Dette kan være økonomi, markedsføring, sundhedspleje, forsikring eller andet, du nyder at lave.

Værdien af data scientists ligger i deres evne til at løse problemer. Hvis du kan gøre dette i en bestemt branche, har du en konkurrencefordel i forhold til andre dataforskere.

Jeg kan med tillid sige, at det job, jeg fik, ikke ville have været det rigtige for nogen uden domænerfaring, selvom de havde en kandidatgrad eller ph.d. i datavidenskab.

b) Opbyg en online tilstedeværelse

Jeg fik denne rolle kun, fordi arbejdsgiveren fandt min Medium-profil, mens jeg gennemsøgte platformen. Jeg har arbejdet sammen med andre marketing data scientists, hvoraf mange er mere erfarne og kender området bedre end jeg gør.

Uanset hvad fik jeg jobbet, fordi arbejdsgiveren fandt mig først - takket være mine blogindlæg og tilstedeværelse på sociale medier.

Hvis du ikke har tid til at skrive artikler om dit arbejde, foreslår jeg, at du i det mindste opretter et portfolio-websted, der indeholder en oversigt over dine færdigheder. Inkluder et link til webstedet på LinkedIn og andre sociale medieplatforme, så potentielle arbejdsgivere nemt kan finde dig, når de ansætter til ledige stillinger.

Hvis du ikke allerede har en, kan du læse denne guide for tips til, hvordan du opretter et portfolio-websted.

Jeg har afholdt workshops om emner som dataindsamling og analyse for at lære ikke-tekniske studerende at arbejde med data. Dette indebar timers forberedelse, da jeg skulle sætte mig ind i hvert koncept, jeg underviste i, og sikre, at jeg ikke lavede nogen fejl.

Det bedste ved at blive instruktør var, at undervisning styrkede min forståelse af emnet og dramatisk forbedrede min evne til at nedbryde komplekse begreber til begyndere inden for området.

Grillbarer:

Lær hvad du ved

Jeg begyndte at lære datavidenskab for omkring to til tre år siden og er næppe ekspert på området. Jeg har dog lært meget i løbet af denne tid og kan lære det til en gruppe mennesker, som vil have gavn af at lære mine færdigheder.

For eksempel, som en, der har arbejdet inden for datavidenskab og marketing, er jeg godt positioneret til at undervise marketingfolk i datafærdigheder. Jeg kan også undervise data scientists om marketing analytics, så de kan få domæneviden og potentielt få et job i branchen.

Selvom du er en håbefuld dataforsker, som er i læringsstadiet, kan du tjene en biindkomst ved at dele det, du ved, med andre. Ofte fungerer dette bedst, når du kombinerer et unikt sæt færdigheder, som ikke mange mennesker har.

For eksempel kan et "Introduktion til Python"-kursus ikke vække elevernes interesse, da lignende programmer er rigeligt på internettet. Et "Introduktion til Python for Finance"-kursus er dog mere specialiseret og vil sandsynligvis tiltrække en gruppe seere, der er interesserede i at forudsige aktiemarkedet.

YouTube, Udemy, Pluralsight og Thinkific er nogle platforme, du kan bruge til at bygge og dele onlinekurser.

Derudover har jeg arbejdet med freelance datavidenskabelige opgaver som dataindsamling, modelbygning og oprettelse af dashboard for kunder. Mens de fleste freelancere sværger til platforme som Upwork og Fiverr, fik jeg de fleste af mine jobmuligheder fra Medium, LinkedIn og min hjemmeside.

Her er nogle artikler, der har givet mig freelancekoncerter:

Kundesegmentering med Python: Jeg endte med at bygge en K-Means-klyngemodel til klienten og præsenterede mine resultater i et slide-deck.
Sådan indsamles Twitter-data med Python: Jeg guidede klienten til at indsamle Twitter-data ved hjælp af en Python API.
Et komplet dataanalyseprojekt med Python: Jeg udførte en lignende konkurrenceanalyse for kundens produkt.

Grillbarer:

Byg projekter: Når en arbejdsgiver søger at ansætte en freelancer, gennemsøger de ofte internettet for at finde folk, der arbejder på lignende projekter. At bygge projekter og ofte skrive om dem vil forbedre dine chancer for at blive bemærket og få et job.

Uanset hvor du er i din datavidenskabsrejse, kan du begynde at opbygge flere strømme af onlineindkomst i dag.

Start med at skrive online og undervise i det, du ved. Dette kan gøres på publiceringsplatforme som Medium. Du kan endda oprette din egen blogside ved hjælp af webudviklingstjenester som Wix og WordPress.

Vælg derefter et specialiseringsområde inden for datavidenskab. Jeg foreslår at få et fuldtidsjob inden for området, da dette vil give dig branchespecifik erfaring, som ikke kan læres andre steder.

Brug endelig din domænerfaring og datavidenskabelige færdigheder til at forgrene dig til freelance og kursusoprettelse. Du kan også tilbyde konsultationssession og gennemføre datavidenskabsworkshops i dit område.