데이터 과학을 통해 매달 온라인으로 3,500달러를 버는 방법

플라톤에 의해 재발행

팔로워 : 0

데이터 과학으로 매달 온라인에서 $3,500를 버는 방법
님이 촬영 한 사진 블라다 카르포비치

저는 2020년 XNUMX월에 데이터 과학을 독학하기 시작했습니다. 당시 저의 유일한 목표는 해당 분야에서 정규직을 구하는 것이었습니다.

그러나 데이터 과학자는 보수가 매우 높지만 회사 사다리를 오르고 9-5 직업으로 부를 쌓는 데 오랜 시간이 걸립니다.

이로 인해 회사 업무 이외의 데이터 과학 기술을 적용할 수 있는 다양한 방법을 찾기 시작했습니다. 정규직 역할이 유연하고 원격으로 일할 수 있기 때문에 매일 3~4시간 정도의 자유 시간을 가지고 부수입을 창출합니다.

저는 이제 매월 약 $3,000-$3,500를 제공하는 정규직 이외의 여러 수익원을 성공적으로 구축했습니다.

이러한 소득 흐름의 대부분은 수동적입니다. 즉, 시간과 노력을 적극적으로 투자하지 않고도 수익을 올릴 수 있습니다.

이 기사에서는 내가 어떻게했는지 보여줄 것입니다. 데이터 과학자이거나 데이터 과학자가 되기를 열망하는 경우 이러한 아이디어 중 일부를 사용하여 기술 세트를 수익화할 수 있습니다.

저는 온라인 글쓰기로 제 수입의 상당 부분을 벌어들입니다. 여기에는 데이터 과학 자습서, 팁 및 조언 작성이 포함됩니다. 저는 2020년 XNUMX월에 Medium에서 블로그를 시작했습니다.

플랫폼에서 잠재 고객을 구축한 후 고용주로부터 브랜드에 대한 프리랜서 기사를 작성하라는 접근을 받았습니다. 지난 XNUMX년 동안 저는 XNUMX개의 다른 회사를 위해 다양한 블로그 게시물, 자습서, 백서 및 SEO 콘텐츠를 만들었습니다.

테이크 아웃 :

a) 그냥 쓰기 시작

당신이 알고 있는 것을 공유하기 위해 주제 전문가가 될 필요는 없습니다. 사실, Fast.AI의 공동 설립자인 Rachel Thomas에 따르면, 당신은 당신보다 한 발짝 뒤처진 누군가를 도울 수 있는 가장 좋은 위치에 있습니다.

즉, 방금 개념을 배운 경우에도 여전히 마음에 신선합니다. 이것을 쉽게 단순화하고 현장의 다른 초보자에게 설명할 수 있습니다. 그러면 초보자가 되는 것이 어떤 것인지 잊어버린 전문가보다 더 잘 할 수 있을 것입니다.

b) 자신을 시장에 내놓으십시오

콘텐츠 크리에이터로 성장하려면 자신을 마케팅해야 합니다. 매력적인 LinkedIn 프로필을 만들고 플랫폼에서 기사를 공유하세요. 정기적으로 게시하고 데이터 과학 그룹에 가입하고 해당 분야의 다른 전문가와 연결하십시오.

데이터 세계에서 연락처를 늘리면 블로그 조회수가 증가하고 유료 글쓰기 작업을 시작할 가능성이 높아집니다.

데이터 과학을 독학할 때 Udemy, Coursera 및 Datacamp에서 많은 온라인 과정을 수강했습니다. 데이터 과학자가 되는 방법에 대한 조언을 원하는 동료 및 동료에게 이 과정을 추천합니다.

얼마 후, 다른 사람들과 학습 경로를 공유하면 돈을 받을 수 있다는 것을 깨달았습니다. 제휴 마케팅을 통해 게시자는 제휴 링크를 사용하여 다른 사람들과 코스를 공유할 수 있습니다. 누군가 링크를 사용하여 프로그램을 구매하면 게시자는 약간의 수수료를 받습니다.

테이크 아웃 :

이미 한 일에 대한 대가를 받으십시오

내 콘텐츠에 대한 제휴 링크를 포함하기 전에도 내가 작성한 거의 모든 블로그 게시물에서 학습 자료를 공유했습니다. 유일한 차이점은 이제 내가 그 일에 대한 대가를 받는다는 것입니다. 실제로 Affise의 설문 조사에 따르면 계열사의 25% 이상이 연간 81,000달러에서 200,000달러 사이를 벌고 있습니다.

저는 제휴 마케팅(게시할 때마다 한 달에 약 $100-$200)에서 이 중 일부만 벌지만, 이는 많은 블로거에게 막대한 수익원이며 확실히 콘텐츠에 추가하는 것을 고려해야 하는 것입니다.

그러나 윤리적임을 기억하고 귀하가 소비하고 혜택을 받은 제품만 홍보하십시오. 또한 독자에게 제휴 링크 사용을 투명하고 명확하게 공개해야 합니다.

이것은 데이터 과학자로서 돈을 버는 색다른 방법처럼 들릴지 모르지만 내 말을 들어라.

나의 첫 풀타임 데이터 과학 직업은 마케팅 분석 분야였습니다. 이 역할에서 데이터 과학 기술을 적용하여 개인화된 고객 타겟팅 전략을 만들고 마케팅 성공을 이끄는 방법을 배웠습니다.

저는 마케팅 분야에서 데이터 과학 기술을 적용하는 방법에 대한 기사를 썼는데, 저와 동일한 기술을 가진 프리랜서를 고용하려는 고용주의 관심을 끌었습니다. 그는 LinkedIn에서 저에게 연락을 했고 저는 지금 회사와 계약을 맺고 일하고 있습니다.

테이크 아웃 :

a) 틈새를 선택하십시오

한동안 마케팅 분석 분야에서 일했기 때문에 업계에서 직면한 가장 큰 문제에 대해 잘 알고 있습니다. 데이터를 사용하여 문제를 해결하는 방법도 알고 있습니다.

이것은 내 틈새 시장입니다. 나와 같은 기술 조합을 가진 사람을 찾기가 어렵기 때문에 이 프리랜서 직업에 대한 강력한 경쟁자가 되었습니다.

당신이 데이터 사이언티스트가 되고 싶다면 시작할 때 전문 분야를 선택하는 것이 좋습니다. 이것은 금융, 마케팅, 건강 관리, 보험 또는 당신이 즐기는 모든 것이 될 수 있습니다.

데이터 과학자의 가치는 문제를 해결하는 능력에 있습니다. 특정 산업에서 이것을 할 수 있다면 다른 데이터 과학자보다 경쟁력이 있습니다.

석사 학위나 박사 학위가 있더라도 해당 분야 경험이 없는 사람에게는 내가 찾은 직업이 적합하지 않았을 것이라고 자신 있게 말할 수 있습니다. 데이터 과학에서.

b) 온라인 입지 구축

고용주가 플랫폼을 탐색하는 동안 내 미디엄 프로필을 찾았기 때문에 이 역할을 얻었습니다. 나는 다른 마케팅 데이터 과학자들과 함께 일했는데, 그들 중 다수는 경험이 더 많고 나보다 해당 분야를 더 잘 알고 있습니다.

그럼에도 불구하고 고용주가 나를 먼저 찾았기 때문에 일자리를 얻었습니다. 블로그 게시물과 소셜 미디어 존재 덕분입니다.

자신의 작업에 대한 기사를 작성할 시간이 없다면 최소한 자신의 기술 요약이 포함된 포트폴리오 웹사이트를 만드는 것이 좋습니다. LinkedIn 및 기타 소셜 미디어 플랫폼의 사이트에 대한 링크를 포함하여 잠재적인 고용주가 공석 채용 시 귀하를 쉽게 찾을 수 있도록 하십시오.

아직 웹사이트가 없다면 이 가이드에서 포트폴리오 웹사이트를 만드는 방법에 대한 팁을 읽어보세요.

저는 데이터 수집 및 분석과 같은 주제에 대한 워크숍을 진행하여 비기술 학생에게 데이터 작업 방법을 가르쳤습니다. 내가 가르치고 있는 모든 개념을 숙지하고 실수하지 않았는지 확인해야 했기 때문에 몇 시간의 준비가 필요했습니다.

강사가 되어 가장 좋았던 점은 강의를 통해 해당 주제에 대한 이해가 탄탄해지고 해당 분야의 초보자에게 복잡한 개념을 분해하는 능력이 극적으로 향상되었다는 것입니다.

테이크 아웃 :

아는 것을 가르치십시오

저는 약 XNUMX~XNUMX년 전에 데이터 과학을 배우기 시작했고 해당 분야의 전문가는 거의 없습니다. 하지만 이 기간 동안 많은 것을 배웠고 제 기술을 배우면 도움이 될 사람들에게 가르칠 수 있습니다.

예를 들어, 데이터 과학 및 마케팅 분야에서 일한 사람으로서 저는 마케터에게 데이터 리터러시 기술을 가르칠 수 있는 좋은 위치에 있습니다. 또한 데이터 과학자에게 마케팅 분석에 대해 가르칠 수 있으므로 도메인 지식을 습득하고 잠재적으로 업계에서 일자리를 얻을 수 있습니다.

학습 단계에 있는 데이터 사이언티스트 지망생이라도 알고 있는 것을 다른 사람과 공유함으로써 부수입을 얻을 수 있습니다. 종종 이것은 많은 사람들이 가지고 있지 않은 고유한 기술 집합을 결합할 때 가장 잘 작동합니다.

예를 들어, "Python 입문" 과정은 유사한 프로그램이 인터넷에 풍부하기 때문에 학생들의 관심을 끌지 못할 수 있습니다. 그러나 "금융을 위한 Python 입문" 과정은 보다 전문적이며 주식 시장 예측에 관심이 있는 시청자 그룹을 끌어들일 가능성이 높습니다.

YouTube, Udemy, Pluralsight 및 Thinkific은 온라인 코스를 만들고 공유하는 데 사용할 수 있는 플랫폼입니다.

또한 데이터 수집, 모델 구축 및 고객을 위한 대시보드 생성과 같은 프리랜서 데이터 과학 작업에 참여했습니다. 대부분의 프리랜서는 Upwork 및 Fiverr와 같은 플랫폼을 선호하지만 저는 Medium, LinkedIn 및 제 웹사이트에서 대부분의 취업 기회를 얻었습니다.

다음은 프리랜서 공연을 하게 된 몇 가지 기사입니다.

Python을 사용한 고객 세분화: 결국 클라이언트를 위한 K-Means 클러스터링 모델을 구축하고 결과를 슬라이드 데크로 발표했습니다.
Python으로 Twitter 데이터 수집 방법: 클라이언트에게 Python API를 사용하여 Twitter 데이터를 수집하도록 안내했습니다.
Python을 사용한 전체 데이터 분석 프로젝트: 클라이언트 제품에 대해 유사한 경쟁 분석을 수행했습니다.