Як я заробляю 3,500 доларів США щомісяця за допомогою Data Science

Фото Влада Карпович
 

Я почав викладати науку про дані в січні 2020 року. На той момент моєю єдиною метою було отримати повний робочий день у цій галузі.

Однак, незважаючи на те, що науковцям з обробки даних дуже добре платять, щоб піднятися по службових сходах і заробити багатство за допомогою роботи 9–5, потрібно багато часу.

У зв’язку з цим я почав шукати різні способи застосувати свої навички з обробки даних поза межами корпоративної роботи. Оскільки моя повна зайнятість є гнучкою та дозволяє мені працювати віддалено, у мене є близько 3–4 годин вільного часу щодня, який я використовую для отримання додаткового доходу.

Тепер я успішно створив кілька джерел доходу за межами своєї штатної роботи, які забезпечують мені приблизно 3,000–3,500 доларів США щомісяця.

Багато з цих джерел доходу є пасивними, а це означає, що я заробляю, не вкладаючи в них свій час і зусилля.

У цій статті я покажу вам, як я це зробив. Якщо ви фахівець із даних або прагнете ним стати, ви можете використати деякі з цих ідей, щоб монетизувати свої навички.

Значну частину свого доходу я заробляю на написанні в Інтернеті. Це включає в себе створення підручників, підказок і порад з науки про дані. Я почав вести блог на Medium у травні 2020 року.

Після створення аудиторії на платформі роботодавці звернулися до мене з проханням написати статті для своїх брендів. За останні два роки я створив різноманітні дописи в блогах, навчальні посібники, технічні документи та вміст для SEO для шести різних компаній.

Винос:

а) Просто почніть писати

Щоб почати ділитися тим, що знаєте, не обов’язково бути фахівцем. Насправді, за словами Рейчел Томас, співзасновниці Fast.AI, ви маєте найкраще становище, щоб допомогти комусь на крок позаду вас.

Це означає, що якщо ви щойно вивчили концепцію, вона все ще свіжа у вашій пам’яті. Ви можете легко спростити це та пояснити іншому початківцю в цій галузі — і ви зможете зробити це краще, ніж експерт, який забув, що таке бути новачком.

б) Рекламуйте себе

Щоб розвиватися як творець контенту, вам потрібно рекламувати себе. Створіть привабливий профіль LinkedIn і діліться своїми статтями на платформі. Регулярно публікуйте дописи, приєднуйтеся до груп із вивчення даних і спілкуйтеся з іншими професіоналами в цій галузі.

Збільшення ваших контактів у світі даних збільшить кількість переглядів вашого блогу та підвищить ваші шанси на отримання оплачуваного письменницького концерту.

Викладаючи науку про дані, я пройшов багато онлайн-курсів на Udemy, Coursera та Datacamp. Я рекомендував би ці курси колегам і колегам, які хотіли б отримати мою пораду щодо того, як стати науковцем з даних.

Через деякий час я зрозумів, що можу отримати гроші за те, що поділюся своїм навчальним шляхом з іншими. Партнерський маркетинг дозволяє видавцям ділитися курсами з іншими людьми за допомогою партнерського посилання. Якщо хтось купує програму за їхнім посиланням, видавець отримує невелику комісію.

Винос:

Отримуйте гроші за те, що ви вже робите

Ще до того, як додати до свого вмісту партнерські посилання, я ділився навчальним матеріалом майже в кожній публікації блогу, яку написав. Єдина різниця в тому, що тепер мені за це платять. Фактично, згідно з опитуванням Affise, понад 25% афілійованих осіб заробляють від 81,000 200,000 до XNUMX XNUMX доларів США на рік.

Хоча я заробляю лише незначну частину цієї суми на афілійованому маркетингу (близько 100–200 доларів США на місяць щоразу, коли публікую), це величезний джерело доходу для багатьох блогерів, і вам, безумовно, варто розглянути можливість додати до свого вмісту.

Однак пам’ятайте про етичність і рекламуйте лише ті продукти, які ви споживали та від яких отримали користь. Ви також повинні бути прозорими та чітко повідомляти читачам про використання афілійованих посилань.

Це може звучати як нетрадиційний спосіб заробити гроші як спеціаліст із обробки даних, але вислухайте мене.

Моя перша повна робоча робота в галузі науки про дані була у сфері маркетингової аналітики. На цій посаді я навчився застосовувати методи науки про дані для створення персоналізованих стратегій націлювання на клієнтів і досягнення маркетингового успіху.

Я написав статтю про застосування методів науки про дані у сфері маркетингу, яка привернула увагу роботодавця, який шукав найняти фрілансера з тим самим набором навичок, як і я. Він звернувся до мене в LinkedIn, і зараз я працюю з компанією на контрактній основі.

Винос:

а) Виберіть нішу

Оскільки я деякий час працював у сфері маркетингової аналітики, я знайомий з деякими з найбільших проблем, з якими стикається галузь. Я також знаю, як використовувати дані для їх вирішення.

Це моя ніша. Важко знайти людину з таким же поєднанням навичок, як я, що зробило мене сильним претендентом на цю роботу фрілансера.

Якщо ви прагнете дослідити дані, я пропоную вибрати сферу спеціалізації на початку. Це можуть бути фінанси, маркетинг, охорона здоров’я, страхування чи будь-що інше, що вам подобається робити.

Цінність дослідників даних полягає в їхній здатності вирішувати проблеми. Якщо ви можете зробити це в певній галузі, у вас є конкурентна перевага перед іншими дослідниками даних.

Я можу з упевненістю сказати, що робота, яку я отримав, не підійшла б людині без досвіду роботи в галузі, навіть якби вона мала ступінь магістра чи доктора філософії. в науці про дані.

b) Створення онлайн-присутності

Я отримав цю посаду лише тому, що роботодавець знайшов мій профіль Medium під час перегляду платформи. Я працював з іншими дослідниками маркетингових даних, багато з яких є більш досвідченими та знають цю сферу краще за мене.

Незважаючи на це, я отримав роботу, тому що роботодавець знайшов мене першим — завдяки моїм публікаціям у блозі та присутності в соціальних мережах.

Якщо у вас немає часу писати статті про свою роботу, я пропоную вам принаймні створити веб-сайт портфоліо, який містить короткий опис ваших навичок. Додайте посилання на сайт LinkedIn та інші соціальні медіа-платформи, щоб потенційні роботодавці могли легко знайти вас під час найму на відкриті вакансії.

Якщо у вас його ще немає, прочитайте цей посібник, щоб отримати поради щодо створення веб-сайту для портфоліо.

Я проводив семінари на такі теми, як збір даних і аналітика, щоб навчити студентів нетехнічних спеціальностей працювати з даними. Це вимагало багатогодинної підготовки, оскільки я мав ознайомитися з кожною концепцією, яку викладав, і переконатися, що я не роблю жодних помилок.

Найкраще в тому, щоб стати інструктором, було те, що викладання зміцнило моє розуміння предмету та значно покращило мою здатність розкривати складні концепції новачкам у цій галузі.

Винос:

Навчайте те, що ви знаєте

Я почав вивчати науку про дані приблизно два-три роки тому і навряд чи є експертом у цій галузі. Проте я багато чому навчився за цей час і можу навчити цьому групу людей, яким буде корисно вивчати мої навички.

Наприклад, як людина, яка працювала в галузі науки про дані та маркетингу, я маю добрі можливості навчати маркетологів навичкам грамотного використання даних. Я також можу навчити дослідників даних маркетинговій аналітиці, щоб вони могли отримати знання в галузі та потенційно отримати роботу в галузі.

Навіть якщо ви початківець дослідник даних і перебуваєте на стадії навчання, ви можете отримати додатковий дохід, поділившись своїми знаннями з іншими. Часто це найкраще працює, коли ви поєднуєте унікальний набір навичок, якими володіють небагато людей.

Наприклад, курс «Вступ до Python» може не викликати інтересу студентів, оскільки подібних програм удосталь в Інтернеті. Однак курс «Вступ до Python для фінансів» є більш спеціалізованим і, швидше за все, привабить групу глядачів, які зацікавлені в прогнозуванні фондового ринку.

YouTube, Udemy, Pluralsight і Thinkific – це деякі платформи, які ви можете використовувати для створення та обміну онлайн-курсами.

Крім того, я працював над позаштатними завданнями з обробки даних, як-от збір даних, створення моделей і створення інформаційної панелі для клієнтів. Хоча більшість фрілансерів клянуться такими платформами, як Upwork і Fiverr, більшість моїх можливостей для працевлаштування я отримав від Medium, LinkedIn і свого веб-сайту.

Ось кілька статей, які принесли мені участь у позаштатних концертах:

Сегментація клієнтів за допомогою Python: я закінчив створенням моделі кластеризації K-Means для клієнта та представив свої результати на слайдах.
Як збирати дані Twitter за допомогою Python: я навчив клієнта збирати дані Twitter за допомогою API Python.
Повний проект аналітики даних із Python: я провів аналогічний конкурентний аналіз для продукту клієнта.

Винос:

Створення проектів: Коли роботодавець хоче найняти фрілансера, він часто шукає в Інтернеті людей, які працюють над подібними проектами. Створення проектів і часті публікації про них покращать ваші шанси бути поміченими та отримати роботу.

Незалежно від того, на якому етапі вашої наукової подорожі ви перебуваєте, ви можете розпочати створення кількох потоків онлайн-доходу вже сьогодні.

Почніть з написання в Інтернеті та навчання того, що ви знаєте. Це можна зробити на видавничих платформах, таких як Medium. Ви навіть можете створити свій власний сайт блогу, використовуючи такі служби веб-розробки, як Wix і WordPress.

Потім виберіть область спеціалізації в галузі даних. Я пропоную отримати роботу на повний робочий день у цій сфері, оскільки це дасть вам досвід у галузі, який неможливо отримати в іншому місці.

Нарешті, скористайтеся своїм досвідом роботи в домені та навичками в галузі обробки даних, щоб зайнятися фрілансом і створенням курсів. Ви також можете запропонувати консультації та провести семінари з науки про дані у вашому регіоні.

«Секрет просування вперед полягає в тому, щоб почати», — Марк Твен

 
 
Наташа Сельварай — науковець з даних-самоучок із пристрастю до письма. Ви можете зв’язатися з нею на LinkedIn.

 
Оригінал. Повідомлено з дозволу.
 

• Розповсюдження контенту та PR на основі SEO. Отримайте посилення сьогодні.
• Платоблокчейн. Web3 Metaverse Intelligence. Розширені знання. Доступ тут.
• джерело: https://www.kdnuggets.com/2023/01/make-3500-online-every-month-data-science.html?utm_source=rss&utm_medium=rss&utm_campaign=how-i-make-3500-online-every-month-with-data-science