Foto door Vlada Karpovitsj
 

In januari 2020 begon ik mezelf data science te leren. Op dat moment was mijn enige doel een fulltime baan in het veld te krijgen.

Hoewel datawetenschappers zeer goed worden betaald, duurt het lang om de bedrijfsladder te beklimmen en rijkdom op te bouwen met een baan van 9 tot 5.

Hierdoor ben ik op zoek gegaan naar verschillende manieren om mijn vaardigheden op het gebied van datawetenschap toe te passen buiten mijn zakelijke baan. Aangezien mijn fulltime baan flexibel is en me in staat stelt om op afstand te werken, heb ik elke dag ongeveer 3 tot 4 uur vrije tijd die ik gebruik om een ​​bijverdienste te genereren.

Ik heb nu met succes meerdere inkomstenstromen opgebouwd buiten mijn fulltime baan die me elke maand ongeveer $ 3,000 - $ 3,500 opleveren.

Veel van deze inkomstenstromen zijn passief, wat betekent dat ik verdien zonder dat ik er actief tijd en moeite in hoef te steken.

In dit artikel laat ik zien hoe ik dat heb gedaan. Als u een datawetenschapper bent of er een wilt worden, kunt u enkele van deze ideeën gebruiken om geld te verdienen met uw vaardigheden.

Ik verdien een aanzienlijk deel van mijn inkomen met online schrijven. Dit omvat het maken van zelfstudies, tips en advies over datawetenschap. Ik ben in mei 2020 begonnen met bloggen op Medium.

Nadat ik een publiek op het platform had opgebouwd, ben ik door werkgevers benaderd om freelance artikelen voor hun merken te schrijven. In de afgelopen twee jaar heb ik verschillende blogposts, tutorials, whitepapers en SEO-content gemaakt voor zes verschillende bedrijven.

Takeaways:

a) Begin gewoon met schrijven

U hoeft geen materiedeskundige te zijn om te beginnen met het delen van wat u weet. Volgens Rachel Thomas, de mede-oprichter van Fast.AI, ben je zelfs het best gepositioneerd om iemand een stap achter je te helpen.

Dit betekent dat als je net een concept hebt geleerd, het nog vers in je geheugen zit. Je kunt dit gemakkelijk vereenvoudigen en uitleggen aan een andere beginner in het veld - en zou dit beter kunnen dan een expert die is vergeten hoe het was om een ​​beginner te zijn.

b) Breng jezelf op de markt

Om te groeien als contentmaker, moet je jezelf op de markt brengen. Maak een aantrekkelijk LinkedIn-profiel en deel uw artikelen op het platform. Post regelmatig, word lid van data science-groepen en kom in contact met andere professionals in het veld.

Het vergroten van uw contacten in de datawereld zal uw blogweergaven vergroten en uw kansen op een betaald schrijfoptreden vergroten.

Toen ik mezelf datawetenschap leerde, volgde ik veel online cursussen over Udemy, Coursera en Datacamp. Ik zou deze cursussen aanbevelen aan collega's en collega's die mijn advies willen over hoe je een datawetenschapper kunt worden.

Na een tijdje realiseerde ik me dat ik betaald kon worden voor het delen van mijn leertraject met anderen. Met affiliate marketing kunnen uitgevers cursussen delen met andere mensen via een affiliate-link. Als iemand het programma via zijn link koopt, krijgt de uitgever een kleine commissie.

Takeaways:

Krijg betaald voor dingen die je al doet

Zelfs voordat ik affiliate-links naar mijn inhoud opnam, zou ik leermateriaal delen in bijna elke blogpost die ik schreef. Het enige verschil is dat ik er nu voor betaald krijg. Volgens een peiling van Affise verdient meer dan 25% van de aangesloten bedrijven tussen de $81,000 en $200,000 per jaar.

Hoewel ik slechts een fractie hiervan verdien met affiliate marketing (elke keer dat ik publiceer ongeveer $ 100- $ 200 per maand), is het een enorme inkomstenbron voor veel bloggers en het is zeker iets dat je zou moeten overwegen om aan je inhoud toe te voegen.

Vergeet echter niet om ethisch te handelen en alleen producten te promoten die u zelf heeft geconsumeerd en waarvan u heeft geprofiteerd. U moet ook transparant zijn en het gebruik van gelieerde links duidelijk bekendmaken aan lezers.

Dit klinkt misschien als een onconventionele manier om geld te verdienen als datawetenschapper, maar luister naar me.

Mijn eerste fulltime baan in datawetenschap was op het gebied van marketinganalyse. In deze rol leerde ik datawetenschapstechnieken toe te passen om gepersonaliseerde strategieën voor klanttargeting te creëren en marketingsucces te stimuleren.

Ik schreef een artikel over het toepassen van data science-technieken op het gebied van marketing, dat de aandacht trok van een werkgever die op zoek was naar een freelancer met dezelfde vaardigheden als ik. Hij nam contact met me op via LinkedIn en ik werk nu op contractbasis met het bedrijf.

Takeaways:

a) Selecteer een niche

Aangezien ik enige tijd op het gebied van marketinganalyse heb gewerkt, ben ik bekend met enkele van de grootste uitdagingen in de branche. Ik weet ook hoe ik data moet gebruiken om ze op te lossen.

Dit is mijn niche. Het is moeilijk om iemand te vinden met dezelfde combinatie van vaardigheden die ik heb, waardoor ik een sterke kanshebber was voor deze freelance baan.

Als je een aspirant-datawetenschapper bent, raad ik je aan een specialisatiegebied te kiezen als je begint. Dit kan financiën, marketing, gezondheidszorg, verzekeringen of iets anders zijn dat u graag doet.

De waarde van datawetenschappers ligt in hun vermogen om problemen op te lossen. Als je dit in een specifieke branche kunt doen, heb je een concurrentievoordeel ten opzichte van andere datawetenschappers.

Ik kan met vertrouwen zeggen dat de baan die ik heb gekregen niet geschikt zou zijn geweest voor iemand zonder domeinervaring, zelfs als ze een masterdiploma of Ph.D. in de datawetenschap.

b) Bouw een online aanwezigheid op

Ik kreeg deze rol alleen omdat de werkgever mijn Medium-profiel vond tijdens het browsen door het platform. Ik heb samengewerkt met andere marketingdatawetenschappers, van wie velen meer ervaring hebben en het vakgebied beter kennen dan ik.

Hoe dan ook, ik kreeg de baan omdat de werkgever mij als eerste vond - dankzij mijn blogposts en aanwezigheid op sociale media.

Als je geen tijd hebt om artikelen over je werk te schrijven, stel ik voor dat je op zijn minst een portfoliowebsite maakt met een samenvatting van je vaardigheden. Voeg een link naar de site toe op LinkedIn en andere sociale-mediaplatforms, zodat potentiële werkgevers u gemakkelijk kunnen vinden bij het aannemen van vacatures.

Als je er nog geen hebt, lees dan deze handleiding voor tips over het maken van een portfoliowebsite.

Ik heb workshops gegeven over onderwerpen als gegevensverzameling en -analyse om niet-technische studenten te leren werken met gegevens. Dit vergde uren voorbereiding, omdat ik me vertrouwd moest maken met elk concept dat ik aan het onderwijzen was en ervoor moest zorgen dat ik geen fouten maakte.

Het beste aan het worden van instructeur was dat lesgeven mijn begrip van het onderwerp verstevigde en mijn vermogen om complexe concepten op te splitsen voor beginners in het veld drastisch verbeterde.

Takeaways:

Leer wat je weet

Ik ben ongeveer twee tot drie jaar geleden begonnen met het leren van datawetenschap en ben nauwelijks een expert op dit gebied. Ik heb in deze tijd echter veel geleerd en kan het leren aan een groep mensen die baat zullen hebben bij het leren van mijn vaardigheden.

Als iemand die bijvoorbeeld op het gebied van datawetenschap en marketing heeft gewerkt, ben ik goed gepositioneerd om datageletterdheid aan marketeers te leren. Ik kan datawetenschappers ook leren over marketinganalyse, zodat ze domeinkennis kunnen opdoen en mogelijk een baan in de branche kunnen vinden.

Zelfs als je een aspirant-datawetenschapper bent die zich in de leerfase bevindt, kun je een bijverdienste verdienen door wat je weet met anderen te delen. Vaak werkt dit het beste wanneer je een unieke set vaardigheden combineert die niet veel mensen hebben.

Een cursus 'Inleiding tot Python' wekt bijvoorbeeld misschien niet de interesse van studenten, aangezien vergelijkbare programma's overvloedig aanwezig zijn op internet. Een cursus 'Inleiding tot Python voor financiën' is echter meer gespecialiseerd en trekt waarschijnlijk een groep kijkers aan die geïnteresseerd zijn in het voorspellen van de aandelenmarkt.

YouTube, Udemy, Pluralsight en Thinkific zijn enkele platforms die u kunt gebruiken om online cursussen te bouwen en te delen.

Daarnaast heb ik gewerkt aan freelance data science-taken zoals het verzamelen van gegevens, het bouwen van modellen en het maken van dashboards voor klanten. Hoewel de meeste freelancers zweren bij platforms als Upwork en Fiverr, kreeg ik de meeste van mijn vacatures via Medium, LinkedIn en mijn website.

Hier zijn enkele artikelen die me freelance-optredens hebben bezorgd:

Klantsegmentatie met Python: uiteindelijk bouwde ik een K-Means-clustermodel voor de klant en presenteerde mijn resultaten in een slide-deck.
Hoe Twitter-gegevens te verzamelen met Python: ik begeleidde de klant om Twitter-gegevens te verzamelen met behulp van een Python API.
Een compleet data-analyseproject met Python: ik heb een vergelijkbare concurrentieanalyse uitgevoerd voor het product van de klant.

Takeaways:

Bouw projecten: Wanneer een werkgever op zoek is naar een freelancer, speurt hij vaak het internet af om mensen te vinden die aan soortgelijke projecten werken. Door projecten te bouwen en er regelmatig over te posten, vergroot u uw kansen om opgemerkt te worden en een baan binnen te halen.

Ongeacht waar u zich bevindt in uw data science-reis, u kunt vandaag beginnen met het opbouwen van meerdere online inkomstenstromen.

Begin met online te schrijven en te onderwijzen wat je weet. Dit kan worden gedaan op publicatieplatforms zoals Medium. U kunt zelfs uw eigen blogsite maken met behulp van webontwikkelingsservices zoals Wix en WordPress.

Kies vervolgens een specialisatiegebied binnen data science. Ik stel voor om een ​​fulltime baan in het veld te nemen, omdat dit je branchespecifieke ervaring zal opleveren die je nergens anders kunt leren.

Gebruik ten slotte uw domeinervaring en datawetenschapsvaardigheden om uit te breiden naar freelancen en het maken van cursussen. U kunt ook consultatiesessies aanbieden en data science-workshops geven in uw regio.

"Het geheim om vooruit te komen is beginnen." - Mark Twain

 
 
Natasha Selvaraj is een autodidactische datawetenschapper met een passie voor schrijven. Je kunt contact met haar opnemen op LinkedIn.

 
ORIGINELE. Met toestemming opnieuw gepost.
 

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• Platoblockchain. Web3 Metaverse Intelligentie. Kennis versterkt. Toegang hier.
• Bron: 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