Un scientifique des données expérimenté donne des conseils aux étudiants qui entrent dans le domaine aujourd'hui. Premièrement, diversifier les secteurs au-delà de la grande tech ; la santé, le gouvernement et les ONG offrent un impact significatif et des applications variées pour le machine learning. Les stages et la lecture des descriptions de poste aident à clarifier les attentes du rôle à travers les secteurs.

Deuxièmement, l'formation aux données et l'éthique sont primordiales. Les praticiens doivent former leurs collègues à l'utilisation safe et effective des données — particulièrement avec les LLMs — pour prévenir les dommages organisationnels concernant la vie privée, la sécurité et le bien-être. Cette protection éthique est comparée à un comptable prévenant les crimes financiers et est essentielle pour la satisfaction à long terme dans la carrière.

Troisièmement, le travail principal est résoudre des problèmes. Les rôles initiaux consistent à répondre à des questions ciblées de la direction, mais l'autonomie dans la méthodologie construit l'expérience nécessaire pour progresser. L'ancienneté est définie par la capacité à reconnaître les archétypes de problèmes, à naviguer dans des données sales et à livrer des réponses statistiquement rigoureuses. L'auteur insiste que, outil change rapidement, l'habileté fondamentale de cadrer et résoudre des problèmes avec des données reste la base durable pour une carrière longue.