دانشمند داده ها - Data Scientist 

گسترش استفاده از فناوری اطلاعات در بخش های مختلف کسب و کار، باعث افزایش منابع ارزشمندی به نام داده

شده است. هر چند در گذشته نیز سازمان  ها این منابع را در اختیار داشتند، اما حجم ، تنوع و سرعت تولید این داده ها به مراتبکمتر بوده است .با رشد تکنولوژی هایBig Data  نقش جدیدی در شرکت های بزرگ به نام دانشمند داده(Data Scientist)  ایجاد شده است که در حقیقت نسخه ی جدیدی از نقش "تحلیلگر داده" یا "تحلیلگر کسب و کار" می باشد. چیزی که ایننقش را با نقش های ذکر شده متفاوت می سازد، دانش و تیزهوشی تجاری برای گرفتن تصمیمات سخت و سریع و انتقال آنهابه هر دو بخش روسای شرکت و رهبرانIT  است تا بتوانند بهترین راه را برای غلبه بر یک چالش سازمانی بیابند. در حقیقتدانشمند داده با دسترسی به حجم زیادی داده، حس کنجکاوی و زیر سوال بردن پیش فرض های فکری سعی می کند تا مواردیرا بیابد که برای سازمان مزیت رقابتی ایجاد کند. به طور خلاصه می توان گفت یک دانشمند داده شخصی است دارای اطلاعاتکافی از هر دو رشته ی مهندسی کامپیوتر و آمار. البته در مورد مهارت های مورد نیاز برای یک مهندس داده در ادامه توضیحخواهم داد.علم داده به عنوان علمی کاملا کاربردی می تواند پاسخی مناسب به این داده های عظیم تولید شده باشد. به منظور

استفاده از این منابع ارزشمند، وجود نیروی ماهر بسیار ضروری است. متاسفانه اکثر صاحبان صنایع در دنیا از کمبود نیروی ماهردر این حوزه شکایت دارند. این نگرانی از سوی صنعت حاوی دو پیام بسیار مهم می باشد. اول اینکه صاحبان صنایع به اهمیتاین علم پی برده اند و دوم اینکه فرصت های شغلی مناسبی برای افراد خوش فکر و با استعداد در این حوزه به وجود آمده استآمارهای مختلف بین المللی نیز حاکی از رشد استخدام در این حوزه است. به عنوان مثال در تحقیق انجام شده در آمریکا، فرصت

شغلی علم داده در سال 2015 نسبت به سال 2014 با رشد 57 درصدی همراه بوده است

نقش دانشمند داده در سازمان به صورت «بخشی تحلیلگر، بخشی هنرمند» توصیف می شود تا جایی کهAnjul  

Bhambhri، معاون بخش محصولاتBig Data  در شرکتIBM  می گوید: «یک دانشمند داده شخصی کنجکاو است کهمی تواند به داده ها خیره شده و روندهای متشابه را کشف کند. او در حقیقت مانند یک انسان دوره ی رنسانس است که شدیدامی خواهد یاد بگیرد و تغییر ایجاد کند.» همچنین بر مبنای مقاله انتشاریافتهای توسط دانشگاهMIT ، دانشمند داده، در کل

به نسبت تمام متخصصان آمار، برنامه نویسی بهتری و به نسبت تمام برنامه نویسان، متخصص آمار بهتر می باشد.

در نشست داده های بزرگ که در "سیلیکون ولی" برگزار شد نیز تقریبا تمام سخنرانان به مسئله کمبود نیروی متخصص در این حوزه اذعان داشتند؛ و البته به این مسئله نیز اشاره شد که کسب وکارها دیر به فکر استفاده از این علم افتاده اند. مجله کسب وکار هاروار  نیز در سال 2012 علم داده را اینگونه توصیف کرده است: "جذاب ترین شغل قرن 21 "در واقع پس از این توصیف بود که علم داده بیشتر از گذشته مطرح شد. در این گزارش از مسئله کمبود متخصص علم داده به عنوان محدودیت جدی در بخش های مختلف کسب وکار نیز یاد شده است. حال سوال این است که با توجه مطالب گفته شده چگونه می توان به یک متخصص علم داده تبدیل شد.

اگر شما عبارت "چگونه می توان یک متخصص علم داده شد" را جستجو کنید با نظرات مختلفی روبه رو می شوید

مقالات متعددی وجود دارد که ابزارها، دوره ها و کابردهای متعددی را به افراد پیشنهاد می دهند. در واقع هیچ محدودیتی از

این نظر وجود ندارد. اما به طور خلاصه یک متخصص داده فردی است که دانش آماری قوی تری نسبت به یک مهندس نرم

افزار دارد و نیز از دانش مهندسی نرم افزاری قوی تری نسبت به یک فرد آماری برخوردار است یک متخصص علم داده در هر روز ممکن است نیازمند مهارت هایی باشد که می توان به موارد زیر اشاره کرد

 

  1. انجام پژوهش های بدون جواب که به دنبال سوال در صنعت مورد نظر باشد.
  2. به دست آوردن حجم عظیمی از داده ها از منابع مختلف داخلی و خارجی.
  3. استفاده از برنامه های پیشرفته تجزیه و تحلیل، یادگیری ماشین و روش های آماری برای استفاده در مدل سازی های تجویزی و پیش بینی.
  4. پاکسازی و کنار گذاشتن اطلاعات بی ربط.
  5. کاوش و بررسی داده ها از جوانب مختلف به منظور مشخص کردن فرصت ها و روند های پنهان شده در داده ها.
  6. اتخاذ راه حل های مبتنی بر داده در چالش های پر فشار.
  7. توسعه الگوریتم های جدید به منظور ایجاد ابزاری جدید در تحلیل داده ها.
  8. ایجاد ارتباط موثر بین مدیریت و دپارتمان فناوری اطلاعات از طریق مصور سازی داده ها و گزارش ها.
  9. ارائه تغییرات اقتصادی در روند ها و استراتژی های موجود.

 

هر سازمان با توجه به شرایط و ابعاد خود می تواند برداشت های مختلفی از وظایف شغلی یاد شده داشته باشد. به عنوان مثال یک سازمان  می تواند از تحلیل گر داده به عنوان متخصص علم داده استفاده کند که وظیفه ی آن ها با مهندس داده ادغام شده است، و یا سازمانی دیگر از مهارت های یادگیری ماشین و مصورسازی داده استفاده نماید.

 رایان طبیب دانشمند داده ها - Data Scientist 

 
·  نظر دهی 
· اشتراک گذاری :


برچسب ها   :
Data ,





کلمات کلیدی
کلمات کلیدی :
Data ,
کسب ,
نقش ,
حجم ,
دو ,
رشد ,
علم ,
سال ,
فکر ,
یاد ,
طور ,
قوی ,
تری ,
زیر ,
نظر ,
پیش ,
راه ,
بین ,





برای ارسال نظر ‎‏ ، همین امروز در وب سایت رایان طبیب ثبت نام کنید.

ورود


مقالات طراحی سایت

مقالات سئو و بهینه سازی سایت

مقالات علمی

کلیه حقوق متعلق به رایان طبیب می باشد.
طراحی سایت،بهینه سازی سایت،طراحی وب سایت،بهینه سازی وب سایت،سئو,صابر فضلی احمدی,Saber Fazli Ahmadi
طراحی سایت حرفه ای،طراحی وب،طراحی وب سايت،فروشگاه،بهینه سازی،طراحی وب سایت،سئو,صابر فضلی احمدی,Saber Fazli Ahmadi
طراحی و توسعه سایت رایان طبیب | 2018 ©