دانشمند داده یک فرصت شغلی مهم در حوزه فناوری اطلاعات ارتباطات

 

گسترش استفاده از فناوری اطلاعات در بخش های مختلف کسب و کار، باعث افزایش منبع ارزشمندی به نام داده شده است. هر چند در گذشته نیز سازمان  ها این منبع را در اختیار داشتند، اما حجم 1، تنوع 2 و سرعت 3 تولید این داده ها به مراتب کمتر بوده است. 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 ماهر در این حوزه شکایت دارند. این نگرانی از سوی صنعت حاوی دو پیام بسیار مهم می باشد. اول اینکه صاحبان صنایع به اهمیت این علم پی برده اند و دوم اینکه فرصت های شغلی مناسبی برای افراد خوش فکر و با استعداد در این حوزه به وجود آمده است. آمارهای 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. 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 مروری کسب وکار هاروارد4  نیز در سال 2012 علم داده را اینگونه توصیف کرده است: "جذاب ترین شغل قرن 21  5" 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-    پاک سازی 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 شرکت 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

 
·  نظر دهی 
· اشتراک گذاری :












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 ©