چگونه به یک دانشمند داده شهروند تبدیل شویم - DATAVERSITY

چگونه یک دانشمند داده شهروند شویم - DATAVERSITY

تمبر زمان: 1 فوریه 2024، 3:35 صبح
گره منبع: 3092293
تبدیل شدن به یک دانشمند داده شهروندیتبدیل شدن به یک دانشمند داده شهروندی
Shutterstock.com

مسئولیت‌های شغلی یک دانشمند داده شهروندی شامل برخورد با داده‌های جدید، استفاده از ابزارهای خودکار برای پردازش داده‌های بزرگ و ایجاد مدل‌های اضافی برای به دست آوردن بینش بیشتر است. وظیفه اصلی آنها پیش بینی مستقیم از داده های بزرگ یا توسعه نیست تجزیه و تحلیل تجویزی، اما برای ساخت مدل ها و استفاده از ابزارهایی که آن اهداف را محقق می کند.

دانشمندان داده شهروندی شکاف بین "واقعی" را پر می کنند دانشمندان داده (آموزش دیده و با مدرک) و صاحبان مشاغل که تجزیه و تحلیل سلف سرویس خود را انجام می دهند. این قیاس ممکن است بینشی ارائه دهد: یک دانشمند داده ممکن است بتواند ده مایل را در یک ساعت بدود، اما یک دانشمند داده شهروندی می‌تواند با پول کمتر، ماشین را گرم کند، و ده مایل را در کمتر از یک ساعت رانندگی کند. مسلماً، دانشمند داده شهروندی مناظر زیادی را در مسیر نمی بیند، اما همچنان کار را انجام خواهد داد. 

موقعیت دانشمند داده شهروندی به ویژه غیرمعمول است، زیرا، حداقل در حال حاضر، تنها از طریق تبلیغات داخلی قابل دسترسی است. اگرچه این عنوان چند سالی است که وجود دارد، اما هیچ لیست استخدامی برای کارفرمایان که به دنبال "دانشمند داده شهروند" هستند وجود ندارد. به طور کلی، این موقعیت، مسئولیت هایی را به شرح شغل فعلی افراد اضافه می کند. دریافت ارتقاء معمولاً شامل گذراندن و گذراندن کلاس‌های دانش داده خاص است که به نیازهای سازمان مربوط می‌شود و ممکن است شامل یک گواهی باشد.

ایجاد موقعیت "دانشمند داده شهروند" راه حلی برای کمبود است دانشمندان داده. بسیاری از کارهایی که معمولاً توسط دانشمندان داده انجام می شود با وظایف عملیاتی دنیوی، مانند اعتبار سنجی سروکار دارد. کیفیت داده، ادغام مجموعه های داده، و شناسایی منابع داده. این وظایف خسته کننده و وقت گیر هستند و داشتن یک دانشمند داده "گران قیمت" که آنها را انجام دهد چندان مقرون به صرفه نیست. برای انجام این وظایف با کمک اتوماسیون بهتر است از شخصی بسیار کم هزینه استفاده کنید.  

مذاکره در مورد موقعیت دانشمند داده شهروندی

مدیریت تصمیم گرفته است یک دانشمند داده استخدام کنید برای یک پروژه کوتاه مدت و سازماندهی مجدد بخش فروش اینترنتی. همچنین تصمیم گرفته شده است که یک "عضو تیم" دائمی برای کمک به دانشمند داده به صورت پاره وقت به عنوان راهی برای کاهش هزینه ها و حفظ تجربه منصوب شود. در پایان پروژه، عضو تیم تعمیر و نگهداری روزانه برنامه تحلیلی تازه نصب شده و الگوریتم های پیش بینی فروش اینترنتی را بر عهده خواهد گرفت. علاوه بر این، عضو تیم باید چهار کلاس را بگذراند تا دانش اولیه در مورد مسئولیت های جدید به دست آورد. (یک عضو تیم باهوش و قاطع ممکن است به مدیریت نزدیک شود با ایده ارتقاء به دانشمند داده شهروند.)

در شرایطی که در بالا توضیح داده شد، تغییرات زیادی در سازمان در حال رخ دادن است و تا زمانی که مدیریت به طور کامل با کارکنان ارتباط برقرار نکند، سردرگمی و انتظارات شکسته خواهد شد. در حالت ایده آل، اعضای تیم برخی از مسئولیت ها را به سایر کارکنان منتقل می کنند. "برگزیده" همچنین باید در طول هفته کاری برای مطالعه یا شرکت در یک کلاس آنلاین وقت بگذارد. عضو تیم نیز باید در انتخاب کلاس‌ها مشارکت داشته باشد، زیرا برخی از کلاس‌های آنلاین برای افراد خاص مناسب‌تر هستند. و سپس بحث افزایش حقوق وجود دارد. در نهایت، باید به نوعی هماهنگی انجام شود تا عضو تیم تازه آموزش دیده شش ماه پس از آموزش و ترفیع برای کار جدید ترک نکند.

لازم به ذکر است که داشتن بیش از یک دانشمند داده شهروند در کارکنان ممکن است مزایایی داشته باشد.

برای مدیریت: ایجاد
دانشمند داده شهروندی

انتخاب فرد مناسب نیز مهم است. مراقب افرادی باشید که از خواندن لذت می برند. از نظر مطالعه، آنها نسبت به افرادی که خواندن را خسته کننده می دانند، برتری قابل توجهی خواهند داشت. سن می تواند موضوع جالبی باشد، زیرا برخی از افراد مسن تر دوست ندارند ترفندهای جدید یاد بگیرند، در حالی که برخی دیگر ممکن است به تنهایی در کلاس ها شرکت کنند تا هم روند یادگیری را ادامه دهند و هم ذهنیت انعطاف پذیرتری را حفظ کنند.

ارائه آموزش و ابزار مناسب به ویژه هنگام ایجاد نقش دانشمند داده شهروند مهم است. با تصمیم به ایجاد تغییرات در سازمان و صرف هزینه برای پرداخت کلاس ها و غیره، کوتاه کردن فرآیند با آموزش ضعیف و ابزارهایی که به خوبی کار نمی کنند احمقانه است. امروز هوش تجاری و ابزارهای تجزیه و تحلیل همراه با یک دانشمند کارآمد داده شهروندی می تواند کمک قابل توجهی به کسب و کارها کند استراتژی داده خود را تسریع کنند، و سود خود را بهبود بخشند.

برای کارکنان فعلی:
تبدیل شدن به یک دانشمند داده شهروندی

برای فردی که علاقه واقعی به علوم داده دارد، اما نمی تواند به طور تمام وقت به مدرسه بازگردد تا مدرک پیشرفته کسب کند، موقعیت دانشمند داده شهروندی می تواند ایده آل باشد و یک برنامه صدور گواهینامه می تواند آموزش مفیدی را ارائه دهد. شما می توانید مسیرهای مختلفی را انتخاب کنید، از یک فرآیند خودآموزی گرفته تا آموزش داخلی تا کلاس های شبانه در کالج محلی. این به مهارت های فعلی شما، نیازهای سازمان و رویکردهای یادگیری که برای شما بهترین کار را دارند بستگی دارد.

به طور کلی تشخیص داده شده است که سبک ها و تکنیک های یادگیری متفاوتی وجود دارد و افراد مختلف با ترکیبی از سبک ها سریعتر و آسان تر یاد می گیرند. هر کس ترکیب متفاوتی از سبک های یادگیری ترجیحی دارد. ابتدایی ترین سبک های یادگیری عبارتند از:

  • آموزش تصویری: این نوع دانش آموز از تصاویر، درک فضایی و تصاویر برای یادگیری استفاده می کند. دانش آموزان می توانند اطلاعات را به راحتی تجسم کنند و اغلب حس جهت گیری بسیار خوبی دارند. استفاده از وایت برد (یا ارائه های پاورپوینت) می تواند برای این نوع زبان آموز بسیار موثر باشد.
  • یادگیری کلامی: این نوع افراد از طریق گوش دادن و از طریق بحث و گفتگو به خوبی یاد می گیرند. نوارهای صوتی به خوبی کار می کنند. زبان آموزان کلامی اغلب دارای واژگان بزرگی هستند و در فعالیت هایی که شامل سخنرانی، بحث و گفتگو و روزنامه نگاری می شود، برتری دارند.
  • یادگیری بدنی: این دانش آموزان از حس لامسه خود برای یادگیری استفاده می کنند. آنها در فعالیت های بدنی برتر هستند. این یادگیرندگان از سرهم بندی کردن لذت می برند و زمانی که می توانند کارها را به صورت دستی انجام دهند، به جای تماشا کردن یا گوش دادن، بهتر یاد می گیرند.

تصمیم دوم مطالعه یا عدم مطالعه است
تنها. برخی افراد ترجیح می دهند به تنهایی مطالعه کنند، در حالی که برخی دیگر ترجیح می دهند با الف
گروه.  

داده های شهروندی
مطالعات علوم

بسیاری از مکان‌ها دوره‌های آنلاینی را ارائه می‌کنند که برای ارائه مهارت‌های اساسی مورد نیاز یک دانشمند داده شهروند طراحی شده‌اند. احتمال بسیار قوی وجود دارد که کارفرمای دانشجو چند کلاس خاص به نیازهای سازمان اضافه کند، اما گذراندن دوره علوم داده شهروندی پایه خوبی را فراهم می کند. آموزش باید به عنوان نقطه شروع شامل موارد زیر باشد:

  • استفاده از SQL برای تهیه داده ها
  • آشنایی با مفاهیم اولیه مدل های طبقه بندی
  • ساخت داشبورد مشتریان
  • استفاده از SQL برای ایجاد یک مدل تقسیم بندی
  • ساخت یک مدل هدف گذاری با یادگیری ماشینی
  • ساختن یک سیستم توصیه با یادگیری ماشین

آینده
دانشمندان داده شهروندی

بیشتر و بیشتر، سازمان ها تغییر به سمت تجزیه و تحلیل های پیش بینی و تجویزی پیشرفته را در اولویت قرار می دهند. در حال حاضر، دانشمندان داده سنتی اغلب گران هستند و به سختی به دست می آیند. دانشمندان داده شهروندی می توانند راه بسیار موثری برای مقابله با این کمبود باشند. فناوری دلیل اصلی حمایت از ظهور دانشمندان داده شهروندی است. تکنولوژی دستیابی به اهداف مشابه را برای افراد غیرمتخصص آسانتر کرده است. در چند سال اخیر، کار با ابزارهای Analytics و BI بسیار آسان‌تر شده است و شامل تجزیه و تحلیل افزوده می‌شود.

تمبر زمان:

بیشتر از DATAVERSITY