Kuinka tulla kansalaistietotutkijaksi – DATAVERSITY

Kansalaisdatatutkijan työtehtäviin kuuluu uuden datan käsittely, automatisoitujen työkalujen käyttö big datan käsittelyyn ja lisämallien luominen lisänäkemysten saamiseksi. Heidän ensisijainen tehtävänsä ei ole tehdä ennusteita suoraan big datasta tai kehittää reseptilääkkeet, vaan rakentaa malleja ja käyttää työkaluja, jotka saavuttavat nämä tavoitteet.

Kansalaisten datatieteilijät kurovat siltaa "toden" välillä tietojen tutkijat (koulutetut ja tutkinnon suorittaneet) ja yrittäjät, jotka tekevät omaa itsepalveluanalytiikkaa. Tämä analogia voi antaa jonkinlaisen käsityksen: Datatieteilijä saattaa pystyä juoksemaan kymmenen mailia tunnissa, mutta kansalainen datatieteilijä voi kiertää, lämmittää auton ja ajaa kymmenen mailia alle tunnissa halvemmalla. Kansalaisten datatieteilijä ei tosin näe yhtä paljon maisemia matkalla, mutta he saavat työnsä silti tehtyä. 

Kansalaisdatatutkijan asema on erityisen epätavallinen siinä mielessä, että siihen pääsee ainakin toistaiseksi vain sisäisten promootioiden kautta. Vaikka nimike on ollut olemassa muutaman vuoden, työnantajille, jotka etsivät "kansalaisten datatieteilijöitä", ei ole työpaikkailmoituksia. Yleisesti ottaen virka lisää vastuuta jonkun nykyiseen työnkuvaan. Promootioon pääseminen edellyttää yleensä tiettyjen organisaation tarpeiden kannalta olennaisten Data Science -kurssien suorittamista ja läpäisemistä, ja niihin voi sisältyä todistus.

"Kansalaisten datatieteilijä" -paikan luominen on ratkaisu pulaan tietojen tutkijat. Suuri osa datatieteilijöiden tyypillisestä työstä liittyy arkipäiväisiin operatiivisiin tehtäviin, kuten validointiin Tietojen laatu, tietojoukkojen yhdistäminen ja tietolähteiden tunnistaminen. Nämä tehtävät ovat ikäviä ja aikaa vieviä, eikä "kallis" datatieteilijän suorittaminen ole hirveän kustannustehokasta. On parempi käyttää jonkun paljon halvempaa suorittamaan nämä tehtävät automaation avulla.  

Neuvottelut Citizen Data Scientistin kannasta

Johto on päättänyt palkata datatieteilijä lyhytaikaiseen projektiin ja verkkomyyntiosaston uudelleenorganisointiin. On myös päätetty, että pysyvä "tiimin jäsen" määrätään auttamaan datatieteilijää osa-aikaisesti, jotta voidaan vähentää kustannuksia ja säilyttää kokemusta. Projektin päätyttyä tiimin jäsen hoitaa juuri asennetun analytiikkaohjelman päivittäisen ylläpidon ja verkkomyynnin ennakoivia algoritmeja. Lisäksi joukkueen jäsenen on suoritettava neljä luokkaa saadakseen perustiedot uusista tehtävistä. (Älykäs, itsevarma tiimin jäsen saattaa lähestyä johtoa ajatuksena olla ylennetty kansalaistietotutkijaksi.)

Yllä kuvatussa tilanteessa organisaatiossa on meneillään suuri määrä muutoksia, ja ellei johto kommunikoi perusteellisesti koko henkilöstön kanssa, syntyy hämmennystä ja odotusten rikkomista. Ihannetapauksessa tiimin jäsenen tehtävistä siirretään toiselle henkilökunnalle. "Valitun" tulisi myös saada työviikon aikana aikaa opiskeluun tai verkkotunnille osallistumiseen. Ryhmän jäsenen tulee myös olla mukana luokkien valinnassa, koska jotkut verkkotunnit sopivat paremmin tietyille henkilöille. Ja sitten on kysymys korotuksen saamisesta. Lopuksi on päästävä jonkinlaiseen järjestelyyn, jotta juuri koulutettu tiimin jäsen ei lähde uuteen työhön kuuden kuukauden kuluttua koulutuksen ja ylennyksen jälkeen.

On huomattava, että useamman kuin yhden kansalaisen datatieteilijän palveluksessa saattaa olla etuja.

Hallinnolle: luominen
Citizen Data Scientist

valitseminen oikea henkilö on myös tärkeä. Pidä silmällä ihmisiä, jotka pitävät lukemisesta. Opiskelun kannalta heillä on merkittävä etu verrattuna ihmisiin, joiden mielestä lukeminen on tylsää. Ikä voi olla mielenkiintoinen kysymys, koska jotkut vanhemmat ihmiset eivät halua oppia uusia temppuja, kun taas toiset voivat käydä tunneilla itsenäisesti jatkaakseen oppimisprosessia ja säilyttääkseen joustavamman ajattelutavan.

Oikean koulutuksen ja työkalujen tarjoaminen on erityisen tärkeää luotaessa kansalaisdatatutkijan roolia. Kun olet päättänyt tehdä muutoksia organisaatiossa ja käyttää rahaa oppituntien maksamiseen jne., olisi typerää oikosulkea prosessi huonolla koulutuksella ja työkaluilla, jotka eivät toimi hyvin. Tämän päivän bisnesvaisto ja analytiikkatyökalut yhdistettynä tehokkaaseen kansalaistietotutkijaan voivat auttaa yrityksiä merkittävästi nopeuttaa datastrategiaansaja parantaa voittojaan.

Nykyisille työntekijöille:
Kansalaistietotutkijaksi tuleminen

Henkilölle, joka on aidosti kiinnostunut datatieteestä, mutta joka ei voi palata kouluun kokopäiväisesti hankkiakseen jatkotutkintoa, kansalaisdatatutkijan asema voi osoittautua ihanteelliseksi, ja sertifiointiohjelma voi tarjota hyödyllistä koulutusta. Voit kulkea eri polkuja itseopiskeluprosessista sisäiseen koulutukseen ja yötunneille paikallisessa yhteisöopistossa. Se riippuu nykyisistä taidoistasi, organisaation tarpeista ja sinulle parhaiten toimivista oppimistapoista.

Yleisesti tunnustetaan, että on olemassa erilaisia ​​oppimistyylejä ja -tekniikoita ja että eri ihmiset oppivat nopeammin ja helpommin tietyn tyyliyhdistelmän avulla. Jokaisella on erilainen yhdistelmä suosimia oppimistyyliä. Perusoppimistyylit ovat:

• Visuaalinen oppiminen: Tällainen oppilas käyttää oppimiseen kuvia, tilan ymmärtämistä ja kuvia. Opiskelijat voivat visualisoida tietoa helposti ja heillä on usein erittäin hyvä suuntataju. Valkotaulujen (tai PowerPoint-esitysten) käyttö voi olla varsin tehokasta tällaiselle oppijalle.
• Suullinen oppiminen: Tämäntyyppinen ihminen oppii hyvin kuuntelemalla ja keskustelemalla. Ääninauhat toimivat hyvin. Verbaalisilla oppijoilla on usein suuri sanavarasto, ja he ovat loistavia toimissa, joihin liittyy puhumista, keskustelua ja journalismia.
• Fyysinen oppiminen: Nämä opiskelijat käyttävät tuntoaistiaan oppimiseen. He menestyvät fyysisissä aktiviteeteissa. Nämä oppijat nauttivat puuhailusta ja oppivat parhaiten, kun he voivat tehdä asioita käytännössä sen sijaan, että he katsoisivat tai kuuntelevat.

Toinen päätös on opiskella vai ei
yksin. Jotkut ihmiset haluavat opiskella yksin, kun taas toiset haluavat opiskella a
ryhmään.  

Kansalaistiedot
Tiedetutkimukset

Monissa paikoissa tarjotaan verkkokursseja, jotka on suunniteltu tarjoamaan kansalaisdatatutkijan tarvitsemat perustaidot. On erittäin todennäköistä, että opiskelijan työnantaja lisäisi muutaman organisaation tarpeiden mukaisen kurssin, mutta kansalaisdatatieteen kurssin suorittaminen antaa hyvän pohjan. Koulutuksen tulee sisältää seuraavat lähtökohdat:

• SQL:n käyttö tietojen valmistukseen
• Luokittelumallien peruskäsitteiden ymmärtäminen
• Asiakaspaneelien rakentaminen
• SQL:n käyttäminen segmentointimallin luomiseen
• Kohdistusmallin rakentaminen koneoppimisen avulla
• Suositusjärjestelmän rakentaminen koneoppimisen avulla

Tulevaisuus
Citizen Data Scientists

Yhä useammat organisaatiot asettavat etusijalle siirtymisen edistyneeseen ennustavaan ja ohjelmoivaan analytiikkaan. Tällä hetkellä perinteiset datatieteilijät ovat usein kalliita ja vaikeasti saatavilla. Kansalaisten datatieteilijät voivat olla erittäin tehokas tapa käsitellä tätä pulaa. Teknologia on keskeinen syy, joka tukee kansalaistietotieteilijöiden nousua. Teknologia on helpottanut ei-asiantuntijoiden saavuttaa samat tavoitteet. Muutaman viime vuoden aikana Analytics- ja BI-työkaluista on tullut huomattavasti helpompi käsitellä, ja ne sisältävät lisättyä analytiikkaa.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://www.dataversity.net/so-you-want-to-be-a-citizen-data-scientist/