Hogyan válhat állampolgár adatkutatóvá – DATAVERSITY

Az állampolgári adatokkal foglalkozó tudós munkaköri feladatai közé tartozik az új adatok kezelése, az automatizált eszközök használata a nagy adatok feldolgozásához, valamint további modellek létrehozása, hogy további betekintést nyerjen. Elsődleges feladatuk nem az, hogy közvetlenül big data alapján jósoljanak, vagy fejlődjenek vényköteles elemzés, hanem modellek készítése és olyan eszközök használata, amelyek ezeket a célokat elérik.

A polgári adatokkal foglalkozó tudósok áthidalják az „igaz” közötti szakadékot adatkutatók (képzett és diplomával rendelkező) és saját önkiszolgáló elemzést végző cégtulajdonosok. Ez a hasonlat némi betekintést nyújthat: egy adattudós képes lehet tíz mérföldet lefutni egy óra alatt, de egy polgári adatkutató kevesebb mint egy óra alatt tud bolyongani, bemelegíteni az autót, és tíz mérföldet autózni kevesebb mint egy óra alatt. Igaz, a polgári adattudósok nem látnak annyi tájat útközben, de a dolgukat továbbra is elvégzik. 

A civil adattudós pozíció különösen abban szokatlan, hogy legalábbis egyelőre csak házon belüli promóciókkal érhető el. Bár ez a cím már néhány éve létezik, nincs álláshirdetés azon munkaadók számára, akik „polgári adatkutatót” keresnek. Általánosságban elmondható, hogy a pozíció felelősségekkel egészíti ki valakinek az aktuális munkaköri leírását. A promóció megszerzése általában magában foglalja bizonyos adattudományi kurzusok felvételét és letételét, amelyek megfelelnek a szervezet igényeinek, és tanúsítványt is tartalmazhatnak.

A hiányra megoldást jelent a „polgári adattudós” állás létrehozása adatkutatók. Az adatkutatók által jellemzően végzett munka nagy része hétköznapi működési feladatokkal, például érvényesítéssel foglalkozik Adat minőség, az adatkészletek összevonása és az adatforrások azonosítása. Ezek a feladatok fárasztóak és időigényesek, és egy „drága” adattudós elvégzése nem túl költséghatékony. Jobb, ha valaki sokkal olcsóbban hajtja végre ezeket a feladatokat automatizálás segítségével.  

Tárgyalások a Citizen Data Scientist álláspontról

A vezetőség úgy döntött fogadjon fel egy adattudót egy rövid távú projektre és az internetes értékesítési részleg átszervezésére. Arról is döntöttek, hogy a költségek csökkentése és a tapasztalat megőrzése érdekében egy állandó „csapattagot” jelölnek ki, aki részmunkaidőben segíti az adatkutatót. A projekt végén a csapattag vállalja az újonnan telepített elemzőprogram és az internetes értékesítés prediktív algoritmusainak napi karbantartását. Ezenkívül a csapattagnak négy órán kell részt vennie, hogy alapvető ismereteket szerezzen az új feladatokról. (Okos, határozott csapattag közeledhet a menedzsmenthez azzal az ötlettel, hogy előléptessenek állampolgári adatkutatóvá.)

A fent leírt helyzetben nagyszámú változás megy végbe a szervezeten belül, és ha a vezetés nem kommunikál alaposan a személyzet egészével, akkor zavarok és megtört elvárások alakulnak ki. Ideális esetben a csapattag bizonyos felelősségi körét a többi munkatársra hárítják. A „kiválasztottnak” a munkahét során is kell egy kis időt kapnia tanulásra vagy online osztályra. A csoporttagot is be kell vonni az osztályok kiválasztásába, mivel egyes online órák jobban megfelelnek bizonyos személyeknek. És akkor ott van az emelés kérdése. Végül valamilyen megállapodást kell kötni, hogy az újonnan képzett csapattag ne menjen el új munkahelyre hat hónappal a betanítás és előléptetés után.

Meg kell jegyezni, hogy előnyökkel járhat, ha egynél több állampolgári adatkutató dolgozik.

Vezetésnek: Létrehozás
a Citizen Data Scientist

kiválasztása A megfelelő személy is fontos. Tartsa szemmel az olvasást kedvelőket. A tanulás szempontjából jelentős előnyük lesz azokkal szemben, akik unalmasnak találják az olvasást. Az életkor érdekes kérdés lehet, mivel egyes idősek nem szeretnek új trükköket elsajátítani, míg mások önállóan járnak órákra, hogy folytassák a tanulási folyamatot és fenntartsák a rugalmasabb gondolkodásmódot.

A megfelelő képzés és eszközök biztosítása különösen fontos az állampolgári adatkutatói szerep kialakítása során. Miután úgy döntött, hogy változtatásokat hajt végre a szervezetben, és pénzt költ az órákra stb., ostobaság lenne rövidre zárni a folyamatot gyenge képzéssel és nem jól működő eszközökkel. A mai üzleti intelligencia és az elemző eszközök egy hatékony állampolgári adatkutatóval kombinálva jelentősen segíthetik a vállalkozásokat felgyorsítják adatstratégiájukat, és növeljék nyereségüket.

Jelenlegi alkalmazottaknak:
Legyen állampolgár adattudós

Az adattudomány iránt őszintén érdeklődő ember számára, aki nem tud teljes munkaidőben visszatérni az iskolába, hogy felsőfokú végzettséget szerezzen, ideálisnak bizonyulhat a polgári adatkutató pozíció, és egy minősítési program is hasznos képzést nyújthat. Különféle utakat választhat, az önálló tanulási folyamattól a házon belüli képzésen át az éjszakai órákig a helyi közösségi főiskolán. Ez az Ön jelenlegi készségeitől, a szervezet igényeitől és az Ön számára legmegfelelőbb tanulási megközelítésektől függ.

Általánosan elismert, hogy különböző tanulási stílusok és technikák léteznek, és hogy a különböző emberek gyorsabban és könnyebben tanulnak a stílusok meghatározott keverékével. Mindenkinek más és más a preferált tanulási stílusa. A legalapvetőbb tanulási stílusok a következők:

• Vizuális tanulás: Ez a fajta tanuló képeket, térbeli megértést és képeket használ a tanuláshoz. A tanulók könnyen vizualizálják az információkat, és gyakran nagyon jó irányérzékük van. A táblák (vagy PowerPoint prezentációk) használata meglehetősen hatékony lehet az ilyen típusú tanulók számára.
• Verbális tanulás: Az ilyen típusú emberek jól tanulnak a hallgatás és a beszélgetés során. A hangszalagok jól működnek. A verbális tanulók gyakran nagy szókinccsel rendelkeznek, és kiválóak a beszédet, vitát és újságírást magában foglaló tevékenységekben.
• Fizikai tanulás: Ezek a tanulók az érintésérzéküket használják a tanuláshoz. Kiemelkednek a fizikai tevékenységekben. Ezek a tanulók élvezik a trükközést, és akkor tanulnak a legjobban, ha kézzel tudnak dolgokat csinálni, nem pedig nézni vagy hallgatni.

A második döntés az, hogy tanulunk-e vagy sem
egyedül. Vannak, akik szívesebben tanulnak egyedül, míg mások inkább a
csoport.  

Állampolgári adatok
Tudományos tanulmányok

Sok helyen kínálnak online kurzusokat, amelyek célja az állampolgári adatkutatók számára szükséges alapvető készségek biztosítása. Nagyon nagy a valószínűsége annak, hogy egy diák munkáltatója felvesz néhány, a szervezet igényeihez igazodó tanórát, de az állampolgári adattudományi kurzus elvégzése jó alapot biztosít. A képzésnek kiindulópontként a következőket kell tartalmaznia:

• SQL használata adatok előkészítésére
• Az osztályozási modellek alapfogalmainak megértése
• Vevői műszerfalak készítése
• SQL használata szegmentációs modell létrehozásához
• Célzási modell felépítése gépi tanulással
• Ajánlási rendszer felépítése gépi tanulással

A jövő
Citizen Data Scientists

A szervezetek egyre inkább előtérbe helyezik a fejlett prediktív és előíró elemzésekre való átállást. Jelenleg a hagyományos adatkutatók gyakran drágák és nehezen beszerezhetők. Az állampolgári adatokkal foglalkozó tudósok nagyon hatékony módszert jelenthetnek a hiány kezelésére. A technológia a fő ok az állampolgári adatokkal foglalkozó tudósok felemelkedéséhez. A technológia megkönnyítette a nem szakemberek számára ugyanazon célok elérését. Az elmúlt néhány évben az Analytics és a BI eszközök jelentősen könnyebbé váltak, és kibővített elemzést tartalmaznak.

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
• PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
• PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
• PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
• Forrás: https://www.dataversity.net/so-you-want-to-be-a-citizen-data-scientist/