Kako postati državljanski podatkovni znanstvenik - DATAVERSITY

Ponovno objavil Platon

Spremljevalci: 0

postati državljanski podatkovni znanstvenik — *Shutterstock.com*

Delovne obveznosti državljanskega podatkovnega znanstvenika vključujejo obravnavo novih podatkov, uporabo avtomatiziranih orodij za obdelavo velikih podatkov in ustvarjanje dodatnih modelov za pridobitev dodatnih vpogledov. Njihova primarna naloga ni napovedovanje neposredno iz velikih podatkov ali razvoj predpisana analitika, temveč za izgradnjo modelov in uporabo orodij, ki dosegajo te cilje.

Znanstveniki za podatke državljanov premostijo vrzel med »resničnimi« podatkovni znanstveniki (usposobljeni in z diplomo) in lastniki podjetij, ki izvajajo lastno samopostrežno analitiko. Ta analogija lahko ponudi nekaj vpogleda: Podatkovni znanstvenik bi morda lahko pretekel deset milj v eni uri, državljanski podatkovni znanstvenik pa se lahko potika, ogreje avto in vozi deset milj v manj kot eni uri za manj denarja. Res je, da raziskovalec podatkov o državljanih na poti ne bo videl toliko pokrajine, vendar bo vseeno opravil delo.

Položaj državljanskega podatkovnega znanstvenika je še posebej nenavaden, saj je vsaj zaenkrat do njega mogoče dostopati le prek internih promocij. Čeprav naziv obstaja že nekaj let, ni seznamov zaposlitev za delodajalce, ki iščejo »znanstvenika za podatke o državljanih«. Na splošno položaj dodaja odgovornosti trenutnemu opisu delovnega mesta nekoga. Pridobitev napredovanja običajno vključuje opravljanje in opravljanje določenih tečajev Data Science, ki ustrezajo potrebam organizacije, in lahko vključuje certificiranje.

Ustanovitev delovnega mesta »citizen data scientist« je rešitev za pomanjkanje podatkovni znanstveniki. Velik del dela, ki ga običajno opravijo podatkovni znanstveniki, se ukvarja z vsakdanjimi operativnimi nalogami, kot je validacija Kakovost podatkov, združevanje nizov podatkov in prepoznavanje virov podatkov. Te naloge so dolgočasne in dolgotrajne, zato, da jih izvaja "drag" podatkovni znanstvenik, ni preveč stroškovno učinkovito. Za opravljanje teh nalog s pomočjo avtomatizacije je bolje uporabiti nekoga, ki je veliko cenejši.

Pogajanje o položaju znanstvenika za podatke državljanov

Vodstvo se je odločilo najeti podatkovnega znanstvenika za kratkoročni projekt in reorganizacijo oddelka internetne prodaje. Odločeno je bilo tudi, da bo dodeljen stalni "član ekipe", ki bo podatkovnemu znanstveniku pomagal s krajšim delovnim časom, kot način za zmanjšanje stroškov in ohranitev izkušenj. Po zaključku projekta bo član ekipe prevzel dnevno vzdrževanje na novo nameščenega analitičnega programa in napovednih algoritmov za internetno prodajo. Poleg tega bo moral član ekipe opraviti štiri tečaje, da pridobi osnovno znanje o novih odgovornostih. (Pameten, odločen član ekipe lahko pristopi k upravljanju z idejo o napredovanju v državljanskega podatkovnega znanstvenika.)

V zgoraj opisani situaciji se znotraj organizacije dogaja veliko število sprememb in če vodstvo ne komunicira temeljito s celotnim osebjem, bo prišlo do zmede in zlomljenih pričakovanj. Idealno bi bilo, če bi imel član ekipe nekaj odgovornosti prenesenih na drugo osebje. »Izbranec« naj si med delovnim tednom zagotovi tudi nekaj časa za učenje ali obisk spletnega predavanja. Pri izbiri predavanj bi moral sodelovati tudi član ekipe, saj nekateri spletni tečaji bolj ustrezajo določenim posameznikom. In potem je tu še vprašanje povišice. Nazadnje bo treba doseči nekakšen dogovor, da na novo usposobljen član ekipe ne bo odšel na novo delovno mesto šest mesecev po usposabljanju in napredovanju.

Opozoriti je treba, da lahko obstajajo prednosti, če je zaposlenih več kot enega strokovnjaka za podatke o državljanih.

Za upravljanje: Ustvarjanje
znanstvenik za podatke državljanov

Izbira prava oseba je tudi pomembno. Bodite pozorni na ljudi, ki radi berejo. Pri študiju bodo v precejšnji prednosti pred ljudmi, ki jim je branje dolgočasno. Starost je lahko zanimiva težava, saj se nekateri starejši ne marajo učiti novih trikov, medtem ko drugi morda hodijo na pouk sami, tako da nadaljujejo učni proces in ohranijo bolj prožno miselnost.

Zagotavljanje pravega usposabljanja in orodij je še posebej pomembno pri ustvarjanju vloge podatkovnega znanstvenika za državljane. Ko smo se odločili za spremembe v organizaciji in porabili denar za plačilo tečajev itd., bi bilo neumno skrajšati proces s slabim usposabljanjem in orodji, ki ne delujejo dobro. Današnji Poslovna inteligenca in analitična orodja v kombinaciji z učinkovitim znanstvenikom za podatke o državljanih lahko znatno pomagajo podjetjem pospešijo svojo podatkovno strategijo, in izboljšati svoj dobiček.

Za trenutne zaposlene:
Postati Citizen Data Scientist

Za osebo, ki jo resnično zanima podatkovna znanost, vendar se ne more vrniti v šolo za polni delovni čas, da bi pridobila višjo diplomo, se lahko položaj državljanskega podatkovnega znanstvenika izkaže za idealno, certifikacijski program pa lahko zagotovi koristno usposabljanje. Uberete lahko različne poti, od procesa samostojnega učenja do internega usposabljanja do večernih tečajev na lokalni šoli. Odvisno bo od vaših trenutnih spretnosti, potreb organizacije in učnih pristopov, ki vam najbolj ustrezajo.

Splošno priznano je, da obstajajo različni učni stili in tehnike ter da se različni ljudje hitreje in lažje učijo s posebno kombinacijo stilov. Vsak ima drugačno mešanico priljubljenih stilov učenja. Najbolj osnovni učni stili so:

Vizualno učenje: Ta vrsta študentov za učenje uporablja slike, prostorsko razumevanje in slike. Učenci si zlahka predstavljajo informacije in imajo pogosto zelo dober občutek za smer. Uporaba tabel (ali PowerPoint predstavitev) je lahko zelo učinkovita za tovrstne učence.
Verbalno učenje: Ta tip osebe se dobro uči s poslušanjem in z razpravami. Avdio trakovi delujejo dobro. Verbalni učenci imajo pogosto velik besedni zaklad in so odlični v dejavnostih, ki vključujejo govorjenje, debatiranje in novinarstvo.
Fizično učenje: Ti učenci za učenje uporabljajo svoj čut za dotik. Odlični so pri telesnih aktivnostih. Ti učenci uživajo v petljanju in se najbolje učijo, ko lahko stvari delajo iz rok, namesto da bi gledali ali poslušali.

Druga odločitev je, ali študirati ali ne
sam. Nekateri se raje učijo sami, drugi pa z
skupina.

Podatki državljanov
Znanstvene študije

Številna mesta ponujajo spletne tečaje, namenjene zagotavljanju osnovnih veščin, ki jih potrebuje podatkovni znanstvenik državljanov. Obstaja zelo velika verjetnost, da bi študentov delodajalec dodal nekaj predavanj, specifičnih za potrebe organizacije, vendar je tečaj znanosti o podatkih o državljanih dobra osnova. Usposabljanje mora kot izhodišče vsebovati naslednje:

Uporaba SQL za pripravo podatkov
Razumevanje osnovnih konceptov klasifikacijskih modelov
Izdelava nadzornih plošč strank
Uporaba SQL za ustvarjanje modela segmentacije
Gradnja modela ciljanja s strojnim učenjem
Izgradnja priporočilnega sistema s strojnim učenjem

Prihodnost
Znanstveniki podatkov državljanov

Organizacije vedno bolj dajejo prednost prehodu na napredno napovedno in predpisujočo analitiko. Trenutno so tradicionalni podatkovni znanstveniki pogosto dragi in jih je težko dobiti. Znanstveniki za podatke državljanov so lahko zelo učinkovit način za reševanje tega pomanjkanja. Tehnologija je ključni razlog, ki podpira vzpon znanstvenikov s podatki o državljanih. Tehnologija je nestrokovnjakom olajšala doseganje istih ciljev. V zadnjih nekaj letih je postalo delo z orodji Analytics in BI bistveno lažje in vključujejo razširjeno analitiko.