يوم في حياة عالم البيانات
يمكن أن يساعدك الدليل الوظيفي لعالم البيانات في BrainStation على اتخاذ الخطوات الأولى نحو مهنة مربحة في علم البيانات. تابع القراءة للحصول على نظرة عامة حول كيفية قضاء علماء البيانات أيامهم في العمل.
كن عالم بيانات
تحدث إلى مستشار التعلم لمعرفة المزيد حول الكيفية التي يمكن أن تساعدك بها المعسكرات التمهيدية والدورات التدريبية في أن تصبح عالم بيانات.
بالنقر فوق إرسال ، فإنك تقبل شروط .
إرسال
تعذر الإرسال! قم بتحديث الصفحة وحاول مرة أخرى؟
تعرف على المزيد حول المعسكر التدريبي لعلوم البياناتشكرًا لك!
سنكون على اتصال قريبا.
عرض صفحة المعسكر التدريبي لعلوم البيانات
يوم في حياة عالم البيانات
من بين جميع التخصصات التي تم فحصها في استبيان المهارات الرقمية لـ Brainstation ، قد يشمل علم البيانات أكبر مجموعة من التطبيقات. ولكن على الرغم من وجود علم البيانات منذ عقود ، إلا أنه لم يزدهر بالكامل إلا مؤخرًا. مع توسع توافر البيانات ، أدركت الشركات مدى أهمية علم البيانات ، كما تقول بريانا براونيل ، المؤسس والرئيس التنفيذي لشركة Pure Strategy ، وعالم البيانات لمدة 13 عامًا. تحتاج كل شركة الآن إلى تركيز جزئي على التكنولوجيا. هذا الأسبوع فقط ، على سبيل المثال ، دفعت ماكدونالدز ما يقدر بنحو 300 مليون دولار أمريكي للاستحواذ على شركة البيانات الضخمة الخاصة بها.
فلا عجب إذن أن المنافسة على علماء البيانات عالية بشكل لا يصدق. في غضون عامين فقط ، من المتوقع أن ينمو الطلب بنسبة 28 في المائة ، أي ما يعادل حوالي 2.7 مليون وظيفة جديدة. هذه فرص عمل أكثر مما سيتمكن الخريجون الجدد من ملؤها - مما يعني أنه سيتعين على العاملين في مجال التكنولوجيا في المجالات الأخرى صقل مهاراتهم والانتقال إلى البيانات لتلبية هذا الطلب.
في الواقع ، يشير استطلاعنا إلى أن هذا يحدث بالفعل. بدأ ما يقرب من أربعة من كل خمسة متخصصين في مجال البيانات حياتهم المهنية في القيام بشيء آخر ، وعمل 65 بالمائة من جميع علماء البيانات في هذا المجال لمدة خمس سنوات أو أقل. يقول براونيل إن هذا التدفق الهائل للعقول الجديدة له تأثير ذو حدين. من ناحية أخرى ، هناك الكثير من الأفكار الجديدة القادمة ، كما تقول. عندما ألقي نظرة على بعض المحتوى الصادر عن مجتمع علوم البيانات ، أدهشني مقدار الابتكار الموجود. لكن الجانب الآخر يتمثل في الميل إلى إعادة اختراع العجلة.
يعد الطلب المرتفع على علماء البيانات أمرًا رائعًا إذا كنت واحدًا (أو تفكر في أن تصبح واحدًا) ، ولكن بالنسبة لأصحاب العمل ، يمكن أن يكون التوظيف تحديًا شاقًا. هنا ، إعادة تشكيل المهارات هو حل واضح ؛ قد يكون إعادة تدريب موظف حالي في علم البيانات أكثر فعالية من حيث التكلفة بدلاً من البحث عن موظف جديد.
ولكن حتى إذا كنت تخطط لتوظيف فريق علم بيانات جديد ، فقد تحتاج مؤسستك ككل إلى تحسين محو الأمية بالبيانات ، كما يحذر براونيل. كل شخص يريد العمل على شيء له تأثير على مكان عمله ، مما يجعل حياة الناس أفضل ، كما تقول. إذا لم تكن ثقافة شركتك على النحو الذي يجعل [علماء البيانات لديك] يمكنهم إحداث تأثير ، يكاد يكون من المستحيل توظيفهم. يجب أن تكون القيادة قادرة ليس فقط على إبلاغ الموظفين المحتملين بكيفية قدرتهم على المساهمة - ولكن أيضًا على استيعاب المقترحات التي يطرحها فريق علوم البيانات لديهم في النهاية.
لسوء الحظ ، كما يقول براونيل ، فإن الغالبية غير المريحة هي الشركات التي لم تكتشف الأمور بعد. يدعم المسح الذي أجريناه هذا الأمر: وصف معظم المستجيبين (52 بالمائة) مستوى معرفة البيانات عبر مؤسساتهم بأنه أساسي ، مع استجابة وسيطة التالية الأكثر شيوعًا (31 بالمائة). يشير هذا إلى أن بعض التدريبات التأسيسية في علم البيانات يمكن أن تكون مفيدة لغالبية كبيرة من الشركات - خاصة في مجال القيادة.
تتزايد هذه الحاجة إلى تحسين معرفة البيانات - والتواصل - من خلال الطريقة التي يتم بها تنظيم معظم فرق علوم البيانات: كفريق منفصل ، عادةً ما يكون مكونًا من 10 أشخاص أو أقل (وفقًا لـ 71 بالمائة من المستجيبين) ، وغالبًا ما يكون خمسة أو أقل (38 بالمائة) ). لا تستطيع هذه الفرق المتماسكة تحمل العزلة. يشرح براونيل أن الأفراد الذين يعملون في شركات أكبر يكونون عادةً ضمن مجموعة صغيرة خاصة بعلوم البيانات ، وعملائهم داخليون - أجزاء أخرى من المؤسسة ، لذلك يجب أن يعمل الفريق عبر العديد من المجالات المختلفة للمؤسسة.
ما هو علم البيانات بالضبط؟
يقول براونيل إن التصور الشائع (أن علماء البيانات يتغلبون على الأرقام) ليس بعيدًا عن الواقع. هناك الكثير من مجموعات البيانات التي تحتاج إلى الكشف عن رؤى منها ، وهذا يتضمن الكثير من الخطوات مثل بناء النماذج وتنظيف البيانات ، وحتى مجرد تحديد البيانات التي تحتاجها. في النهاية ، رغم ذلك ، فإن هذا الجهد موجه نحو الهدف: في جوهره ، تحتاج إلى القيام بشيء ما بالبيانات.
في هذا الصدد ، فإن البيانات ليست أرقامًا دائمًا. بينما أشار غالبية المستجيبين (73 بالمائة) إلى أنهم يعملون مع البيانات الرقمية ، قال 61 بالمائة إنهم يعملون أيضًا مع النص ، و 44 بالمائة مع البيانات المنظمة ، و 13 بالمائة مع الصور و 12 بالمائة مع الرسومات (والأقليات الصغيرة تعمل حتى مع الفيديو والصوت -6٪ و 4٪ على التوالي). تشير نتائج الاستطلاع هذه إلى الطرق التي يتوسع بها علم البيانات إلى ما هو أبعد من الجداول المالية ، مما يؤدي إلى تجنيد الأشخاص لمشاريع مثل زيادة رضا العملاء أو الحصول على رؤى قيمة من خرطوم إطفاء وسائل التواصل الاجتماعي.
نتيجة لذلك ، هناك تنوع هائل في مجال علم البيانات ، كما يقول براونيل. كل صناعة لها رأيها الخاص في أنواع البيانات التي يعمل عليها علماء البيانات ، وأنواع النتائج التي يتوقعونها ، وكيف يتناسب ذلك مع هيكل قيادة الشركة. في كل حالة ، الهدف هو الاستفادة من البيانات لمساعدة الشركة على اتخاذ قرارات أفضل. يمكن أن يؤدي ذلك إلى تحسين المنتجات ، وفهم السوق الذي يريدون الدخول إليه ، والاحتفاظ بالمزيد من العملاء ، وفهم استخدامهم للقوى العاملة ، وفهم كيفية تعيين موظفين جيدين - جميع أنواع الأشياء المختلفة.
وظائف علوم البيانات
في بعض مجالات التكنولوجيا ، قد يكون أن تصبح خبيرًا عامًا هو أفضل ما لديك في هذا المجال — ليس الأمر كذلك مع علم البيانات. يبحث أرباب العمل عادة عن المهارات المتخصصة في صناعتهم. نظرًا لأن علم البيانات يأتي في العديد من النكهات المختلفة ، فقد بحثنا بشكل أعمق ، وفحص خمس فئات وظيفية رئيسية: محلل البيانات ، والباحث ، ومحلل الأعمال ، ومدير البيانات والتحليلات ، وعالم البيانات المناسب.
في كل هذه المسميات الوظيفية ، تشغل مشاحنات البيانات وتنظيفها الجزء الأكبر من وقت الفرد - ولكن إلى أي غاية؟ في أغلب الأحيان ، يكون الهدف هو تحسين منصة أو منتج أو نظام موجود (45 بالمائة) ، أو تطوير منصات جديدة (42 بالمائة). بالتعمق أكثر ، وجدنا أن تحسين الحلول الحالية يميل إلى أن يقع على عاتق محللي الأعمال ومحللي البيانات ، بينما يقع تطوير حلول جديدة في كثير من الأحيان على عاتق علماء البيانات والباحثين.
تختلف التقنيات التي يستخدمها علماء البيانات باختلاف التخصصات أيضًا. كان الانحدار الخطي أداة شائعة في جميع الفئات ، حيث استشهد بها 54 بالمائة من المستجيبين ، ولكن كانت هناك بعض المفاجآت عندما نظرنا إلى البرامج التي يستخدمها الناس.
إن برنامج Excel - العمود الفقري لمعالجة مجموعة البيانات - موجود فعليًا في كل مكان ، حيث استشهد به 81 بالمائة من جميع المستجيبين ، والأداة الأكثر شيوعًا في كل فئة باستثناء علماء البيانات المناسبين (الذين يعتمدون في أغلب الأحيان على Python - واستشهدوا أيضًا بمجموعة أدوات أكبر من الفئات الأخرى ). ما الذي يجعل برنامج Excel أمرًا لا مفر منه ، حتى في عام 2019؟
أوضح براونيل أن الشيء الذي أحبه في Excel هو كيف يسمح لك برؤية البيانات والحصول على إحساس بديهي بها. نستخدم أيضًا الكثير من لغة Python ، وفي هذه الحالة ، عندما تقوم بتحليلات على ملف بيانات ، تكون مخفية ؛ ما لم تبرمج على وجه التحديد جزءًا من التعليمات البرمجية الخاصة بك للقيام ببعض التمثيل البصري للبيانات الأولية التي تقوم بتحليلها ، فلن تتمكن من رؤيتها. بينما مع Excel ، إنه أمامك مباشرة. هذا له الكثير من المزايا. في بعض الأحيان يمكنك اكتشاف المشكلات المتعلقة بملف البيانات. لا أرى برنامج Excel يختفي من التحليل على الإطلاق.
ومع ذلك ، لا تزال هناك قائمة طويلة من البرامج الأخرى المستخدمة في هذا المجال - وهذا أمر غير مفاجئ نظرًا لتنوعها. يتصدر SQL (43 بالمائة) و Python (26 بالمائة) شعبية ، مع Tableau (23 بالمائة) ، R (16 بالمائة) ، Jupyter Notebooks (14 بالمائة) ، وحفنة من الآخرين يسجلون أرقامًا كبيرة - ناهيك عن الضخم 32 في المائة من المستجيبين الذين استشهدوا بأدوات أخرى ، حتى في ظل هذه القائمة الطويلة بالفعل.
ما هو مستقبل علم البيانات؟
أخيرًا ، سألنا عن الاتجاهات التي ستشكل المشهد الرقمي خلال السنوات الخمس إلى العشر القادمة. كان التعلم الآلي والذكاء الاصطناعي - وكلاهما لهما تطبيقات في علم البيانات - من التطورات التي توقع المشاركون أن يكون لها أكبر تأثير ، بنسبة 80 في المائة و 79 في المائة على التوالي. هذا على الرغم من حقيقة أن أقل من ربعهم (23 بالمائة) يعملون حاليًا مع الذكاء الاصطناعي.
يمكن للذكاء الاصطناعي أن يغير علم البيانات تمامًا ، كما يؤكد براونيل ، الذي تطور شركته منتجات الذكاء الاصطناعي. هذا حقًا مجد أساليب التعلم غير الخاضعة للإشراف. لدينا فقط الكثير من الوقت للنظر في مجموعات البيانات هذه ، وخاصة مع المجموعات الكبيرة ، من الصعب جدًا القيام بكل شيء. يمكن أن تساعد أدوات الذكاء الاصطناعي في الكشف عن شيء ربما لم تكن تفكر في البحث عنه. لقد حدث ذلك بالتأكيد.
اتجاهات أخرى يتوقع علماء البيانات أن تهيمن في المستقبل القريب: إنترنت الأشياء (51 بالمائة) ، blockchain (50 بالمائة) والتجارة الإلكترونية (36 بالمائة) ، الواقع المعزز والواقع الافتراضي (38 بالمائة و 27 بالمائة) ، وحتى الصوت- الخبرات المستندة إلى (25 في المائة) - جميع العروض الهامة ، وجميع المجالات التي يمكن استخدام علوم البيانات فيها بشكل جيد.
