لدى علماء البيانات مهمة بسيطة بشكل مخادع: الكشف عن تدفق البيانات التي تدخل المؤسسة كحشد غير منظم. لأنه في مكان ما من هذا الارتباك هناك (نأمل) رؤى مهمة.
ولكن هل التعامل الماهر مع الخوارزميات ومجموعات البيانات كافٍ ليكون ناجحًا كعالم بيانات؟ ماذا تحتاج إلى معرفته وتكون قادرًا على القيام به تقدم مسار حياتك المهنية?
على الرغم من أن العديد من المتخصصين في مجال التكنولوجيا يعتقدون أنه يكفي تقييم البيانات بدءًا من الاستعلام وحتى الاكتمال، إلا أنه يجب عليك أيضًا معرفة كيفية عمل العملية بأكملها وكيف تؤثر بياناتك في النهاية على الاستراتيجيات والإيرادات.

ارتفاع الطلب الحالي على خدمات تحليل البيانات الضخمة يعني أن الشركات تطالب بالمزيد والمزيد من علماء البيانات.
أنت بحاجة إلى مهارات صلبة وناعمة
هناك نقص في علم البيانات - فجوة في الكفاءة. وهذه الفجوة هائلة وتتزايد باستمرار.
تطور علم البيانات الحديث من ثلاثة مجالات: الرياضيات التطبيقية والإحصاء وعلوم الكمبيوتر. ومع ذلك، في السنوات الأخيرة، توسع مصطلح "عالم البيانات" ليشمل أيضًا الأشخاص الذين لديهم خلفية في المجال الكمي.
تعمل المجالات الأخرى - بما في ذلك الفيزياء واللغويات - على تطوير علاقة تكافلية بشكل متزايد مع علم البيانات، وخاصة من خلال تطوير الذكاء الاصطناعي، التعلم الآلي ومعالجة اللغة الطبيعية.
بالإضافة إلى المهارات في الرياضيات والخوارزميات، يجب على علماء البيانات الناجحين أيضًا إتقان ما يسمى بالمهارات الناعمة - المهارات الاجتماعية. بمعنى آخر، من أجل المضي قدمًا، يجب على علماء البيانات العمل مع الأشخاص الذين يفهمون العلاقات الأكبر في الشركة.
يجب أن تتفاعل مع المديرين الذين يؤثرون على استراتيجية الشركة بعيدة المدى، وكذلك مع الزملاء الذين يحولون نتائج البيانات إلى إجراءات حقيقية. ومن خلال مدخلات أصحاب المصلحة هؤلاء، يمكن لعلماء البيانات صياغة الأسئلة الصحيحة بشكل أفضل لتعزيز تحليلاتهم.
المهارات الناعمة عادة ما تعني الفضول الصحي. من الناحية المثالية، يحب مقدم الطلب فهم البيانات ويريد فهم ما يحدث في العالم.
يمكن أن يصبح هذا مشكلة بالنسبة لعلماء البيانات الذين يختبئون وراء البيانات ولا يتفاعلون مع الآخرين الأعمال وحدة.
التحيز مقابل الموضوعية
الحصول على شيء صحيح في البداية ليس علامة على النصر. لذلك كن متشككا دائما. هل لديك كل البيانات؟ هل البيانات جيدة جدًا لدرجة يصعب تصديقها؟
الحيلة هي إزالة العامل البشري من المعادلة. فقط دع الرياضيات تتحدث عن نفسها. يمكن للمتشكك في البيانات بعد ذلك اتخاذ الخطوة التالية وإظهار مقدار الاستنتاج الذي لا يعتمد على الصدفة البحتة.
لا تحاول أن تكون مثاليا. يجب أن يكون الحل الذي تقوم بإنشائه كافيًا لنقل المستخدم من النقطة أ إلى النقطة ب. ومن الأفضل بناء سيارة فولكس فاجن جيدة وموثوقة بدلاً من بناء سيارة كاديلاك. في بعض الأحيان، يتعين عليك فقط أن تكون قادرًا على شراء سيارة فولكس فاجن.
غالبًا ما يتم دمج تحيزات الفريق في الخوارزميات. خذ على سبيل المثال خوارزمية الائتمان التي تقوم بتقييم المتقدمين للحصول على قرض. في حين أنك قد تعتقد أن الرياضيات الأساسية محايدة، فقد يكون المبرمج قد أدرج تحيزاته في الكود.
التحيز ليس مشكلة جديدة. غالبًا ما يتعين على المهندسين اتخاذ "قرارات ذاتية" عند محاولة تحقيق الأهداف. يجب عليك إنشاء خطوات حل فردية تلبي الاحتياجات الفورية. لكن الأمر لا يتعلق بكون الخوارزميات الأساسية عبارة عن صناديق سوداء: إذ يتعين على علماء البيانات أن يقرروا بأنفسهم ما إذا كان البرنامج سيعطي نتيجة جيدة أم لا.
بالنسبة لعلماء البيانات، تعد المهارات التقنية والاجتماعية ضرورية للنجاح في الوظيفة - إلى جانب جرعة صحية من الشك. من أجل النهوض مهنة علم البيانات سلم، لا ينبغي عليك ببساطة أن تثق بشكل أعمى في البيانات التي تم جمعها.