چمبرز اعتقاد دارد کسی که با داده ها کار می کند بیشتر باید یک همه چیزدان باشد تا یک متخصص . برای فعالیت در این زمینه ترکیب مهارت های مختلف در ریاضیات، مهندسی کامپیوتر و دانش زمینهای مورد نیاز است. از این مهارت ها در طراحی محصولات مبتنی بر داده، تحلیل کسب و کار و ایجاد یک کسب و کار جدید استفاده می شود.
اسکلی هم علم داده را حرفه همه چیز دانها می داند. بیشتر افراد مسیر حرفه ای در این شغل را با مهارت های فنی آغاز می کنند و مهارت های کسب و کار را از طریق تجربیات حرفه ای شان گسترش می دهند.
سوان و براون در سال ۲۰۰۸ مهارت های دانش زمینه ای، مهارت های محاسباتی و مهارت های انسانی را برای متخصصین علم داده برشمردند. مهارت های انسانی به این دلیل در این فهرست آمده است که این افراد باید نیازهای صنعتی یا تحقیقاتی را به مسائل کمی و محاسباتی تبدیل کنند.
هیلاری میسون وظیفه یک متخصص علم داده را مطرح کردن سوالهای درست می داند. برای مثال سوالی مثل این که چند نفر روی این لینک کلیک خواهند کرد ( داده هایی که همیشه وجود دارد) سوال علم داده به شمار نمی رود ولی این سوال که بر پایه پیشینه لینکهای قرار گرفته در این سایت آیا می توان پیش بینی کرد که چند نفر از کشور فرانسه در سه ساعت آینده این لینک را خواهند دید، بیشتر به یک سوال علم داده نزدیک است. (2012 ,Woods)
کتی اونیل هم در کتاب "منتقد داده ها بودن" راجع به مهارت مطرح کردن سوالهای درست و داشتن دید انتقادی نسبت به مفروضات تحليل داده ها صحبت می کند و آن مهارت های متخصصین علم داده می داند. وی منتقد را این گونه تعریف می کند: منتقد شخصی است که همواره نسبت به حقایق، نظرات یا اعتقاداتی که به عنوان حقیقت پذیرفته می شود کنجکاو است. یک منتقد واقعی زمانی که با ادعایی روبرو می شود که بدیهی انگاشته می شود، سوال مطرح می کند. البته این مورد به این معنا نیست که وی به عقاید دیگران احترام نمی گذارد بلکه به این معناست که منتقد آزمایشهایی را ترتیب می دهد تا اعتقادات را در محک آزمایش قرار دهد. یک منتقد واقعی علم را در عبارت "علم داده" به کار می گیرد. یکی از مشکلاتی که در بین متخصصین علم داده وجود دارد خوش بینی یا بدبینی افراطی نسبت به داده ها است. یکی از راه حل ها برای این مشکل داشتن دید انتقادی نسبت به داده ها، تفکر راجع به پیش فرض ها و آنچه بدیهی در نظر گرفته می شود، است.
همین طور جیم بلومو در سال ۲۰۱۳ مطرح کردن سوالهای درست و انجام فعالیتهای لازم برای یافتن پاسخ آن سوال با استفاده از داده ها را یکی از مهارت های متخصص علم داده می داند. (2013 ,Blomo) نیک کولیگراف بین متخصصین علم داده و تحلیلگران داده تفاوت قائل است و این تفاوت را در توانایی حل مساله می داند. به نظر وی گرچه مهارت های این دو گروه همپوشانی هایی دارند و احتمالا این دو شغل مسیر مشابهی را خواهند پیمود، مهارت حل مساله تحلیلگران و متخصصین علم داده را از هم متمایز خواهد کرد. (2013 ,Kolegraff)
اسکوایر مهارت های نوشتاری را هم برای متخصصین علم داده ضروری می داند. وی در برنامه درسی که ترتیب داد سعی کرد به دانشجویان راجع به روش های نوشتن گزارش تحلیل داده ها مثل گزارشهای متقاعد کننده، گزارشهایی که جنبه اطلاع رسانی دارند، تهیه گزارش با استفاده از ابزارهای تصویری و نوشتن برای مخاطب غیر فنی آموزش بدهد و از جنبه های مختلف ذکر شده راجع به کار دانشجویان بازخورد بدهد. همچنین سعی کرد اصول سواد اطلاعاتی را در برنامه درسی درس علم داده بگنجاند. این اصول به شرح زیر هستند:
- تعیین ماهیت و محدوده اطلاعات مورد نیاز
- دسترسی اثربخش و کارا به اطلاعات مورد نیاز
- ارزیابی نقادانه اطلاعات و منابع آن، دریافت اطلاعات مورد نیاز و تبدیل آن به دانش شخصی
- استفاده کارا از اطلاعات برای رسیدن به یک هدف خاص چه به صورت انفرادی و چه به صورت گروهی
- درک جنبه های مختلف اقتصادی، قانونی و اجتماعی استفاده از اطلاعات و استفاده از آن به شکل اخلاقی و قانونی
والاک این موضوع را مطرح می کند که برای موفقیت در زمینه علم داده باید ذهنی باز داشته باشید و اهل یادگیری باشید به عبارت دیگر باید به رشد و پیشرفت علاقه مند باشید.
دی جی پاتیل در کتاب تشکیل تیمهای علم داده ویژگیهای زیر را برای متخصصین علم داده بر می شمرد:
- دانش فنی: متخصصین علم داده معمولا در یک زمینه علمی مشخص تخصص دارند.
- کنجکاوی: تمایل به عمیق شدن در یک موضوع و کنکاش در یک مساله تا رسیدن به فرضیات مشخصی که بتواند مورد آزمایش قرار گیرد.
- داستان سرایی: توانایی استفاده از داده ها برای خلق یک داستان و منتقل کردن آن به افراد دیگر در سازمان
- تیزهوشی: توانایی نگاه کردن به مسائل به روش های متفاوت و خلاق.
همه متخصصین علم داده کنجکاوی درونی زیادی دارند. این کنجکاوی گسترده است و از فعالیتهای روزمره آنها فراتر می رود. این افراد تمایل دارند جنبه های مختلف کسب و کاری را که در آن مشغول فعالیت هستند بشناسند. بنابراین خیلی وقتها می توانند زمینه های جدا از هم را به شکل جالبی در کنار هم قرار دهند. مثلا می توانند روش های بهتری را برای فرآیندهای واحد فروش پیشنهاد دهند. حتی شخصی توانست از تکنیکهای توالی یابی DNA در یافتن الگوهای کلاهبرداری استفاده کند. چیزی که در همه این افراد مشترک است این است که توانایی فنی بالایی دارند. اکثرا تحصیلات بالایی دارند و همه آنها با حجم زیادی از داده ها در رشته خودشان کار کرده اند.
پاتیل پیش زمینه مهندسی کامپیوتر را برای فعالیت به عنوان یک متخصص علم داده لازم نمی داند. ایشان در همین کتاب ذکر می کند که بهترین و خلاق ترین کارکنانی که در تیم علم داده لینکدین داشته است، تحصیلاتی غیر از مهندسی کامپیوتر داشته اند. خالق "افرادی که ممکن است آنها را بشناسید" یک فیزیکدان تجربی به نام گلدمن بود. یک متخصص شیمی محاسباتی توانست یک مساله حل نشده ۱۰۰ ساله راجع به وضعیتهای مختلف انرژی آب را حل کند. یک اقیانوس شناس توانست تغییرات مهمی در روش شناسایی کلاهبرداری ایجاد کند و از همه مهمتر یک جراح مغز و اعصاب بود که به طور اعجاب انگیزی می توانست روندهای نهفته در داده ها را پیدا کند. شرکت هایی که به دنبال افرادی بودند که بتوانند با داده های پیچیده کار کنند از فارغ التحصیلان فیزیک یا علوم اجتماعی استفاده کردند. بعضی از بهترین متخصصین علم داده مدرک دکترا در رشته های بوم شناسی و زیست شناسی دارند. جورج روملیوتیس مدیر علم داده در شرکت İntuit دکترای نجوم دارد.
وقتی از جفری استنتون سوال شد که برای فعالیت در زمینه علم داده مهندسین کامپیوتری مهارت هایی را به اندازه کافی ندارند، ایشان پاسخ داد: مهندسین کامپیوتر معمولا برنامه نویس های خوبی هستند اما این تمام مهارت های علم داده نیست. در بسیاری از مواقع مهندسین کامپیوتر هیچ پیش زمینه ای در آمار یا بصری سازی داده ها ندارند و همین امر فعالیتهای آنان را به عنوان یک متخصص علم داده محدود می کند.
پاتیل در مصاحبه با O ' Reilly بیان می کند که هر متخصص علم داده باید با اصول اخلاق حرفه ای آشنایی داشته باشد و حداقل یک کلاس را در زمینه اخلاق حرفه ای بگذراند. مطالعه در زمینه اخلاق حرفه ای به متخصص علم داده چارچوبی برای تفکر در این زمینه خواهد داد. کار با داده ها قدرت زیادی به شما میدهد و باید بدانید چه طور می خواهید از آن استفاده کنید. موضوع اخلاق حرفه ای به وسیله انجمن آمار آمریکا هم پیشنهاد شده است. (2014 ,.Horton N)
پاتیل دو مدل را برای استخدام متخصصین علم داده پیشنهاد می کند: در مدل اول افرادی را در رشته ها و زمینه های مختلف که سابقه کار با داده ها را دارند استخدام کنید تا بتوانند با داده ها چیز جدیدی خلق کنند. در مدل دوم افراد خلاق را در دانشگاهها پیدا کنید و در یک دوره کارآموزی مهارت های لازم را به آنان آموزش دهید.
منبع : علم داده: مفاهیم و مهارت ها، سهرابی و ایرج
کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است!
اگر در زمینه علم داده و داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید. آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.
افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.