گروه تحقیقاتی بوز آلن همیلتون در گزارشی مهمترین ویژگیهای متخصصین علم داده را جنبه های نامحسوس شخصیت آنها می داند. متخصصین علم داده کنجکاو، خلاق و متمرکز هستند و به جزئیات توجه می کنند. کنجکاوی برای تجزیه یک مساله به اجزای کوچکتر، کاوش در داده ها و یافتن ارتباط بین مفاهیم به ظاهر غير مرتبط ضروری است. خلاقیت برای بکارگیری روش های جدید برای حل مسائل به کار می رود. روش هایی که قبلا در آن زمینه به کار گرفته نشده است. توجه به جزئیات برای اعتماد بیش از حد نکردن به داده ها بر مبنای شهود برای یک متخصص علم داده ضروری است. (2013 ,Booz Allen Hamilton) گلدبلوم در مصاحبه با فصلنامه مک کینزی بیان می کند که کامپیوترها و یادگیری ماشینی توان زیادی در تفکر خلاق ندارند. بنابراین این ایده که دادن پاداش به افراد باید بر اساس توانایی آنها در تفکر خلاق باشد فکر درستی است.
اونیل و شات در سال ۲۰۱۳ مهارت های زیر را برای متخصصین علم داده برشمردند:
- توانایی حل مساله : متخصصین علم داده تمایلی به ساخت مدل ها و الگوریتم های پیچیده ای که جواب نمی دهند، ندارند. آنها تعصبی نسبت به ابزارها یا روش ها ندارند. منعطف و بین رشته ای فکر می کنند و به دنبال حل مساله هستند.
- توانایی پرورش مهارت های نرم : برخی از عادتهای فکری که به ما در حل مساله
کمک می کند عبارتند از: تلاش مداوم، فکر کردن راجع به فکر کردن، تفکر انعطاف پذیر، تلاش برای رسیدن به هر چیز درست و توانایی گوش دادن موثر.
- توانایی مطرح کردن سوال : آنچه در آموزش رسمی بر آن تاکید می شود، پاسخ درست است . در حالی که آنچه باید روی آن تاکید کنیم، رفتار دانشجویان زمانی است که پاسخ را نمی دانند. دانشگاه باید مهارت هایی را تقویت کند که به دانشجویان کمک کند پاسخ را بیابند. متخصصین علم داده منتقد هستند و منتقد باقی می مانند. آنها نسبت به مدل هایی که ساخته می شود، روش انجام کارها و نتایج مدل هایی که می سازند، دید انتقادی دارند و دغدغه آنها گرفتن بازخورد برای اطمینان از صحت و دقت مدل هاست.
مدل دیگری که در کنفرانس DataGotham در سال ۲۰۱۲ مورد بحث قرار گرفت بکارگیری یک مشاور بود که برای استخدام نیروی جدید، آموزش او و کمک به یک فرد تازه فارغ التحصیل شده کمک کند. برای مثال شرکتی تصمیم گرفت برای اداره امور جاری شرکت از یک متخصص علم داده استفاده کند. آنها به مدت ۵ ماه با یک کارشناس با تجربه کار کردند. قبل از استخدام نیروی جدید این فرد به شرکت کمک کرد مفهوم متخصص علم داده را درک کند و بعد از استخدام در آموزش این نیروی جدید به شرکت کمک کرد. به این ترتیب توانستند شرایط کار را برای یک متخصص علم داده فراهم کنند. شرکت Accenture در گزارشی که منتشر کرده است پیشنهاد می کند که برای جذب متخصصین علم داده فقط به دنبال افرادی که چنین نقشهایی را در شرکتهای رقیب داشته اند نگردید. بلکه فراتر از صنعت خودتان و حتی بازار کار دنبال افرادی باشید که در زمینه کاری خودشان با داده ها کار کرده اند. برای مثال می توانید از فارغ التحصیلان فیزیک استفاده کنید که درک ریاضی و ادراک شهودی بالایی دارند. از هنرمندان به ویژه طراحان گرافیک استفاده کنید که می توانند قدرت خلاقیت و تخیل خود را در نمایش داده ها به کار بگیرند.
یکی از مهارت های مهم برای متخصصین علم داده مهارت برقراری ارتباط است. تیم علم داده باید بتواند نتایج کار خود را برای مدیران ارشد سازمان که معمولا پیش زمینه فنی ندارند توضیح دهد. در غیر این صورت نمی تواند در فرایند تصمیم گیری مدیران نقشی بازی کند. این شرکت در همین گزارش پیشنهاد می کند که برای تعامل بهتر با مدیران و سایر بخشهای سازمان یک نفر را به عنوان هدایتگر استخدام کنید. این فرد وظیفه دارد که داده ها و نتایی تحلیل داده ها را با سایر قسمتهای سازمان به اشتراک بگذارد. این فرد باید مهارت های ارتباطی و گرافیکی بالایی برای انتقال موثر نتایج داشته باشد. می توان برای هر وظیفه تعریف شده در تیم یک نفر را به عنوان هدایتگر معرفی کرد که کانال ارتباطی تیم علم داده با سایر بخشها باشد.
دونپورت همین مفهوم را با نقش واسط تحلیلی بیان می کند. فردی که مهارت های تحلیلی کمتری دارد ولی مهارت برقراری ارتباط بسیار خوبی دارد و می تواند نتایج کار تیم علم داده را به مدیران ارشد انتقال دهد. پیل مشکل را چنین توصیف می کند: "وقتی از متخصصین آمار می خواهید که نتایج کارشان را در قالب گزارشی به مدیریت ارشد ارائه دهند نتیجه کار رضایت بخش نیست" وی برای حل این مشکل فردی با پیش زمینه روزنامه نگاری را استخدام کرد تا مهارت داستان سرایی داشته باشد و بتواند در تبدیل داده ها به عمل کمک کند. نتایج کار رضایت بخش بود و کارایی متخصصین آمار هم افزایش پیدا کرد. آنها وقتی دریافتند نیازی نیست خودشان نتایج کارشان را گزارش دهند، خوشحال شدند و بیشتر روی کار اصلی شان می کردند. (2015 ,.Davenport T) در همین رابطه موسسه بین المللی دانش تحلیلی مهارت داستان سرایی را جذاب ترین شغل علم داده در سال ۲۰۱۵ معرفی کرده است. (2014 ,International institute for Analytics) کتی اونیل پیشنهاد می کند که اگر در یک مصاحبه استخدامی فرد نتوانست مفهوم فاصله اطمینان در آمار را به شکل ساده برای شما توضیح دهد، وی را استخدام نکنید.
مهارت های مورد نیاز برای متخصصین علم داده می تواند به نوع کار و ساختار صنعت هم بستگی داشته باشد. طبق تحقیقات موسسه ریاضیات آماری در ژاپن، بیشتر تحلیلگران داده در کشور ژاپن کار تحلیل داده را به صورت خدمت ارائه می کنند. بنابراین طبق این تحقیق مهارت های مورد نیاز برای متخصصین علم داده در ژاپن عبارت است از : تحلیل داده، ارائه خدمات و تصمیم گیری بر پایه نتایج تحلیل ها. (2014 ,Maruyama)
ویلیام فینزر یکی از مهارت های متخصصین علم داده را مهارت ادراکی کار با داده می داند و آن را عادت فکری کار با داده نامگذاری کرده است. عادت فکری روشی برای تفکر، مطرح کردن سوال و حل مساله است. عادت فکری کار با داده یک عادت فکری است که از تجربه کار با داده ها حاصل می شود. وی بیان می کند که هر تلاشی برای گنجاندن علم داده در دوره های دانشگاهی باید در پی ایجاد عادت فکری کار با داده در دانشجویان باشد. وی مهمترین این عادتهای فکری کار با داده را به شرح زیر بیان کرده است: (2013 ,Finzer)
1. جستجوی داده برای حل مشکل
۲. بصری سازی داده ها برای تشخیص الگوها
٣. بذل دقت و توجه زیاد به داده ها
۴. استفاده از شاخص ها و ابداع شاخص های جدید
۵. جستجو و بیان داستانی که داده ها بیان می کنند
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.