21-ci əsrdə işçiləriniz data ilə işləmək üçün nəyi bilməlidir?
“Data mütəxəssislərinin etdiyi şey datalar ilə işləyərkən yeni kəşflər etməkdir.”- deyə Thomas Davenport və DJ Patil vurğulayıb.
Data Science həm strukturlaşdırılmış, həm də strukturlaşdırılmamış müxtəlif formalarda məlumatlardan bilik və anlayış əldə etmək üçün elmi metodlardan, proseslərdən, alqoritmlərdən və sistemlərdən istifadə edən fənlərarası bir sahədir.
Data Science-in əsas məqsədi datanı daha mənalı edərək ondan düzgün qərarlar vermək üçün istifadə etməkdir. Bir çox şirkətlər hal-hazırda Süni İntellektin böyük yenilikləri ilə məşğul olmaq istəyirlər. Lakin bunu etmək üçün onlar ilk olaraq fundamental biliklər qazanaraq data ilə işləmək bacarıqlarını inkişaf etdirməlidirlər.
Bəs niyə Data Science?
Bir çox sənayenin çoxlu datalar vasitəsilə qərar qəbul etdiyi bir mühitdə, ən azından söhbətin bir parçası olmaq üçün data ekosistemi haqqında sadə anlayışa sahib olmaq lazımdır. İşinizdən asılı olmayaraq Data Science və analitikası hal-hazırda sizin sənayenizi formalaşdırır və bu uzun müddət belə davam edəcək.
Nümunələrə ehtiyacınız varmı? - Fermerlər kənd təsərrüfatı bitkilərinin məhsuldarlığını optimallaşdırmaq üçün pilotsuz təyyarələr (dronlar) tərəfindən toplanan məlumatlardan istifadə edirlər. Maliyyə qurumları stokdakı malın qiymətlərini proqnozlaşdırmaq üçün alqoritmlərdən istifadə edirlər. Tibb müəssisələri vizuallaşdırılmış datalarından istifadə etməklə xəstəliklərin diaqnozunu verirlər.
Data mütəxəssisləri nə edir?
Jacqueline Nolis Data Science-i 3 komponentə ayırır:
Təsviri Analitika (Descriptive Analytics-Biznes zəkası) - əsasən yararlı datanı müəyyən insanların qarşısına tablo (dashboard), hesabat, elektron mesaj (email) şəklində təqdim edir, məsələn: Hansı müştərilər itirildi?
Proqnazlaşdırıcı Analitika (Predictive analytics – Machine Learning) - bu, məlumatların elm modellərini necə götürmək və daim istehsalatda tətbiq etməklə əlaqədardır, məsələn: Hansı müştərilər itirilə bilər?
Təsvir edici Analitika (Prescriptive Analytics - Qərar elmi) – bu biznes analitikasının son mərhələsi olub, özündə təsviri və proqnazlaşdırıcı analitikanı cəmləyir, datanın əldə olunması və şirkətin qərar qəbul etməsi üçün kömək edir, məsələn: İtirilmək ehtimalı olan xüsusi müştərilər ilə nə etmək lazımdır?
Data mütəxəssisi nəyi bilməlidir?
Ünsiyyət bacarıqları (Communication skills) - Siz hesab edə bilərsiniz ki, data tədqiqatçıları üçün əsas bacarıq kompleks deep learning infrastrukturu yaratmaq və istifadə etməkdir. Amma daha da vacibi tez öyrənmək, biznes suallarına düzgün cavab vermək üçün yaxşı ünsiyyət və qeyri-texniki tərəfdaşlara kompleks nəticələri izah etmək üçün “soft skill”-lərin olmasıdır.
Tənqidi düşüncə və kəmiyyət bacarıqları yenə də tələb olaraq qalır, lakin onlar problemləri anlamaq və praktiki fikir ifadə etmək imkanı olmadan yararsızdır.
Texnologiya – “Hard skills” data alimləri üçün hələ də vacibdir. Excel - analitikaya başlanğıc üçün, SQL- datanı sorğulamaq üçün, Python və R- isə datanı modelləşdirmək, vizuallaşdırmaq və Machine Learning üçün vacibdir.
Texniki bacarıqlar - Bu bacarıqlara data toplama və təmizləmə, “dashboard”-un qurulması və hesabatların hazırlanması, data vizuallaşdırma, statistik çıxış və machine learning üçün modellərin qurulması prosesi aiddir.
Məlumatların düşünülməsi, məlumatların manipulasiya edilməsi və vizuallaşdırma - İşçilər məlumatların necə yaradıldığını, necə saxlandığını və necə vizaullaşdırıldığını anlamaq üçün məlumat intuisiyasına malik olmalıdırlar. Onlar həmçinin statistik məlumatların vizuallaşdırılması və modelləşdirilməsini həyata keçirmək bacarığına sahib olmalıdırlar.
Statistik düşüncə bacarıqları - Datadan maksimum fayda əldə etmək üçün işçilər data haqqında statistik intuisiyaya malik olmalıdırlar. Məlumatların intuisiyası ehtimal olunan düşüncə və statistik fikirlərin dərk edilməsini tələb edir.
Machine Learning bacarıqları – İşçiləriniz həmçinin nəzarət altında və nəzarətsiz öyrənmə, Deep Learning və Süni İntellekt tələb edən Machine Learning konsepsiyasını başa düşməlidirlər.
