Data Science nədir?
Data Science təcrübəli mütəxəssislər üçün ən perspektivli və tələb görən karyera seçimlərindən biri kimi inkişaf etməyə və yüksək tələb görməyə davam edir. Günümüzdə uzaqgörən data mütəxssisləri başa düşürlər ki, ənənəvi böyük həcmli dataların analiz edilməsi, təmizlənməsi yollarını və bu sahədə olan proqramlarla işləmə bacarıqlarını inkişaf etdirməlidilər. Təşkilatlarına faydalı ola biləcək yeniliklər tapmaq üçün hər bir data scientist data sciencenin istifadə sahələrini və inkişaf prosesini tam mənimsəməli və dərindən anlamalıdır ki, prosess müddətində ən uyğun versiyanı tətbiq edərək gəlirləri maksimuma çıxara bilsin.
Data sciencenin həyat dövriyyəsi
- Şəkildə data sciencenin həyat dövriyyəsinin 5 mərhələsi təsvir edilmişdir: Toplanma, ( Datanın yığılması, Datanın daxil edilməsi, Siqnalların tutulması, Datanın çıxarılması); Saxlanması (Datanın bazaya yığılması, Datanın təmizlənməsi, Datanın qurulması, Datanın işlənməsi, Datanın strukturlaşdırılması); Proses (Datanın araşdırılması, Qruplaşdırma/Kateqoriyaıaşdırma, Datanın modelləşdirilməsi, Datanın ümumiləşdirilməsi); Analiz (Araşdırma/Təsdiqlənmə,Proqnazlaşdırma,Reqressiya, Mətn araşdırması, Keyfiyyətə nəzarət); Əlaqə (Data hesabat, Datanın vizuallaşdırması, Biznes zəkası, Qərarvermə);
“Data Scientist” ifadəsi 2008-ci ilin əvvəllərində şirkətlərin kütləvi datanın idarə edilməsi və təhlili ilə məşğul ola biləcək yüksək səviyyəli mütəxəssislərə ehtiyaclarının olmasını anlamaları ilə meydana gəldi. 2009-cu ildə McKinsey & Company məqaləsində Google şirkətinin baş iqtisadçısı və UC Berkeley informasiya elmləri, biznes və iqtisadiyyat professoru Hal Varian texnologiyanın inkişafı ilə ayaqlaşmağın və müxtəlif sahələr üzərində istifadə formalarının yenidən qurulmasının vacibliyini praqnozlaşdırdı.
“Data ilə işləmə bacarığı – onu anlaya, emal edə, əsas datadan əlavə datalar yarada, onu vizuallaştıra və onun vasitəsi ilə əlaqələr qura bilmə bacarığıdır. ”
Google şirkətinin baş iqtisadçısı və UC Berkeley informasiya elmləri, biznes və iqtisadiyyat professoru Hal Varian
Effektiv data scientist data ilə bağlı müxtəlif sualları cavablandıra, müxtəlif mənbələrdən data toplaya və onu uyğun formaya sala bilməlidir. Bu emaldan yaranan nəticələri həll yollarına çevirməli və əldə etdikləri fikirlərin biznes yönümlü qərarlara necə müsbət təsir edəcəyini əsaslandırmalıdır. Bu bacarıqlar demək olar ki bütün sənayə sahələrində yüksək tələb gördüyü üçün data science bacarığı olan mütəxəssislərə olan təlabat da sürətlə artır.
Bəs Data Scientistin işi nədən ibarətdir?
Son onillikdə data scientist şirkətlər üçün ən vacib aktivlərdən birinə çevrilib və demək olar ki bir çox şirkətlərdə bu sahəyə investisiya edilir. Bu peşəkarlar hərtərəfli və yüksək səviyyəli texniki bacarıqlara sahibdirlər və şirkətin strategiyalarını hazırlamaq və ya müxtəlif suallarını məlumatları analiz və sintez edərək cavablandıra biləcək mürəkkəb rəqəmsal alqoritmləri qurmağa qadirdirlər. Bu bacarıqlar təşkilat və ya müəssisə üzərində maraqları olan tərəflərə nəzərəçarpan müsbət nəticələr vermək üçün lazım olan ünsiyyət və liderlik təcrübəsi ilə dəstəklənməsi tələb edilir.
Həvəsli və yüksək nəticələrə fokuslanmış data scientistlər yüksək texniki məlumatlara əsaslanan nəticələri qeyri-texniki sahələrdən olan həmkarlarına düzgün ötürmək üçün işlədikləri sənayə sahəsi haqqında dərin və müstəsna məlumatlı olmaqla bərabər yüksək ünsiyyət bacarıqlarına sahib olmalıdır.
Bu sahədən olan mütəxəssislər statistika və cəbrlə yanaşı datanı toplamaq, araşdırmaq və modelləşdirmək üçün lazım olan alqoritmləri qurmaq və təhlil etmık üçün lazım olan yüksək texniki biliklərə də sahibdirlər.
Bunlarla yanaşı aşağıda qeyd edilən əsas texniki proqramlar və bacarıqlarla tanış olmalıdırlar.
R
Python
Apache Hadoop
MapReduce
Apache Spark
NoSQL databases
Cloud computing
D3
Apache Pig
Tableau
iPython notebooks
GitHub
Niyə Data Scientist olmalıyam?
Glassdoor, data scienst vəzifəsini 2018-ci ildə ardıcıl üçüncü ildir ki, Amerikada # 1 Ən Yaxşı İş olaraq sıraladı. Dünyada datanın çoxalması və daha əlçatan olması data scientistlərə ehtiyac duyan şirkətlərin təkcə böyük texnoloji şirkətlərlə limitlənməsini aradan qaldıracaq. Bütün sənaye sahələrində data scientist mütəxəssislərinə olan tələbatın artması aktiv iş elanlarını doldurmaq üçün lazım olan ixtisaslı namizədlərin çatışmazlığı ilə nəticələnəcək. Qarşıdan gələn illərdə də bu tələbatın azalacağı gözlənmir. Həmçinin LinkedIn də Data Scientist və data ilə işləmək bacarığı tələb edən bir neçə oxşar pozisyaları 2017 və 2018-ci illərin ən perspektivli işlərindən biri olaraq sıraladı.
Aşağıda göstərilən statistika Data Scientistlərə olan nəzərəçarpan və artan tələbatı əks etdirir.
28%
Demand Increase by 2020
4,524
Number of Job Openings
$120,931
Average Base Salary
#1
Best Job in America 2016, 2017, 2018
Data Scientistin hansı sahəsi sizə daha uyğundur?
Data hər yerdədir və daima artır. Datanın toplanması, təmizlənməsi, təhlili və təsviri kimi terminlər çox vaxt bir-birini əvəz edən oxşar ifadələr kimi istifadə edilsə də əslində bu ifadələr data üzərində aparılan müxtəlif prosesləri izah edir, data sahəsinin nə qədər mürəkkəb olduğunu və bu sahədə işləmək üçün müxtəlif bacarıqların olmasının vacibliyini göstərir.
Data Scientist
Data scientistlər hansı suallar cavablandırılmalı və cavabları hansı data mənbələrində tapmaq lazım olduğunu bilirlər. Onların bizneslə bağlı məlumatı və analitik bacarıqları var, həmçinin onlar datanın təmizləməsi, araşdırılması və təqdim edilməsi sahələrində də təcrübəlidirlər.
Müəssisələr Data scientistlərə daha çox yarımçıq və təmizlənməmiş dataların toplanması, idarə edilməsi və analizi üçün ehtiyac duyurlar. Bundan sonra nəticələr sintez olunur və müəssədəki strateji qərarların qəbul edən əsas tərəflərə çatdırılır.
Lazım olan bacarıqlar: Proqramlaşdırma bacarıqları (SAS, R, Python), statistik və riyazi bacarıqlar, hekayə və məlumat vizuallaşdırması, Hadoop, SQL, maşın learning
Data Analitik
Data Analitiklər data scientistlərlə biznes analitiklər araındakı körpü rolunu oynayır. Onlara şirkətlərin cavab axtardığı suallar verilir və onlar da datanın uyğun formaya salıb analiz edərək yüksək önəm daşıyan stratejik qərar alınmasına faydalı ola biləcək nəticələr çıxarırlar. Data analitiklər texniki hesablamaları fəaliyyət sahələrinə tətbiq edilə biləcək həll yollarını çevirir və müəssə üzərində müxtəlif maraqları olan tərəflərə səmərəli şəkildə çatdırmaq məsuliyyəti daşıyırlar.
Lazım olan bacarıqlar: Proqramlaşdırma bacarıqları (SAS, R, Python), statistik və riyazi bacarıqlar, data mübadiləsi, datanın vizuallaşdırılması.
Data Engineer
Data engineerlər daima artan və sürətlə dəyişən datanı idarə edirlər. Onlar məlumatları data scientistlərə ötürmək üçün data axınlarının və infrastrukturunun inkişaf etdirilməsi, depolanması, idarə edilməsi və optimallaşdırılmasına diqqət yetirirlər.
Lazım olan bacarıqlar: Proqramlaşdırma dilləri (Java, Scala), NoSQL verilənlər bazası (MongoDB, Cassandra DB), karkaslar (Apache Hadoop)
Data scientistlər üçün kariyera və əmək haqqı imkanları
Data scientist sahəsində olan mütəxəssislər yüksək texniki bacarıqlarına görə rəqabətli əmək haqqı təklif edən təkcə böyük yox həm də kiçik sənayə sahələrindəki iş imkanları ilə mükafatlandırılırlar. Glassdoorda müvafiq sahədə təcrübəsi və təhsili olan data scientistər üçün dünyanın ən gələcək yönümlü şirkətlərində bacarıqlarını göstərmək imkanı yaradan 4500-dən çox aktiv iş elanı var.
Aşağıda data scientist mütəxəssislərinin işləyə biləcəyi vəzifələr üçün olan orta baza maaşları verilmişdir
Data analyst: $65,470
Data scientist: $120,931
Senior data scientist: $141,257
Data engineer: $137,776
Data science sahəsində olan digər ixtisaslaşmış bacarıqları əldə etmək bu sahədən olan mütəxəssislərə öz sahələrində daha böyük üstünlük verə bilər.
Məsələn, maşın learning mütəxəssisləri yüksək səviyyədə proqramlaşdırma bacarıqlarından istifadə edərək daimi məlumat toplayan və avtomatik olaraq öz funksiyalarını daha effektiv şəkildə tənzimləyən alqoritmlər yarada bilirlər.
Source: https://datascience.berkeley.edu/about/what-is-data-science/
- Accessed April 2018. Return to footnote reference
- www.mckinsey.com/industries/high-tech/our-insights/hal-varian-on-how-the-web-challenges-managers. Accessed July 2018. Return to footnote reference
- www.mckinsey.com/industries/high-tech/our-insights/hal-varian-on-how-the-web-challenges-managers. Accessed July 2018.Return to footnote reference
- www.glassdoor.com/List/Best-Jobs-in-America-LST_KQ0,20.htm. Accessed April 2018.Return to footnote reference
- blog.linkedin.com/2018/january/11/linkedin-data-reveals-the-most-promising-jobs-and-in-demand-skills-2018. Accessed April 2018.Return to footnote reference
- www.glassdoor.com/List/Best-Jobs-in-America-LST_KQ0,20.htm. Accessed April 2018.Return to footnote reference
- www.glassdoor.com/Salaries/index.htm. Accessed April 2018.Return to footnote reference
