از میان تمام نقشهای دنیای فناوری، دانشمندان داده احتمالاً بیشترین تنوع را در عناوین و مسئولیتهای شغلی دارند. یک دانشمند داده باید کلاه های مختلف زیادی بپوشد و کار روزانه یک دانشمند داده در آمازون می تواند به طور قابل توجهی متفاوت از a به نظر برسد دانشمند داده در مایکروسافت. از یافتن حوزههایی از کسبوکار شرکت که میتوانند از جمعآوری، تجزیه و تحلیل و درک دادهها بهرهمند شوند تا تصمیمگیری درباره تصمیمگیریهای استراتژیک برای بهبود رضایت مشتری یا نرخ تکمیل خرید، یک شرکت میتواند از دانشمندان داده زیادی بپرسد.
از یک دانشمند داده انتظار می رود که از مهارت ها و دانش آماری، یادگیری ماشینی و اغلب اقتصادی برخوردار باشد. آ دانشمند داده باید مهارت بالایی داشته باشد در ریاضیات، آمار، یادگیری ماشین، تجسم، ارتباطات و پیاده سازی الگوریتم.
علاوه بر این، یک دانشمند داده باید کاربردهای تجاری داده های خود را کاملاً درک کند. اگر در حال تجزیه و تحلیل داده های رشد درخت هستید، باید تفاوت بین آنها را درک کنید ارتفاع و ارتفاع تا پایه تاج. این نوع دانش زمینه ای را می توان در حین کار توسعه داد، اما اگر به دنبال تبدیل شدن به یک دانشمند داده هستید، می تواند یک مزیت بزرگ باشد، اگر قبلاً تجربه کار در صنعت را داشته باشید. اگر پنج سال است که یک بانکدار بوده اید، شانس شما برای به دست آوردن موقعیت علم داده در فین تک بسیار بهتر از بخش مراقبت های بهداشتی است.
کلاه های متنوعی که یک دانشمند داده بر سر می گذارد
علم داده یک رشته نسبتاً جدید است و برای افرادی که دانشمند داده نیستند توضیح آن می تواند دشوار باشد. کاری که دانشمندان داده انجام می دهند به مردم عادی این منجر به مسئولیتها و عناوین مختلف گاهی خندهدار میشود که میتواند برای یک دانشمند داده مدرن اعمال شود.
A دانشمند دادهبسته به شرکت و شغل خاص، می تواند مسئولیت جمع آوری و پاکسازی داده ها را بر عهده بگیرد. همچنین ممکن است از شما خواسته شود که مدلها و خطوط لوله یادگیری ماشین را توسعه دهید یا به عنوان یک گورو تجسم به شرکت خود خدمت کنید. برخی از دانشمندان داده بیشتر هستند رو به داخلی در حالی که دیگران کارهای زیادی با تیم های داخلی، غیر فنی یا حتی مشتریان دارند. اگر با افراد فنی کمتری کار می کنید، باید داشته باشید مهارت های ارتباطی ستاره ای، هم برای نوشتن گزارش برای خلاصه کردن تحلیل های خود و هم برای ارائه یافته ها و ارائه توصیه هایی برای اقدامات آینده.
مسئولیت کلیدی یک دانشمند داده (یا هر چیزی که شرکت شما کسی را که داده ها را جمع آوری، تجزیه و تحلیل، تجسم یا پیش بینی می کند می نامد) این است که به داستان داده ها. از کجا آمده است، در مورد گذشته چه چیزی می توانیم از آن بیاموزیم و چگونه می تواند ما را در آینده راهنمایی کند؟ برای انجام موفقیت آمیز این کار، باید یک متخصص حوزه کسب و کار باشید یا دانش زمینه ای داشته باشید تا تکه های پازل را در کنار هم قرار دهید و اهمیت داده ها و بینش هایی را که از آن به دست آورده اید به اطرافیان خود توضیح دهید.
مسئولیت های دقیق در حوزه علم داده بسیار متفاوت است و نقش های مختلفی در حوزه علم داده وجود دارد. چه به دنبال ورود به این رشته باشید و چه می خواهید شغل خود را تغییر دهید، بسیار مهم است که از نظر عنوان شغل و صنعت ذهن خود را باز نگه دارید. من به شما شرحی از مسئولیت های کلی سیزده نقش مختلف در زمینه علم داده ارائه می کنم.
شرکت ها عموماً خوب نیستند اعطای عنوان به افراد در علم داده، بنابراین مهم است که این تفکیک را به عنوان یک قانون سرانگشتی و نه یک تعریف دقیق در نظر بگیرید. اگر یکی از اینها برای شما عالی به نظر میرسد، میتوانید جستجوی خود را به آن عنوان محدود کنید، اما اگر چند تا از آنها خوب به نظر میرسند، من با عنوانی که هنگام جستجو استفاده میکنید انعطافپذیرتر خواهم بود. (و اگر عنوان واقعاً برای شما مهم است، همیشه می توانید زمانی که پیشنهاد شغلی دریافت می کنید، آن بخشی از مذاکره خود را انجام دهید!)
هر شرکت مدرن با هر اندازه قابل توجهی در سراسر جهان دارای یک بخش علوم داده است و یک مهندس داده در یک شرکت ممکن است همان مسئولیت هایی را داشته باشد که یک دانشمند بازاریابی در یک شرکت دیگر. مشاغل علم داده به خوبی برچسب گذاری نمی شوند، بنابراین مطمئن شوید که یک شبکه گسترده ایجاد کنید.
تفکیک مسئولیت های دانشمند داده بر اساس نقش
1 تحلیلگر داده
A تحلیلگر داده بیشتر بر روی جمع آوری، تمیز کردن و جمع آوری داده ها تمرکز دارد. شما باید بتوانید به راحتی در پرس و جوهای پیچیده SQL پیمایش کنید. شما مسئول طراحی و ارائه گزارش به ذینفعان غیر فنی خواهید بود. شما همچنین این شانس را خواهید داشت که مدل های داده، تجسم ها و مدل های پیش بینی طراحی کنید.
2. مدیر پایگاه داده
مدیران پایگاه داده، نمونه های پایگاه داده، هر دو نمونه داخلی و ابری را مدیریت می کنند. به عنوان یک مدیر پایگاه داده، از شما انتظار می رود که محیط های تولید را بسازید، پیکربندی کنید و نگهداری کنید. شما همچنین مسئول عملکرد، در دسترس بودن و امنیت پایگاههای داده تحت اختیار خود خواهید بود. برای هدایت عملیات داده و ارائه پشتیبانی حین تماس حیاتی برای ماموریت آماده شوید.
3. Data Modeler
یک مدلساز دادهها مدلهای مفهومی، فنی، منطقی و گاهی فیزیکی را ایجاد میکند. شما باید به طور قاطعانه استانداردهای مدل سازی و طراحی داده را انتخاب کرده و حفظ کنید تا یک چشم انداز منسجم برای داده های شرکت خود ایجاد کنید.
مدل سازهای داده همچنین باید مدل های ارتباط موجودیت و پایگاه های داده طراحی را توسعه دهد. ممکن است لازم باشد جمعآوری دادهها و تجزیه و تحلیل گروههای دادهای که کمتر ارائه شدهاند را برای تیم یا شرکت خود بهبود ببخشید تا مطمئن شوید مجموعه دادههای شما نماینده هستند.
4. مهندس نرم افزار
مهندسین نرم افزار طراحی و نگهداری شود سیستم های نرم افزاری وقتی یک مهندس نرم افزار هستید، برای نوشتن کدهای مقیاس پذیر، قابل اعتماد و کارآمد آماده شوید. شما باید الزامات طراحی را به کدهای کاملاً مستند و آزمایش شده ترجمه کنید که دیدگاه های طراحان محصول را زنده می کند.
5. مهندس داده
شناسایی و حل چالش های کیفیت داده ها برای شما به عنوان یک مهندس داده یک وظیفه مهم خواهد بود. همچنین باید از جذب منابع داده در راه حل های ذخیره سازی داده پشتیبانی کنید. قسمتی هیجان انگیز از a کار مهندس داده این فرصت را برای معمار و طراحی راه حل های مهندسی داده به دست می آورد. همچنین باید آماده ساخت خطوط لوله ETL برای استخراج، تبدیل و بارگذاری داده ها در انبارهای داده برای گزارش گیری پایین دست باشید. مهندسان داده علاوه بر این مسئولیت تکثیر داده ها، استخراج، بارگذاری، پاکسازی و نظارت را بر عهده دارند.
6. معمار داده
معماران داده عمدتاً مسئول طراحی و نگهداری خطوط لوله داده هستند. یکی دیگر از بخش های مهم کار یک معمار داده، مدیریت پایگاه های داده است. به عنوان یک معمار داده، پرس و جوهای کارآمد را می نویسید و موارد موجود را بهینه می کنید تا مقیاس پذیری و کارایی هزینه را به حداکثر برسانید. همچنین دادهها را به گزارشگیری، اتوماسیون و بینش عملی تبدیل خواهید کرد.
7 آمارشناس
یک آماردان نیازهای کسب و کار را درک می کند، فرضیه ها را توسعه می دهد و آزمایش های آماری درستی می سازد. به عنوان یک آمارشناس، اعتبار آماری طرح های آزمایشی گروه های تجاری دیگر را تایید خواهید کرد. همچنین از شما انتظار میرود که مدیران پروژه یا مطالعه را برای توسعه آزمایشهای آماری معقول و استراتژیها یا معیارهای اعتبارسنجی مربی و آموزش دهید.
فراتر از آزمایش ها، یک آماردان استراتژی های گزارش تحلیلی را توسعه داده و اجرا می کند. ممکن است لازم باشد مانند یک رفتار کنید تشویق کننده آماری چون بعضی شرکت های علم داده از کارشناسان آماری خود می خواهند که روش های آماری را فعالانه ترویج کنند و زمینه های تجاری جدیدی را کشف کنند که می توانند از تجزیه و تحلیل آماری صحیح بهره مند شوند.
8. تحلیلگر هوش تجاری
A تحلیلگر هوش تجاری کمی در جنبه نرمتر علم داده است. به عنوان یک تحلیلگر هوش تجاری، باید الزامات تجاری و عملکردی را جمع آوری کنید و برای هماهنگ کردن راه حل های فنی با استراتژی های تجاری کار کنید. شما همچنین روی ایجاد یا کشف استراتژی های تهیه و پردازش داده ها کار خواهید کرد.
شما مسئول استخراج و دستکاری حجم زیادی از داده ها برای ایجاد گزارش های تحلیلی از آن خواهید بود. تحلیلگران هوش تجاری نتایج تحلیلی را نیز به ذینفعان اصلی گزارش، ارائه و ابلاغ می کنند.
9. دانشمند بازاریابی
دانشمندان بازاریابی ارائه ایده ها و یافته ها به مشتریان فعلی و بالقوه. آنها همچنین استراتژی های داده کاوی و تجزیه و تحلیل را برای داده ها مانند داده های جمعیتی یا بازاریابی اعمال می کنند. مطابق با گروه اتحاد سنگ در توصیف یک دانشمند بازاریابی، شما باید تلاش های جذب مشتری، روندهای بازار و رفتار مشتری را دنبال و ارزیابی کنید. دانشمند بازاریابی یک دانشمند داده است که به طور خاص روی تبلیغات، بازاریابی یا داده های جمعیت شناختی کاربر/مشتری کار می کند.
10. تحلیلگر تجارت
یک تحلیلگر تجاری "نیازهای کسب و کار و کاربران، الزامات مستندسازی، و طراحی مشخصات عملکردی سیستم ها و گزارش ها" را تجزیه و تحلیل می کند. MaxisIT Inc الزامات. اگر شما یک تحلیلگر کسب و کار یا می خواهید یکی شوید، باید الزامات کسب و کار و صنعت را درک کنید و از آنها برای تدوین محدوده سیستم و اهداف فنی استفاده کنید. شما همچنین مسئول تعریف تعامل داده ها بین سیستم ها و پایگاه های مختلف خواهید بود.
11. تحلیلگر کمی
تحلیلگران کمی مدلهای پیچیده را با استفاده از مجموعه دادههای بزرگ برای تغذیه گزارشهای داخلی و تولید بینش تجاری ایجاد کنید. همکاران توسعه منابع تحلیلگران کمی خود را "توسعه و رهبری اجرای طرح های تحلیلی، تشریح روش تحقیق، سوالات، نمونه گیری، و طرح های تکراری" دارند. تحلیلگران کمی نیز گردش کار را خودکار می کنند و برای تایید یکپارچگی داده ها کار می کنند.
12. دانشمند دانش
به عنوان یک دانشمند داده، از شما انتظار می رود عصارهداده ها را از چندین منبع جمع آوری، پاکسازی و تبدیل می کند. شما باید عوامل زمینه ای مهم برای مشکل را شناسایی کنید. دانشمندان دادهها دادهها را تجزیه و تحلیل میکنند تا بینشهای عملی کلیدی برای کسبوکار برای بهبود عملکرد تولید کنند. بسته به شرکت، ممکن است لازم باشد روندهای بازار را پیش بینی کنید تا به شرکت در توسعه استراتژیک شعب خود کمک کنید.
علم داده در مورد یافتن الف است تعادل بین راهنمایی تحلیلی کوتاه مدت و پیش بینی و آزمایش های بلند مدت. شما باید چیزهای مهم را در زمان مناسب بیان کنید، بنابراین بسیار مهم است که بتوانید در حال حاضر یافته ها در رسانه های قابل هضم - تجسم داده ها و ارائه های جذاب و متفکرانه.
شما، به عنوان یک دانشمند داده، ارزش و بینش داده ها را برای ذینفعان غیر فنی به ارمغان می آورید. شما این فرصت را خواهید داشت که به طور فعال حوزه هایی را در شرکت پیدا کنید که می توانند از تصمیمات مبتنی بر داده بهره مند شوند و با تیم های دیگر برای انجام این کار همکاری کنید.
13. مهندس یادگیری ماشین
ساختن مدلهای یادگیری ماشین برای تولید، تمرکز اصلی a مهندس یادگیری ماشین. آنها خطوط لوله داده و خدمات مقیاس پذیر، قابل اعتماد و کارآمد را طراحی و اجرا می کنند. بسته به شرکت و حوزههای تمرکز آن، میتوانید شخصیسازی محصولات را بهبود ببخشید یا با استفاده از مدلهای یادگیری ماشینی در دادههای زنده و تاریخی، روندهای بازار را در صنعت پیشبینی کنید.
نقشها و مسئولیتهای دانشمندان داده فراتر میرود، اما تمایزات هنوز مهم هستند
بین همه این نقش ها تقابل زیادی وجود دارد. برخی بیشتر بر روی اعداد خالص متمرکز هستند در حالی که برخی دیگر بیشتر بر روی استفاده از بینش تولید شده از تجزیه و تحلیل داده ها در تصمیمات تجاری تمرکز می کنند. صرف نظر از عنوان شغلی دقیق شما، اگر در زمینه علم داده فعالیت می کنید، از شما انتظار می رود که در بسیاری از مراحل مختلف در چرخه توسعه محصول مبتنی بر داده شرکت داشته باشید. شما باید آماده کشف مناطق جدید برای بهینه سازی، کشف معیارهای مهم، یافتن داده هایی برای اطلاع از این معیارها، طراحی و اجرای آزمایش ها، و ارائه نتایج آزمایش ها/مدل ها به روش های مختصر، دقیق و متقاعد کننده باشید.
حوزه علم داده جوان و با تعریفی ضعیف است. در بسیاری از مواقع، در چتر علم داده، توضیحات شغلی را تحت عناوین شغلی مختلف خواهید یافت که به طرز شگفت انگیزی شبیه به نظر می رسد. شرکت ها اغلب متوجه می شوند که داده هایی دارند یا می توانند داده ها را جمع آوری کنند و سپس از آن برای بهبود مدل کسب و کار خود استفاده کنند. با این حال، این شرح وظایف و عنوان شغلی که برای تعیین به آنها انتخاب می کنند، اغلب توسط افراد غیر فنی نوشته می شود، به این معنی که همپوشانی زیادی وجود دارد.
یک مهندس داده در یک شرکت ممکن است همان کار را انجام دهد که یک تحلیلگر داده در شرکتی دیگر. همه این موقعیتها به جمعآوری یا اعتبارسنجی دادهها، اعمال نوعی تجزیه و تحلیل، و سپس توضیح نتایج برای همکاران غیر فنی، از طریق گزارشها، پیشبینیها یا تجسمها، مربوط میشوند.
اگر یکی از این مشاغل برای شما عالی به نظر میرسد، میتوانید جستجوی خود را به آن عنوان محدود کنید، اما اگر چند تا از آنها خوب به نظر میرسند، من با عنوانی که هنگام جستجو استفاده میکنید انعطافپذیرتر خواهم بود. اگر عنوان چیزی است که واقعا برای شما مهم است، همیشه می توانید زمانی که پیشنهاد شغلی دریافت می کنید، آن بخشی از مذاکره خود را انجام دهید. اجازه ندهید این لیست از مسئولیت ها شما را از شغلی که جالب به نظر می رسد بترساند. اگر واقعاً میخواهید یک مدلساز داده شوید، اما در سازماندهی اطلاعات مربوط به اصل و نسب راحت نیستید، میتوانید به موقعیتهای مدلساز داده در شرکتهای مختلف یا موقعیتهای معمار داده نگاه کنید.
اجازه دهید این تفکیک سیزده نقش متداول علم داده در جستجوی شغلی در علم داده باشد.
ناتی روزیدی یک دانشمند داده و در استراتژی محصول است. او همچنین یک استاد کمکی در تدریس تجزیه و تحلیل است و بنیانگذار آن است StrataScratch، پلتفرمی است که به دانشمندان داده کمک می کند تا برای مصاحبه های خود با سؤالات مصاحبه واقعی از شرکت های برتر آماده شوند. با او ارتباط برقرار کنید توییتر: StrataScratch or لینک.
منبع: https://www.kdnuggets.com/2022/01/deep-look-13-data-scientist-roles-responsibilities.html
- "
- درباره ما
- مطابق
- اکتساب
- عمل
- عمل
- مزیت - فایده - سود - منفعت
- تبلیغات
- الگوریتم
- معرفی
- اتحاد
- قبلا
- تحلیل
- روانکاو
- علم تجزیه و تحلیل
- برنامه های کاربردی
- محدوده
- دور و بر
- اتوماسیون
- دسترس پذیری
- بیت
- شاخه ها
- ساختن
- کسب و کار
- برنامه های تجاری
- هوش تجاری
- مدل کسب و کار
- چالش ها
- CIO
- تمیز کاری
- مشتریان
- ابر
- رمز
- جمع آوری
- مجموعه
- مشترک
- ارتباط
- شرکت
- شرکت
- پیچیده
- میتوانست
- Coursera
- ایجاد
- جاری
- رضایت مشتری
- داده ها
- تحلیل داده ها
- داده کاوی
- کیفیت داده
- علم اطلاعات
- دانشمند داده
- ذخیره سازی داده ها
- انبارهای داده
- پایگاه داده
- پایگاه های داده
- تحویل
- جمعیتی
- طرح
- طراحی
- توسعه
- پروژه
- DID
- مختلف
- كشف كردن
- اسناد و مدارک
- مهندس
- مهندسی
- مورد تأیید
- تجربه
- استخراج
- شکل
- fintech
- مناسب
- تمرکز
- فرم
- موسس
- آینده
- سوالات عمومی
- گرفتن
- خوب
- رشد
- راهنمایی
- بهداشت و درمان
- کمک
- چگونه
- HTTPS
- شناسایی
- انجام
- مهم
- صنعت
- اطلاعات
- بینش
- اطلاعات
- اثر متقابل
- مصاحبه
- مصاحبه
- گرفتار
- IT
- کار
- شغل ها
- کلید
- دانش
- بزرگ
- رهبری
- یاد گرفتن
- یادگیری
- لینک
- فهرست
- بار
- به دنبال
- فراگیری ماشین
- ساخت
- بازار
- روند بازار
- بازار یابی (Marketing)
- ریاضی
- ماده
- مسائل
- رسانه ها
- متریک
- ذهن
- استخراج معدن
- مدل
- مدل سازی
- بیش
- خالص
- ارائه
- باز کن
- عملیات
- فرصت
- سفارش
- سازماندهی
- دیگر
- دیگران
- مردم
- کارایی
- شخصی
- فیزیکی
- سکو
- مشتریان بالقوه
- پیش بینی
- در حال حاضر
- ارایهها در همایشهای علمی
- مشکل
- ساخته
- محصول
- توسعه محصول
- تولید
- محصولات
- پروژه
- ترویج
- ارائه
- خرید
- پازل
- کیفیت
- کمی
- نرخ
- گزارش
- گزارش ها
- مورد نیاز
- تحقیق
- نتایج
- رضایت
- مقیاس پذیری
- علم
- دانشمندان
- جستجو
- تیم امنیت لاتاری
- خدمات
- مشابه
- اندازه
- مهارت ها
- So
- نرم افزار
- مهندس نرمافزار
- مزایا
- کسی
- چیزی
- به طور خاص
- SQL
- استانداردهای
- ارقام
- ذخیره سازی
- استراتژیک
- استراتژی
- مهاجرت تحصیلی
- پشتیبانی
- گزینه
- سیستم
- سیستم های
- تعلیم
- فن آوری
- فنی
- آینده
- جهان
- از طریق
- زمان
- با هم
- بالا
- لمس
- دگرگون کردن
- روند
- UN
- us
- ارزش
- دید
- تجسم
- چی
- WHO
- در داخل
- مهاجرت کاری
- کارگر
- با این نسخهها کار
- جهان
- خواهد بود
- نوشته
- سال