في SkillFactory ، بصفتنا مدرسة متخصصة في تدريب علماء البيانات ومحللي البيانات ، فإننا مهتمون بمسألة تصور المهنة نفسها ، سواء من قبل الطلاب أنفسهم أو من قبل أصحاب العمل. لقد تحدثنا بالفعل عن متطلبات مهنة محلل البيانات والارتباك في الوظائف الشاغرة في هذه المادة ، والآن نريد أن نشارككم ترجمة مقال من قبل رئيس قسم اتخاذ القرار الذكي في Google ، والذي تحدثت فيه عن احتمالات منصب عالم البيانات. حول مخاطر الشركة عند تعيين عالم بيانات بسبب الفهم المختلف للوظيفة أو بسبب قلة خبرة الموارد البشرية وكيفية حمايتك من الأخطاء في سيرتك الذاتية.
هل علم البيانات فقاعة؟ ستندهش من عدد المرات التي يتم فيها طرح هذا السؤال علي. إجابتي؟
ربما لا ، ولكن قد يكون منصب عالم البيانات كذلك.
اسمحوا لي أن أشرح نفسي قبل وصول حشد مذراة.
عالم البيانات وتعريف علم البيانات
هناك العديد من الآراء ، لكنني أفضل التعريف التالي: " علم البيانات هو النظام الذي يجعل البيانات مفيدة." إذا كنت لا تحب تعريفي ، فقد يعجبك تعريف Harlan Harris الواضح:
يتم تعريف علم البيانات من خلال ما يفعله عالم البيانات وما يفعله يتم تغطيته جيدًا ... ولكن من هو عالم البيانات ، ربما يكون سؤالًا أكثر جوهرية.
حسنا. من نحن إذن؟ حسنًا ، هذا يعتمد على النادي الذي تنتمي إليه. وهنا يأتي دور فكرة الفقاعة.
AND مقابل OR
بالنسبة لبعض الأشخاص ، يشير المنصب إلى الكفاءة الكاملة في ثلاثة تخصصات (الإحصاء ، جمع البيانات ، التعلم الآلي). بالنسبة للآخرين ، فهذا يعني أن مهارات الفرد يتم دمجها مع مهارات الآخرين. هذا الفهم المختلف للوظيفة يمكن أن يؤذيك عند التوظيف.
خيار واحد. فقط المستحقون!
هناك من يحلم بتجريد المقلدين من وظائفهم وقصر المهنة المقدسة على النخبة التي تفهم كل شيء عن البيانات.
كيف تشعر عندما يجري مثل هؤلاء الأشخاص المقابلات؟ إنهم يريدون أن يروني كخبير إحصائي أصيل ، ولديه معرفة بالتعلم الآلي ، وحزام أسود في التحليلات ومجموعة من المشاريع التطبيقية. يريدون معرفة ما إذا كانت مدرستي العليا عصرية. يريدون اختبار كيف كنت قائداً وكيف حللت مشاكل العمل. أوه ، ولدي مهارات اتصال أفضل. ماذا عن القمر على عصا؟ لو لم أكن أقوم بعمل البيانات منذ أن كنت في الثامنة من عمري ، لكنت شعرت بالرعب. حتى ذلك الحين ، هذا نادٍ صغير ممتع لدي مشاعر متضاربة للغاية بشأنه.
اسمحوا لي أن أسميها ما هي: Club And... يجب أن يكون المشاركون إحصائيين أكفاء وخبراء في التعلم الآلي ومحللين يتمتعون بمهارات ترميز المجوهرات. يرجى ملاحظة أن الدخول إلى هذا النادي أمر صعب للغاية ؛ ليس الكثير من الناس خبراء في جميع قضايا البيانات. لن يتمكن هؤلاء الأشخاص أبدًا من تلبية احتياجات العالم من المتخصصين. للأسف ، هذه هي طبيعة العرض والطلب.
الخيار الثاني. الأبواب مفتوحة للجميع!
النادي البديل والأكثر ازدحامًا هو نادي OR . وهو يتألف من الأشخاص الذين أعادوا تسمية المسمى الوظيفي الخاص بهم ، مثل المحلل أو الإحصائي ، إلى مصطلح عام. يبدو أفضل ، يزيد التوظيف في علم البيانات ، يوسع المجتمع ، يجلب مجموعة متنوعة من المهارات. الجميع يفوز. حق؟ تقريبيا.
ما يعجبني: إنه يركز على الفريق والطبيعة الرياضية لعلوم البيانات وهذا النهج يسمح لمزيد من الأشخاص بالمشاركة في علم البيانات. ممتاز! وبعض مجالات علم البيانات ليست بهذه الصعوبة. التنقيب عن البيانات ، أي جمع البيانات ، هو شيء يتمتع به الناس أكثر مما يعتقدون. إذا كنت تعتقد أن جمع البيانات يتطلب درجة الدكتوراه ، فلدي أخبار سارة. كل ما تحتاجه هو فهم كيفية النظر في مجموعات البيانات ، والتواضع المعتدل ، والفطرة السليمة.
ماذا عن الجانب الآخر؟ تشتهر علوم البيانات بمتطلباتها العالية وانغماسها الطويل في التعلم. أنا أتعاطف بشدة مع مديري التوظيف الفقراء والمحيرين الذين يعتقدون أنهم يستدرجون متخصصًا متعدد الاستخدامات ولكنهم يوظفون شخصًا أقل تأهيلًا. الإعلان الكاذب ضار.
نصيحة: إذا كنت تريد تأكيدًا كاملًا أنك لا تبالغ في سيرتك الذاتية ، فإن منصب محلل البيانات هو الخيار الأكثر أمانًا.
الدعاية الكاذبة
لأكون صادقًا ، في كل مرة أصبحت فيها عالم بيانات ، كنت أقوم بنفس الوظيفة كما كان من قبل ، في المناصب التي كانت تسمى بشكل مختلف. عندما قام "المديرون الفعالون" بتغيير مسمياتهم الوظيفية مرة أخرى ، لم تتغير مسؤولياتي على الإطلاق.
أنا لست استثناء. لدي العديد من السابق الإحصائيين والمهندسين دعم اتخاذ القرار والمحللين الكمي، أساتذة الرياضيات والعلماء بيانات كبيرة، محللي الأعمال والمحللين الرائدة والباحثين والمهندسين البرمجيات، والدكتوراه ... كل الفخر الحديثة العلماء.
عندما أصبحت عالم بيانات ، لم تتغير مسؤولياتي على الإطلاق.
الأصدقاء ، أنا لا أحكم. إدارة علامتك التجارية الشخصية بشكل جيد. لكني أريد أن أشير إلى أن تعريف علم البيانات على أساس مفهوم "عالم البيانات" ليس دقيقًا للغاية ، نظرًا لمدى جذب الجمهور للاسم. بأخذ الحد الأقصى ، نحصل على مجموعة من الكلمات مكونة بعناية لتقول أقل قدر ممكن. ينعكس هذا في الطريقة التي ينظر بها إلى عالم البيانات. شعرت مؤخرًا بارتفاع الضغط عندما نشر مدير التوظيف في علوم البيانات شيئًا مثل "هل لديك شهادة دكتوراه؟ فأنت على الأرجح عالم بيانات " . أعيدت صياغتها لحماية الأبرياء.
يعد استخدام المسميات الوظيفية لتعريف علم البيانات لعبة خطيرة.
يعرف علماء البيانات المعروفون بالفعل ما الذي يبحثون عنه ويمكنهم العثور على عالم بيانات جيد ، مهم ، حتى لو كان المسمى الوظيفي يقول كائن فضائي فضائي . أنا قلق بشأن مديري التوظيف الأقل خبرة. العديد من الشركات التي بدأت في علم البيانات ليس لديها الخبرة لمساعدتها. خطتهم؟ قم بتعيين عالم بيانات وسيكون كل شيء على ما يرام.
الحذر لمن يدفع
ضع نفسك مكان مدير التوظيف الجديد: لقد قرأت كثيرًا وقررت أنك بحاجة إلى مهارات في الإحصاء وجمع البيانات والتعلم الآلي لمشروعك. يمكنك توظيف ثلاثة أشخاص. الآن دعونا نلقي نظرة على المرشحين: 10 سير ذاتية بعنوان "عالم البيانات".
إذا كان هؤلاء من أعضاء I club ، فيمكنك اختيار أي ثلاث سير ذاتية. كل مرشح لديه المهارات التي تحتاجها. لسوء الحظ ، هذا النادي ليس كبيرًا (اقرأ: مكلف للغاية للتعيين ) ، لذا من الجيد أن هؤلاء الأشخاص العشرة ليسوا أعضاء في I.
قد يكون من الصعب على مدير التوظيف تحديد أي جزء من علوم البيانات يكون المرشح جيدًا حقًا.
إذا كانوا من الناس أو(وهو أمر مرجح في بيئة اليوم) ، يجب عليك إجراء مقابلات معهم بعناية لمعرفة ما هم ماهرون فيه حقًا. أنت بحاجة إلى ثلاث مجموعات مهارات مختلفة. قد يكون لدى الأشخاص الذين أمامك شخص واحد فقط ، ولكن لديهم أيضًا كل الحافز لإقناعك بأنهم عالمون. قد يكون لديهم حد أدنى من المعرفة حول جميع المجالات الثلاثة (الإحصائيات ، جمع البيانات ، التعلم الآلي). يمكن أن يكون هذا خطيرًا لكل من مشروعك والتوظيف. تحتاج إلى معرفة ما يجيدونه حقًا ، والذي قد يكون صعبًا إلا إذا كنت عالم بيانات متمرسًا مع مجموعة متنوعة من الخلفيات.
نتيجة؟ اخطاء عند التقدم لوظيفة استئناف الكلمات الطنانة ليست ضمانًا للمهارات الحقيقية.
لقد رأيت العديد من الفرق عن طريق الخطأ تحصل على العديد من المحللين لجمع البيانات بدلاً من مجموعة متنوعة. لكن هذه ليست مجرد مشكلة في علم البيانات. اتضح أن الكلمات الطنانة في السيرة الذاتية لا تأتي بالضرورة مع ضمانات المهارة. كلما زادت سخونة الكلمة الطنانة ، زاد انتشارها.
هل هذه نهاية تحليلات البيانات؟
أنا شخصياً أعامل المسميات الوظيفية بحذر. من المهم أن تتناسب المهارات مع جميع احتياجات الشركة. إذا لم يكن المسمى الوظيفي مؤشرًا جيدًا ، فسيتعلم مديرو التوظيف المؤهلون البحث عن شيء آخر في سيرتهم الذاتية.
بعد أن فقدت التفكير ، يمكنني حتى أن أتنبأ بتاريخ نادي OR . قد يخرج الموقف عن الأسلوب ، لكنني لست من النوع الذي يجب اتباعه.
فهل علم البيانات فقاعة أم لا؟
المزيد من البيانات في العالم يعني زيادة الطلب على الأنشطة الثلاثة الرئيسية لعلوم البيانات - الاستدلال الإحصائي ، والتعلم الآلي ، والتحليلات / جمع البيانات - لذلك ستظل هذه المهارات وثيقة الصلة على الرغم من أسمائها ، والتي قد تتغير يمكنك دائمًا كسب لقمة العيش من خلال استخراج القيمة من البيانات.
من ناحية أخرى ، قد تجد الفرق التي تم توظيفها في الضجيج ولم تتعلم أبدًا التركيز على ما هو ذي قيمة للأعمال أن وقتها ينفد.
قبل بضع سنوات ، اشتكى صديق لي ، وهو كبير مسؤولي التكنولوجيا يعمل في مجال التكنولوجيا ، من علماء البيانات عديمي الفائدة. أخبرته: "أعتقد أنه يمكنك توظيف علماء بيانات مثل رب المخدرات الذي يشتري نمرًا لممتلكاته". "أنت لا تعرف ما تريده من النمر ، ولكن كل أباطرة المخدرات الآخرين لديهم نمر.
لا أعرف أمراء المخدرات الحقيقيين (أو النمور) ، لذلك لا أعرف ما لديهم في أراضيهم. لكنك تفهمني.
بينما يبدو علم البيانات وكأنه فقاعة ، فأنا في الحقيقة متفائل. الحجم المتزايد للبيانات يعني تزايد الفرص. كل هذا يتطلب إدارة جيدة. صديق لي ، على سبيل المثال ، انتهى به الأمر إلى حل العديد من مشاكله من خلال إدراك ، بمساعدة محللي البيانات ، أن هذا الجزء من مؤسسته يحتاج إلى تدريب. منذ ذلك الحين ، أصبحت فرقه أكثر تفكيرًا حول كيفية توزيع العمل. بدأت الأشياء العظيمة. أنقذ تعليم متخذي القرار كيفية استخدام علم البيانات اليوم!
تأكد من أن صانعي القرار لديهم المهارات المناسبة للوظيفة. إذا وجدت فقاعة ، فقد يكون هذا هو جذرها.
يتمثل التحدي الذي يواجه قادة علوم البيانات اليوم في مساعدة صانعي القرار في اجتياز هذا النوع من التدريب. سيؤدي هذا إلى إنشاء المزيد من الأشخاص الذين يمكنهم الإشارة إلى المواهب الفنية لعالم البيانات في اتجاهات قيمة. اقرأ المزيد هنا . بمجرد أن يجلب علماء البيانات القيمة ، يصبح محتواهم ضرورة وليس قضية أزياء. هل يمكننا التعامل مع المشكلات قبل أن تفقد وظيفة عالم البيانات شعبيتها وتبدأ إعادة تسمية العلامة التجارية؟
في دوراتنا ، نقوم بتحليل السوق باستمرار ونمنح الطلاب تلك المهارات الحقيقية التي ستسمح لهم بالبقاء مهنيًا في الطلب لفترة طويلة. ومن أجل تقديم المهارات المكتسبة بشكل صحيح ، فإننا نعمل مع السيرة الذاتية للخريج وملفه.
- Data Science (12 )
- - Data Analytics (5 )
- - Data Science (14 )
E
- (18 )
- (6 )
- Machine Learning (12 )
- « Machine Learning Data Science» (20 )
- «Machine Learning Pro + Deep Learning» (20 )
- - (8 )
- «Python -» (9 )
- DevOps (12 )
- Java- (18 )
- JavaScript (12 )
- UX- (9 )
- Web- (7 )
