یک دانشمند داده شخصی است که با ترکیب ریاضیات، آمار و علوم کامپیوتر اقدام به آنالیز، پردازش و مدلسازی داده ها میکند. این داده ها ممکن است ورودی های خام و بدونه قالب یک سازمان باشد یا داده های قالب بندی شده. به هرحال نتیجه ی این ترکیب بی‌نظیر و پردازش داده ها نهایتا منجر به ایجاد اطلاعات مفیدی برای تصمیم گیری درباره قسمتی از کار یک سازمان، شروع فعالیت یک کارخانه، افزایش سود یک تولیدی و ... است. درواقع دانشمندان داده با این پردازش برنامه های عملی برای سازمان ها ایجاد می‌کنند.
مهارت های فنی بخشی از مهارت های یک دانشمند داده است اما همه چیز نیست. یک دانشمند داده از مهارت های تحلیلی، آماری و برنامه نویسی خود استفاده میکند تا داده هارا جمع‌آوری، تجزیه و نهایتا تحلیل و تفسیر کند. سپس با استفاده از این اطلاعات به دست آمده، برای ایجاد راه حل های مبتنی بر داده ها برای چالش های دشوار یک سازمان استفاده می‌کنند.
در این مقاله ۱۰ اصل اساسی که دانشمندان داده از آن پیروی می‌کنند را مطالعه خواهید کرد.
۱- مهارت های خود را آمار و ریاضیات توسعه دهید.
برای آنالیز و پردازش داده ها، داشتن مهارت قوی در آمار و ریاضیات امری مهم است. برای کسب مهارت در تجزیه و تحلیل داده هایی که جمع آوری می‌کنید آمار و ریاضیات نقش مهمی دارد. لذا برای توسعه دانش داده باید در زمینه ریاضیات و آمار مهارت های خود را تقویت کنید
۲- دانش کاملی از بانک اطلاعاتی کسب کنید.
با توجه به حجم عظیم داده ها و همچنین گسترش لحظه داده ها، اغلب سازمان ها ترجیح می‌دهند از نرم افزار های مدیریت پایگاه داده مانند Postgresql یا MSSql و ... استفاده کنند. عملکرد خوب در زمینه یادگیری DBMS و نرم افزار های مدیریت بانک اطلاعاتی، قدم مهمی در تبدیل شدن به یک دانشمند داده است.(در مقاله دیگری نرم افزار های مدیریت بانک اطلاعاتی و انواع آن را برسی خواهیم کرد.)
۳- در ترکیب داده‌ها، تصویر سازی آنها و گزارش دهی مهارت کسب کنید.
ترکیب داده ها به معنی جمع آوری داده های مرتبط به هم، ترکیب آنها و به دست آوردن نتایج جدید تر و کاربردی تر است. با ترکیب و تجزیه تحلیل این داده ها نتایجی به دست خواهد آمد که نحوه نمایش آنها نیز از اهمیت زیادی برخوردار است. روش های تصویر سازی بصری داده ها را فرابگیرید و همچنین در گزارش دهی اطلاعات به دست آمده مهارت کسب کنید.
۴-مهارت ارتباطی خود را تقویت کنید.
مهارت های ارتباطی یک دانشمند بزرگ داده را از یک دانشمند داده خوب متمایز می کند. بیشتر مواقع خود را در پشت درهای بسته می بینید که یافته های تجزیه و تحلیل داده های خود را برای افرادی که مهم هستند توضیح می دهید ، و توانایی داشتن مسیر با کلمات همیشه در هنگام مقابله با موقعیت های پیش بینی نشده مفید خواهد بود
۵-همه جا دنبال دانش باشید.
دانش های وابسته داده مانند یادگیری ماشین، هوش مصنوعی و ... را فرابگیرید. همچنین زمینه تحلیل داده و تصمیم گیری بر مبنای داده بینش وسیع است که باید یادبگیرید و بینش خود را نسبت به داده ها توسعه دهید.
۶- کدنویسی را فرابگیرید.
تا زمانی که زبان برنامه نویسی مبتنی بر داده هارا فرانگیرید نمیتوانید یک دانشمند داده خوب باشید. کدنویسی ممکن است روی تخته باشد و فقط زمانی قادر به درک آن هستید که این دانش را به خوبی درک کرده باشید. این نکته را درنظر داشته باشید که یک کدنویس خوب نمی‌تواند دانشمند داده خوبی باشد اما یک دانشمند داده خوب قطعا کدنویس خوبی است.
۷-به یادگیری BigData علاقه‌مند باشید.
یک دانشمند داده معمولا حجم زیادی از داده هارا به صورت تفکیک شده و تفکیک نشده کنترل میکند که ممکن است این داده روی یک ماشین یا حتی چند ماشین باشند. آموزش ها و ابزار های متفاوتی در زمینه BigData وجود دارد که با یک جست‌وجوی ساده در اینترنت قابل یافتن هستند.
۸- رقابت کنید.
وبسایت ها و زمینه های زیادی وجود دارد برای تیم سازی و رقابت با سایر افراد و تیم ها. فعالیت کنید و دانش های به دست آمده خود را در زمینه داده تکمیل کنید. وبسایت Kaggle یک بستر خوب برای انجام این رقابت و افزایش مهارت در زمینه دیتا است.
۹- همزمان با جامعه دانشمندان داده بروز باشید.
افراد مهم و وبسایت های مهم در این حوزه را شناسایی و آنها را دنبال کنید. همیشه سعی کنید به جدید ترین متد ها و ابزار های این حوزه تسلط داشته باشید و همیشه دانش خود را بروز نگه دارید.
۱۰- روی یک پروژه واقعی کار کنید.
یکی از مهترین قدم هایی که پس از برداشتن ۸ قدم قبلی باید بردارید، ورود به دنیای دانشمندان داده و کار کردن روی حجم بزرگ داده هاست. سازمان ها و صنایعی که به دنبال دانشمند داده هستند شناسایی کنید و سعی کنید با وارد شدن به آنها مهارت های بیشتری کسب کنید و به مهارت بالاتری در آنالیز داده ها و ترکیب آنها برسید.
این ۱۰ قدم اساسی ترین نیاز های ورود هر شخص به دنیای دانشمندان داده است. گرچه تمام موارد بالا پیش نیاز به دست آوردن مهارت، ورود به یک جایگاه شغلی دانشمند داده و همچنین کسب تجربه در این زمینه است.
مطمئنا برای تبدیل شدن به یک دانشمند داده نیاز به فراگیری مهارت های زیادی است و باید کار کردن با ابزار های مختلف و متفاوتی را فرابگیرید ولی می‌توانید با این ۱۰ قدم یک نقشه عملی برای کسب این مهارت ها داشته باشید.
https://dzone.com/articles/10-steps-to-become-data-scientist-in-2018
