مهارت های نرم (Soft Skills) مورد نیاز یک دانشمند داده
امروزه به دو مجموعه متفاوت از مهارت‌ها برای انجام کارها نیاز داریم که مهارت‌های سخت (Hard Skills) و مهارت‌های نرم (Soft Skills) نامیده می شوند.مهارت‌های سخت (Hard Skills) به توانایی فرد در انجام وظایف فنی و تخصصی گفته می‌شود. در واقع مهارت‌های سخت مجموعه‌ای از مهارت‌های اکتسابی، قابل تدریس و مربوط به دقت در جزئیات تخصصی است. مثل مهارت به‌کارگیری یک ابزار خاص مانند دستگاه جوش یا استفاده از یک نرم‌افزار مانند Excel.
مهارت‌های نرم (Soft Skills) مهارت هایی هستند که با درونیات و خلق و خوی فرد سر و کار دارند. این مهارت ها به نحوه تعامل شخص با خود و سایر افراد مرتبط هستند و در انجام کارهای مختلف تاثیر می گذارند مانند مهارت حل مسئله، توانایی هماهنگی در کار تیمی. یادگیری مهارت های نرم اگر چه به نظر آسان می رسد، اما به مراتب از مهارت‌های سخت، دشوارتر است. یک دانشمند داده نیز برای انجام وظایف خود به مهارت های نرم نیاز دارد که در ادامه به آنها اشاره شده است.
مهارت های نرمی که هر دانشمند داده باید داشته باشد:
ارتباط (Communication): یکی از نیازمندیهای اصلی هر شغل، ارتباط است. ارتباط به دانشمندان داده این امکان را می دهد تا بینش های مبتنی بر داده خود را به گونه ایی قابل درک برای صاحبان مشاغل و ذینفعان بیان کنند و توضیح دهند این بینش ها چه ارزشی برای کسب کار آنها به ارمغان می آورد. این نتایج باید به طور موثر به مخاطبان فنی و غیر فنی انتقال یابد. به این ترتیب آنها می توانند دانش داده ایی را در سازمان ارتقا دهند.
کنجکاوی (Curiosity): کنجکاوی دانشمندان داده را ترغیب می کند تا به دنبال پاسخ هایی برای حل بحران های تجاری باشند. آنها می توانند عمیق تر شوند و فراتر از فرضیات اولیه و پاسخ های سطحی بروند. پرسیدن دایم سوال "چرا" از راضی شدن دانشمند داده به یک پاسخ واحد جلوگیری می کند. دانشمند داده باید به اندازه کافی کنجکاو باشد تا نه تنها پاسخ مشکلات شناخته شده را بیاید بلکه برای پرسش های پنهان و نادیده گرفته شده نیز دنبال راه حل باشد. در نتیجه، آنها بینش هایی با کیفیت بالاتر از داده ها به دست می آورند.
تیزهوشی تجاری (Business Acumen): دانشمند داده با حجم زیادی از دانش روبرو است. اگر آنها به طور مناسبی تفسیر نشوند، این اطلاعات ارزشمند از بین می روند زیرا مدیران سطح بالا هرگز نمی توانند از آنها برای تصمیمات تجاری استفاده کنند. بنابراین دانشمندان داده باید خود را به دانش گرایشات فعلی و آینده صنعت مجهز کنند و به مفاهیم و ابزارهای اصلی کسب و کار مسلط باشد.
تطبیق پذیری (Adaptability): تطبیق پذیری یکی از متداول ترین مهارت های عصر حاضر می باشد. به دلیل اینکه نوآوری در تکنولوژی با سرعت زیادی در حال افزایش است، متخصصان باید با به روز ترین تکنولوژی ها سازگار شوند و یک دانشمند داده باید آماده پاسخ به گرایشات تجاری مختلف باشد.
داستان سرایی (Storytelling) : داستان سرایی به دانشمند داده کمک می کند تا نتایج کار خود را به صورت منسجم و قابل درک، منتقل کند. داستان سرایی داده ها، بصری سازی سازی داده را به بعد دیگری می برد و این امکان را فراهم می کند که تصمیم گیرندگان مسائل را از دیدگاهی جدیدی ببینند. یک رویکرد داستان سرایی قانع کننده، روایتی قوی از داده ها ایجاد می کند که در آن ذینفعان به درک روشنی دست می یابند و بهتربن روش عمل را مشخص می کند.
تفکر انتقادی (Critical Thinking): تفکر انتقادی به دانشمند داده این امکان را می دهد برای یک مسئله تحلیل علمی انجام دهند، سوالات خود را به درستی تنظیم کند، تعیین کنند که چگونه یافته های او به سازمان کمک کند و آنها را به عملکرد مورد نیاز نزدیک می کند. قبل از اعلام نظر خود، تحلیل علمی مسائل در حین تفسیر داده معقول به نظر می رسد. این کار دانشمندان داده را ترغیب می کند تا با نگاهی دقیقتر به منابع داده، همه زوایای مسئله را بررسی کرده و همچنان با کنجکاوی همه سوگیری ها را از خروجی نهایی حذف کنند.
درک محصول (Product Understanding): به عنوان یک دانشمند داده، طراحی مدل همه چیز نیست و باید بینش های کاربردی برای بهبود کیفیت محصول ارائه دهد. با به دست آوردن درک کاملی از محصول، متخصصان می توانند به سرعت با رویکردی سیستماتیک شتاب بگیرند. آنها می توانند مدل ها را راه اندازی کنند و مهندسی ویژگی را بهبود بخشند. علاوه بر آن، این مهارت به آنها کمک می کند داستان سرایی خود را تکمیل کنند و افکار و بینش های نادیده گرفته شده در مورد محصول را آشکار کنند.
کار تیمی (Team Player): دانشمندان داده در یک محیط جدا از دیگران کار نمی کنند. آنها باید اهمیت کار گروهی را تشخیص دهند و همکاری موثری با دیگران داشته باشند. برای انجام این کار، باید به سایر اعضای تیم گوش کنند و از نظرات آنها استفاده کنند.
