مسیرهای شغلی در علم داده

علم داده (Data Science) را می‌­توان به عنوان ترکیبی از تحلیل آماری و مهارت­‌های برنامه نویسی برای آنالیز دیتاست­‌هایی با حجم بالا و ارائه پیش‌­بینی‌­ها و نتایج معنی‌دار خلاصه کرد. این امر به اجرای بسیاری از مهارت‌ها مانند آمار، داده کاوی، رگرسیون، طبقه بندی، مدل سازی و تجسم داده‌­ها و غیره نیاز دارد.

جمع آوری داده­‌ها آغاز این راه است؛ زیرا بیشتر داده­‌های خام بدون فیلتر صحیح، مرتب سازی و تمیز کردن (cleaning) بی‌فایده هستند. داده‌­های خام برای اینکه بتوانند به طور مناسب مدل سازی شوند و مورد تجزیه و تحلیل قرار گیرند باید توسط محققان داده ترکیب و یا حذف گردند.

امروزه علم داده و کلان داده­‌ها (big data) نقش بسیار پررنگی در جهت ایجاد استراتژی­‌های موفق در تصمیم گیری یا روابط تجاری کمپانی‌­های بزرگ ایفا می­‌کنند. این نیاز روزافزون به مهندسی کلان داده و علوم کاربردی، بسیاری از صنایع را به استخدام محققان داده به عنوان جادوگران امروزی برای پیش بینی نتایج و ارائه تفسیرهای معنی‌دار سوق داده است.

در حال حاضر محققان داده با پیش زمینه‌­های مختلفی از جمله زیست­ شناسی، مالی، اقتصاد، محیط زیست، کامپیوتر، آمار و غیره وجود دارند. این تنوع و کاربردها در علوم مختلف باعث ایجاد یک بینش خلاقانه و افزایش مهارت حل مشکلات مختلف در آن‌­ها می­گردد. اگرچه این مقاله سعی در پوشش کلیه مشاغل مرتبط با علم داده را ندارد؛ اما سعی خواهد کرد متقاضیان یادگیری و متقاضیان شغل را با مسیرهای مختلف علم داده همانطور که در شکل زیر مشاهده می شود آشنا کند.

امور عمومی (Public Affair)

یک محقق داده در این مسیر شغلی از آمار و مهارت­‌های علوم کامپیوتر استفاده می‌­کند تا سیاست­‌های کلی مؤثری را در جهت رفع مشکلات اجتماعی ایجاد کند. این کار از طریق پرسشنامه­‌های سیاسی، زیرساخت‌­ها/ شهرهای هوشمند/ مدیریت حمل و نقل، تشخیص کلاهبرداری دولت (به عنوان مثال فرار مالیاتی)، مدیریت سیستم‌­های آموزش، بهداشت عمومی/ مسکن/ تحلیل داده‌­های اجرای قانون و غیره انجام می­شود.

آنالیز تجاری (Business Analytics)

آنالیزهای تجاری اساساً از علم داده برای تعیین تصمیمات تجاری، شناسایی نقاط ضعف و اعمال تغییرات عملی درون یک سازمان برای بهبود شاخص‌­های کلیدی عملکرد یا سایر اقدامات استفاده می‌­کنند. اگرچه تحلیل داده‌­ها و تحلیل­‌های تجاری اهداف مشترک یکسانی دارند؛ اما تصمیم گیری، انجام تغییرات و ارتباطات بیشتر در مورد دوم (تحلیل­‌های تجاری) وجود دارد.

سرمایه گذاری و امور مالی (finance)

تحلیل داده هسته اصلی خدمات مالی است. پیش بینی قیمت، استفاده از مدل­‌های آماری برای پیش بینی بورس، شناسایی تغییرات، تخمین طول عمر مصرف کننده و تشخیص کلاهبرداری از جمله مزایایی است که یک محقق داده می­‌تواند به ارائه دهندگان خدمات مالی ارائه دهد. در واقع استفاده از علم داده در امور مالی منجر به تصمیم گیری در زمان صحیح و ایجاد الگوریتم‌­های معاملاتی می­‌شود که فرصت­‌های بازار را پیش بینی کرده و نحوه ایجاد روابط با مشتری را بر اساس داده‌­های قبلی و هوش مصنوعی معین می­‌سازد.

علم کامپیوتر (Computer Science)

علم داده می­تواند به عنوان یک شاخه در حال توسعه از علم و به عنوان زیر مجموعه‌­ای از علم کامپیوتر به اضافه بخش آمار در نظر گرفته شود. با این حال به دلیل مباحث مشترک در علم داده و علم کامپیوتر، یک محقق داده می­‌تواند از نقطه تلاقی این تکنیک­‌ها نیز استفاده کرده و ریاضیات و مهارت­‌های رمزگذاری را در بسیاری از زمینه‌­های ­علم کامپیوتر مانند مدیریت دیتابیس (database)، محاسبات علمی و داده کاوی به کار گیرد. محقق داده در مباحثی از قبیل هوش مصنوعی و پردازش زبان طبیعی (natural language processing) نیاز دارد تا از پیش زمینه رمزگذاری بیشتری برخوردار باشد.

امنیت سایبری (Cybersecurity)

علم داده در بسیاری از سیستم­‌های امنیت سایبری استفاده می­‌شود. بر اساس مدل‌­های تحلیلی و هوش مصنوعی، پاسخ به مخاطرات قدیمی و جدید به طور خودکار انجام می­گردد. از طریق تکنیک­‌های علم داده، یک سازمان می­تواند داده‌­ها را از نزدیک مورد بررسی قرار داده و یک سیستم تشخیصی عالی را برای جلوگیری از کلاهبرداری و محافظت از اطلاعات ارزشمند پیاده سازی کند.

علم محیط زیست (Environmental Science)

در سال­‌های اخیر گرم شدن کره زمین به دلیل آلودگی­‌های صنعتی به یک موضوع مورد بحث تبدیل شده است. یک محقق داده با دانش زیست محیطی می­تواند تکنیک‌­های مدل سازی و پیش بینی را در مجموعه‌­های مختلف داده مانند سطح آلاینده‌­ها، افزایش سطح آب و میزان نمک، مقادیر جوی و داده­‌های مکانی از اکوسیستم‌­های مختلف زمین شناسی اعمال کند. نتایج را می‌­توان در سیستم‌­های اطلاعات جغرافیایی، اقلیم‌شناسی، سنجش از دور برای پروژه‌­های نظارتی بر محیط زیست و تغییرات جهانی آب و هوا استفاده کرد.

روابط اقتصادی بین المللی (International Economic Relations)

علم داده همچنین می­‌تواند برای فراهم آوردن درک عمیق از اقتصاد سیاسی بین المللی، اقتصاد محیط زیست، فرایند جهانی سازی و جهانی شدن (globalization process) و روابط تجاری و مالی مورد استفاده قرار گیرد.

اقتصاد خرد (Microeconomics)

یک محقق داده می­‌تواند مهارت­‌های خود را در زمینه‌­هایی مانند اقتصاد و تحلیل اقتصادی، اقتصاد عمومی و کار، آزمایش‌­های اقتصادی و ارزیابی تأثیر به کار گیرد.

بیوتکنولوژی (Biotechnology)

بیوتکنولوژی را می­‌توان علم استفاده از روش­‌های تکنیکی برای تحلیل ارگانیسم زنده، سیستم‌­های بیولوژیکی یا به طور کلی سیستم مراقبت‌­های بهداشتی تعریف کرد. بسیاری از شرکت­‌های بیوتکنولوژی (زیست فناوری) نیاز به استخدام محققان داده دارند. آنالیز ژنوم و تعیین توالی نسل بعدی به بیوتکنولوژیست‌­ها با دانش آماری و برنامه نویسی نیاز دارد تا حجم وسیعی از داده­‌ها را برای یک تحقیق خاص آنالیز کنند. علاوه بر این، اکتشافات دارویی مانند واکسن، آنالیز عوارض جانبی و طبقه بندی میکروارگانیسم‌­ها یا بیماری‌­ها می‌­توانند از طریق علم داده انجام شوند.

هر چه مشاغل بیشتری به علم داده اعتماد می­‌کنند، نیاز به متخصصانی که می‌­توانند داده­‌ها را جمع آوری، سازماندهی و تفسیر کنند افزایش می‌یابد. در سال­‌های آینده نیاز به تحلیلگران و محققان داده بسیار زیاد خواهد بود و مشاغل مختلف موجود در این زمینه تکنیک­‌های منحصر به فرد در جهت رفع مشکلات مربوط به داده‌­ها را ایجاد خواهند کرد.

منبع: TOWARDSDATASCIENCE