دانشمندان داده
Data Scientistsتوسعه و پیادهسازی مجموعهای از روشها یا برنامههای کاربردی تحلیل داده برای تبدیل داده خام به اطلاعات معنادار با استفاده از زبانهای برنامهنویسی دادهمحور و نرمافزارهای بصریسازی. بهکارگیری دادهکاوی، مدلسازی داده، پردازش زبان طبیعی و یادگیری ماشین برای استخراج و تحلیل اطلاعات از مجموعهدادههای بزرگ ساختیافته و ساختنیافته. نمایش بصری، تفسیر و گزارش یافتههای حاصل از دادهها. ممکن است گزارشهای پویای داده ایجاد کنند.
- کد SOC
- 15-2051.00
معرفی شغل
دانشمند داده از داده برای حل مسئله و کمک به تصمیمگیری بهتر استفاده میکند. او حجم زیادی از اطلاعات را از منابعی مانند وبسایتها، اپلیکیشنها یا حسگرها گردآوری، سازماندهی و تحلیل میکند. دانشمندان داده با ابزارهایی مانند آمار، برنامهنویسی و یادگیری ماشین، الگوها و بینشهایی را مییابند که به کسبوکارها، دولتها و سازمانها کمک میکند روندها را بشناسند، محصولات را بهبود دهند یا نتایج آینده را پیشبینی کنند. آنها در حوزههای متعددی از جمله سلامت، مالی، بازاریابی، انرژیهای تجدیدپذیر و فناوری فعالاند.
یک روز کاری
گردآوری حجم زیادی از داده از منابع مختلف و سپس سازماندهی و پاکسازی آن برای حذف خطاها یا موارد تکراری تا داده آماده تحلیل شود.
استفاده از آمار و ابزارهای برنامهنویسی برای یافتن الگوها و روندهایی که وضعیت موجود را توضیح میدهند یا رخداد بعدی را پیشبینی میکنند.
ساخت مدلهای یادگیری ماشین یا الگوریتمها برای پیشبینی نتایج، خودکارسازی کارها یا پشتیبانی از تصمیمگیری.
تبدیل نتایج پیچیده دادهای به نمودارها، گزارشها یا ارائههای ساده که دیگران بهراحتی درک کنند و بر اساس آنها اقدام کنند.
کار با مهندسان، تحلیلگران یا مدیران کسبوکار برای درک اهداف و اطمینان از اینکه پروژههای دادهای پاسخگوی نیازهای واقعی هستند.
کمک به ساخت یا بهبود ابزارها و سامانههایی که برای گردآوری، ذخیره و مدیریت کارآمدتر داده به کار میروند.
وظایف شغلی
- تحلیل، دستکاری یا پردازش مجموعههای بزرگ داده با استفاده از نرمافزار آماری.
- بهکارگیری الگوریتمهای انتخاب ویژگی در مدلهایی که پیامدهای مورد نظر، مانند فروش، ریزش مشتری و مصرف خدمات سلامت، را پیشبینی میکنند.
- مقایسه مدلها با استفاده از سنجههای عملکرد آماری، مانند تابع زیان یا نسبت واریانس تبیینشده.
- شناسایی روابط و روندها یا هر عاملی که بتواند بر نتایج پژوهش اثر بگذارد.
- شناسایی راهکارهای مسائل کسبوکار، مانند تصمیمهای بودجهبندی، تأمین نیرو و بازاریابی، با استفاده از نتایج تحلیل داده.
- پیشنهاد راهکارها در مهندسی، علوم و سایر حوزهها با استفاده از نظریهها و فنون ریاضی.
- بهکارگیری فنون نمونهگیری برای تعیین گروههایی که باید پیمایش شوند، یا استفاده از روشهای سرشماری کامل.
- شناسایی مسائل کسبوکار یا اهداف مدیریتی که میتوان از طریق تحلیل داده به آنها پرداخت.
- ساخت نمودار، جدول یا سایر تصویرسازیها برای انتقال نتایج تحلیل داده با استفاده از نرمافزار تخصصی.
- پاکسازی و دستکاری دادههای خام با استفاده از نرمافزار آماری.
- طراحی پیمایش، نظرسنجی یا سایر ابزارهای گردآوری داده.
- ارائه شفاهی یا کتبی نتایج مدلسازی ریاضی و تحلیل داده به مدیریت یا سایر کاربران نهایی.
تخصصها
از دادههای بسترهای خرید آنلاین برای شناخت رفتار مشتری، بهینهسازی توصیه محصول، بهبود راهبردهای قیمتگذاری و افزایش فروش استفاده میکند.
دادههای تولید و مصرف انرژی را تحلیل میکند تا بهرهوری را بهبود دهد، تقاضا را پیشبینی کند و از طرحهای انرژی تجدیدپذیر پشتیبانی کند.
در طراحی و پیادهسازی الگوریتمهایی تخصص دارد که به رایانهها امکان میدهند از داده بیاموزند و پیشبینی یا تصمیمگیری کنند.
سامانهها و زیرساخت لازم برای گردآوری، ذخیره و پردازش کارآمد حجم زیاد داده را میسازد و نگهداری میکند.
بر تحلیل داده برای بهبود راهبردهای کسبوکار، کمپینهای بازاریابی، تجربه مشتری و عملکرد فروش تمرکز دارد.
با دادههای پزشکی کار میکند تا مراقبت از بیمار را بهبود دهد، درمانها را توسعه دهد و عملیات بیمارستانی را بهینه کند.
از داده برای کشف تقلب، مدیریت ریسک و بهینهسازی راهبردهای سرمایهگذاری در بانکها، شرکتهای بیمه و مؤسسات مالی استفاده میکند.
در پژوهش دانشگاهی یا صنعتی کار میکند و مجموعهدادههای پیچیده را تحلیل و روشها یا مدلهای دادهمحور تازهای تدوین میکند.
درآمد و اشتغال
رضایت شغلی
تناسب شخصیتی و سبک کاری
شاغلان این شغل بیش از همه به این تیپهای شخصیتی نزدیکاند:
- ۱کاوشگرInvestigative
- ۲قاعدهمندConventional
- ۳هنریArtistic
کد هالند این شغل: I-C-A
دانشمندان داده شخصیت متمایزی دارند. آنها معمولاً افرادی کاوشگر هستند؛ یعنی اهل تفکر، دروننگر و پرسشگرند. کنجکاو، روشمند، خردگرا، تحلیلی و منطقیاند. برخی از آنها قاعدهمند نیز هستند، یعنی وظیفهشناس و محافظهکارند.
محیط و شرایط کار
دانشمند داده معمولاً در محیط اداری کار میکند؛ در دفتر مرکزی یک شرکت، یک شرکت فناوری، یک مرکز پژوهشی یا بهصورت دورکاری از خانه. محیط کار او معمولاً آرام است و به رایانه، نرمافزارهای داده و ابزارهای لازم برای تحلیل حجم زیاد اطلاعات مجهز است. بسیاری از دانشمندان داده ساعت کاری منعطف دارند و دورکاری رایج است، بهویژه برای کسانی که در حوزه فناوری یا مشاوره کار میکنند. بیشتر وقت آنها پشت رایانه میگذرد: نوشتن کد، اجرای مدلها و تفسیر نتایج. آنها معمولاً از ابزارهایی مانند Python، R، SQL و بسترهای یادگیری ماشین استفاده میکنند. دانشمندان داده با تیمهایی شامل تحلیلگران کسبوکار، مهندسان و مدیران نیز کار میکنند، بنابراین بخشی از روز خود را در جلسات یا در گفتوگو درباره یافتهها میگذرانند تا دیگران بتوانند تصمیمهای دادهمحور بگیرند.
تحصیلات و مسیر ورود
پایه این کار مدرک کارشناسی است؛ در علم داده یا در رشتهای نزدیک مانند علوم کامپیوتر، آمار، ریاضیات کاربردی، فیزیک یا مهندسی کامپیوتر.
پایتون و SQL، آمار و آزمون فرضیه، یادگیری ماشین، پاکسازی داده و مصورسازی. دورههای آنلاین آزاد و بوتکمپها هم همینها را میآموزند؛ خروجی بوتکمپ مجموعهای از پروژههای واقعی است.
کارهایی مانند کارشناس مصورسازی داده، تحلیلگر مدیریت یا تحلیلگر تحقیقات بازار با همان مدرک کارشناسی در دسترس است و تجربه عملی میسازد.
بیشتر دانشمندان داده مدرک تحصیلات تکمیلی دارند. نقشهایی مانند مهندس داده، آماردان یا توسعهدهنده الگوریتم یادگیری ماشین کارشناسی ارشد میخواهند و نقشهای پژوهشی اغلب دکترا.
پس از چند سال، تمرکز بر یک صنعت یا یک حوزه کاری مانند بازاریابی یا قیمتگذاری رایج است. فناوریهای این رشته پیوسته عوض میشود، بنابراین یادگیری ادامه دارد.
- تجربه
- مقدار قابل توجهی از مهارت، دانش یا تجربه مرتبط با کار برای این مشاغل مورد نیاز است. به عنوان مثال، یک حسابدار باید چهار سال کالج را بگذراند و چندین سال در حسابداری کار کند تا واجد شرایط در نظر گرفته شود.
- تحصیلات
- اکثر این مشاغل نیاز به مدرک لیسانس چهار ساله دارند، اما برخی از آنها نیازی به مدرک لیسانس ندارند.
- آموزش
- کارمندان در این مشاغل معمولاً به چندین سال تجربه مرتبط با کار، آموزش در حین کار و/یا آموزش حرفه ای نیاز دارند.
- نمونهها
- بسیاری از این مشاغل شامل هماهنگی، نظارت، مدیریت یا آموزش دیگران است. به عنوان مثال می توان به دلالان املاک، مدیران فروش، مدیران پایگاه داده، طراحان گرافیک، شیمیدانان، مدیران هنری و برآوردگران هزینه اشاره کرد.
مهارتهای نرمافزاری
ابزارهای عمومیتر
تأثیر هوش مصنوعی
کارهایی که AI دارد میگیرد
- تحلیل اکتشافی دادهها
- مهندسی ویژگیها
- انتخاب و آموزش مدل
- تولید کد برای خطوط پردازش داده
- مصورسازی استاندارد
- تهیه پیشنویس گزارش
- تنظیم ابرپارامترها
کارهایی که دست انسان میماند
- چارچوببندی مسئله و تعریف پرسش کسبوکار
- نقد مدل و تشخیص علت خطا
- بازبینی اخلاقی خروجی مدلها
- ارتباط با ذینفعان
- توسعه روششناسی نو
- استدلال علّی
مهارتهایی که از حالا ارزش یادگیری دارند
طراحی سامانههایی که مدلهای زبانی بزرگ و هوش مصنوعی مولد را در گردشکارهای تحلیلی و تولیدی به کار میگیرند.
سنجش نقادانه خروجی مدلها و ابزارهای هوش مصنوعی از نظر کیفیت، سوگیری و اتکاپذیری، پیش از به کار بستن آنها در تصمیمهای کسبوکار.
سوالات متداول
آیا هوش مصنوعی جایگزین دانشمندان داده میشود؟
دانشمندان داده در عمل چگونه از ابزارهای هوش مصنوعی استفاده میکنند؟
چه مهارتهایی دانشمند داده را در محیط تقویتشده با هوش مصنوعی متمایز میکند؟
مشاغل و عناوین مرتبط
