Τον τελευταίο χρόνο η επιστήμη των δεδομένων έγινε αναπόσπαστη από καθημερινή λειτουργία. Η επιστήμη δεδομένων χρησιμοποιείται στα προϊόντα, το μάρκετινγκ, τη μηχανική και τις πωλήσεις για τη λήψη κρίσιμων αποφάσεων. Οι συγκλονιστικές δηλώσεις του «Data Scientist» ως της πιο σέξι δουλειάς έχουν ανεβάσει στα ύψη τη δημοτικότητα αυτού του nerdy τίτλου εργασίας.
Ως αποτέλεσμα, μπορούμε να δούμε τους ανθρώπους να αναβοσβήνουν τον τίτλο εργασίας τους και μερικοί προσπαθούν να γίνουν ένα. Κοιτάζοντας τα προσόντα, την εκπαίδευση, την εμπειρία, την ικανότητα και τη στάση τους, είναι προφανές ότι δεν εμπίπτουν όλοι στην ίδια κατηγορία. Γιατί λοιπόν χρησιμοποιούν τον ίδιο τίτλο εργασίας ανεξάρτητα από τις διαφορές;
Αυτό μπορεί να οφείλεται στο γεγονός ότι οι επιστήμονες δεδομένων μπορούν να ταξινομηθούν σε δύο κατηγορίες:
- Επιστήμη δεδομένων επικεντρωμένη στα προϊόντα.
- Στυλ επιχειρηματικής ευφυΐας της επιστήμης δεδομένων.
Υπάρχουν περίπου 4 έως 5 ομάδες σε κάθε κατηγορία.
Στην έκθεση του O’Reilly Strata «Ανάλυση των Αναλυτών», οι επιστήμονες δεδομένων ταξινομούνται με βάση την επιστήμη δεδομένων που εστιάζεται στα προϊόντα ως εξής.
Επιστήμη δεδομένων επικεντρωμένη στα προϊόντα
- Ερευνητής δεδομένων
Οι επαγγελματίες αυτής της κατηγορίας προέρχονται από τον ακαδημαϊκό κόσμο και έχουν βάθος στα στατιστικά ή στις φυσικές ή κοινωνικές επιστήμες. Αυτός ο τύπος επιστημόνων δεδομένων κατέχει συχνά διδακτορικό αλλά είναι ασθενώς ειδικευμένος στη μηχανική μάθηση, τον προγραμματισμό ή τις επιχειρήσεις.
- Προγραμματιστής δεδομένων
Αυτά τα παιδιά τείνουν να επικεντρώνονται σε τεχνικά ζητήματα που συνοδεύουν τον χειρισμό δεδομένων. Είναι ισχυροί στον προγραμματισμό και στη μηχανική μάθηση, αλλά είναι αδύνατοι στις δεξιότητες επιχειρήσεων και στατιστικών.
- Δημιουργικά δεδομένων
Αυτά είναι τα παιδιά που κάνουν κάτι καινοτόμο από τα βουνά των δεδομένων. Έχουν μεγάλη εξειδίκευση στη μηχανική μάθηση, τα Big Data, τον προγραμματισμό και άλλες δεξιότητες για τη διαχείριση τεράστιων δεδομένων.
πώς να χρησιμοποιήσετε την ισχύ στο python
- Άνθρωποι επιχειρηματικών δεδομένων
Αντιπροσωπεύουν την επιχειρηματική πλευρά και είναι υπεύθυνες για τη λήψη ζωτικών επιχειρηματικών αποφάσεων μέσω τεχνικών ανάλυσης δεδομένων. Είναι ένας εκλεκτικός συνδυασμός επιχειρηματικής και τεχνικής επάρκειας.
Επιστήμη Δεδομένων βασισμένη στην Επιχειρηματική Νοημοσύνη
- Ποσοτικοί, διερευνητικοί επιστήμονες δεδομένων
Οι επιστήμονες ποσοτικών, διερευνητικών δεδομένων τείνουν να έχουν διδακτορικά και να χρησιμοποιούν θεωρία για να κατανοήσουν τη συμπεριφορά. Συνδυάζοντας τη θεωρία και τη διερευνητική έρευνα, αυτοί οι επιστήμονες δεδομένων βελτιώνουν τα προϊόντα.
- Επιστήμονες επιχειρησιακών δεδομένων
Οι επιστήμονες επιχειρησιακών δεδομένων εργάζονται συχνά σε ομάδες χρηματοδότησης, πωλήσεων ή επιχειρήσεων σε έναν οργανισμό. Ο ρόλος του είναι να αναλύσει την απόδοση, τις απαντήσεις και τη συμπεριφορά μιας διαδικασίας, να βελτιώσει τη στρατηγική και την αποτελεσματικότητα του οργανισμού.
- Επιστήμονες δεδομένων προϊόντων
Οι επιστήμονες δεδομένων προϊόντων ταιριάζουν στη διαχείριση προϊόντων ή στη μηχανική. Η δουλειά τους είναι να κοσκινίζουν τα αρχεία καταγραφής και τα εργαλεία ανάλυσης, να κατανοούν τον τρόπο με τον οποίο οι χρήστες κάνουν χρήση ενός προϊόντος και να χρησιμοποιούν αυτές τις γνώσεις για να βελτιώνουν το προϊόν.
διαφορά μεταξύ git και github
- Επιστήμονες δεδομένων μάρκετινγκ
Οι επιστήμονες δεδομένων μάρκετινγκ επικεντρώνονται στη βάση χρηστών, αξιολογούν την απόδοση και εργάζονται για τη βελτίωση της αποτελεσματικότητας, όπως και ο τυπικός τύπος μάρκετινγκ.
- Επιστήμονες ερευνητικών δεδομένων
Οι επιστήμονες δεδομένων έρευνας δημιουργούν πληροφορίες από ένα σύνολο δεδομένων. Είναι σπάνιο για τις νεοσύστατες εταιρείες να απασχολούν ερευνητές επιστήμονες, επειδή η παραγωγή δεν συνδέεται με τα κέρδη. Αλλά οι μεγαλύτερες εταιρείες, τα think tank και τα χρηματοπιστωτικά ιδρύματα το κάνουν.
Αυτή η ταξινόμηση δείχνει ότι οποιαδήποτε ομάδα ατόμων μπορεί να ενταχθεί σε οποιαδήποτε από τις κατηγορίες. Ο σωστός τύπος επιστημόνων δεδομένων μπορεί να επιλεγεί με βάση τις απαιτήσεις του οργανισμού
Πριν επιλέξετε τον τύπο των επιστημόνων δεδομένων που θέλετε να γίνετε, λάβετε υπόψη τις απαιτούμενες δεξιότητες ή τις δεξιότητες που έχετε ήδη για να προχωρήσετε στην κατάλληλη κατεύθυνση.
Λοιπόν, ποιος θα είσαι; Ένας προγραμματιστής, ένας στατιστικολόγος, ένας έμπορος, ένας προϊστάμενος επιχείρησης ή ένα τζακ όλων των συναλλαγών;
Το Edureka έχει μια ειδική επιμέλεια που σας βοηθά να αποκτήσετε εμπειρία σε αλγόριθμους μηχανικής εκμάθησης όπως ομαδοποίηση K-Means, δέντρα απόφασης, τυχαίο δάσος, Naive Bayes. Θα μάθετε τις έννοιες της Στατιστικής, της Χρονικής Σειράς, της Εξόρυξης Κειμένων και μια εισαγωγή στη Βαθιά Μάθηση επίσης. Νέες παρτίδες για αυτό το μάθημα ξεκινούν σύντομα !!