12 Δεκεμβρίου 2017

Η ζωή ενός Data Scientist

Η παγκόσμια ζήτηση για ειδικευμένους επιστήμονες δεδομένων συνεχίζει να αυξάνεται και μια ερώτηση των επιχειρηματιών είναι, τι κάνει ένας Data Scientist;

Όταν ένα λαϊκό άτομο μέσα σε μια βιομηχανία προσπαθήσει να συλλάβει την ουσία της ζωής ενός Data Scientist, συγχέει τη σκέψη ότι αυτό το επάγγελμα συνδέεται με ένα συγκεκριμένο εμπόριο, ένα συγκεκριμένο ακαδημαϊκό πτυχίο ή έναν ενιαίο οργανωτικό ρόλο.

Αντιθέτως, ο ρόλος του Data Scientist είναι να εντοπίσει και να επιλύσει μέρα με την ημέρα τα προβλήματα που αντιμετωπίζει η επιχείρηση μέσα από μια διεπιστημονική προσέγγιση που περιλαμβάνει πολλές διαφορετικές δεξιότητες, όπως τα μαθηματικά, την στατιστική, την επιστήμη των υπολογιστών, την επιχειρησιακή έρευνα και τέλος τον κόσμο των business.

Κατά κάποιο τρόπο, η δουλειά ενός Data Scientist, είναι πρώτα να κατανοήσει τις υπάρχουσες επιχειρηματικές διαδικασίες, στην συνέχεια τον προσδιορισμό των υποκειμενικών προβλημάτων και στην συνέχεια να επιχειρήσει την επίτευξη λύσεων μέσω των τεχνολογιών που βασίζονται σε δεδομένα για τον εξορθολογισμό των διαδικασιών για μεγαλύτερα κέρδη. Είναι συχνό φαινόμενο, να υπάρχουν Data Scientists με διαφορετικό ακαδημαϊκό υπόβαθρο ο καθένας, όπως, μηχανικής μάθησης και προγραμματισμού, θεωρητικής στατιστικής και μοντελοποίησης, καθώς επίσης και με γνώση μαθηματικών. Όταν όμως εισέλθουν στον τομέα του Data Scientist το κοινό χαρακτηριστικό όλων είναι η περιέργεια να διαλευκάνουν το μυστήριο πίσω από τα δεδομένα των επιχειρήσεων.

To πιο σημαντικό στοιχείο που διακρίνει έναν Data Scientist από άλλες ειδικότητες, είναι η ανώτερη ικανότητά του να παραδώσει αλγορίθμους που υπόσχονται να επιλύσουν τα προβλήματα των επιχειρήσεων. Στην πραγματικότητα, το μεγαλύτερο κίνητρό του είναι να επιλύσει προβλήματα με τα δεδομένα και τα εργαλεία που διαθέτει η επιχείρηση, τα οποία τα χρησιμοποιούν και άλλα στελέχη που ασχολούνται με τα προβλήματα της εταιρείας.

Το δεύτερο σημαντικό στοιχείο στην δουλειά του Data Scientist είναι η σωστή λειτουργία του έργου που του έχει ανατεθεί. Σε μια εταιρεία, επενδύεται πολύς χρόνος στην ευθυγράμμιση των επιχειρηματικών στόχων με τους στόχους της τεχνολογίας. Σε μια μεγάλη επιχείρηση με ανταγωνιστικές ομάδες, όπως ομάδες ανάλυσης και ειδικούς τεχνολογίας, η δουλειά της ευθυγράμμισης των ομάδων σε όλους τους επιχειρηματικούς ομίλους είναι μια πραγματική πρόκληση.

Μια αναφορά της Glassdoor το 2016, που αναφερόταν στο ποσοστό ανέλιξης των επαγγελμάτων με βάση των μισθό τους, την προοπτική ανέλιξης και την επαγγελματική κατάσταση, το επάγγελμα του Data Scientist βρισκόταν στην πρώτη θέση. Το μεγαλύτερο ποσοστό των Data Scientist στην συγκεκριμένη έρευνα, απάντησαν ότι αυτό που τους ωθεί να βελτιώνονται, είναι η αντιμετώπιση πραγματικών προβλημάτων. Επίσης, στην συνέχεια σχολίασαν ότι το 80% του χρόνου που δαπανούν, αφιερώνεται στον καθαρισμό των δεδομένων και την προετοιμασία τους για ανάλυση. Ο υπόλοιπος χρόνος δαπανάται στις στατιστικές αναλύσεις.

Ένα blog στην ιστοσελίδα Umbel προσπαθεί να περιγράψει τα καθήκοντα των Data Scientist κατά την διάρκεια της ημέρας. Αναφέρει ότι τα πρωινά είναι γεμάτα με συναντήσεις μέσω του ίντερνετ ή πρόσωπο με πρόσωπο για να συζητήσουν ένα πρόβλημα αλλά και να αναφέρουν την πρόοδο που έκαναν. Στις συνεδριάσεις, θα μπορούσαν να ξοδέψουν το χρόνο τους για να ερευνήσουν τα δεδομένα, την εξερεύνηση των στατιστικών διαδικασιών ή μοντελοποίησης. Τα απογεύματα διατίθενται για την διαβούλευση των πελατών ή την ανάπτυξη των επιχειρήσεων. Στο τέλος της ημέρας, οι ομάδες εργασίας συναντιούνται για να συζητήσουν τα επιτεύγματα της ημέρας.

Ένα άρθρο της Booz Allen, αναφέρει ότι οι περισσότεροι Data Scientist αφιερώνουν τον περισσότερο χρόνο τους για την κατανόηση των δεδομένων, τον εντοπισμό διάφορων patterns, στην δημιουργία αλγορίθμων και προγραμμάτων για να μπορέσουν να επιλύσουν τα προβλήματα της επιχείρησης. Πολλές φορές επειδή είναι δύσκολο να επιλύσει μόνος του τα προβλήματα, συνεργάζεται με ομάδες έτσι ώστε να επιλύσουν το πρόβλημα που του ανατέθηκε να λύσει.

Ένα άρθρο του πανεπιστημίου Ruther αναφέρετε στην ζωή ενός Data Scientist κατά την διάρκεια μιας ημέρας. Αναφέρει τα εξής:

  • Η ζωή του Data Scientist μπορεί να ποικίλει σε μεγάλο βαθμό ανάλογα με τις ανάγκες των επιχειρήσεων και τις πραγματικές συνθήκες εργασίας.
  • H βασική δεξιότητα που απαιτείται για την επιτυχία του, είναι η κατανόηση των δεδομένων.
  • Καθώς βελτιώνει τις ικανότητές του, θα πρέπει να διαδίδει και στους συναδέλφους του τις πρακτικές του, ούτως ώστε και αυτοί να ανεβάζουν το επίπεδο της επικοινωνίας τους.

Πηγή: dataversity.net