Bir Veri Bilimcisinin Temel Nitelikleri

Büyük veri, bilgi teknolojisinin doğuşundan bu yana büyüyor. Artık gün aşırı oluşturduğumuz veriler, 2003 yılına kadar biriktirdiğimiz tüm verilere eşdeğer. Bu devasa miktardaki veri, sadece işletmeler için değil, tüm insan ırkı için paha biçilmez içgörüler içeriyor. Büyük veri analizi, bir süredir sağlık endüstrisine araştırmalarda yardımcı oluyor. Dahası, büyük veri kısa sürede kanser bilmecesini bile çözebilir .

Peki ya size Büyük verinin gerçekten nasıl kullanılacağını bilmiyorsanız bir anlam ifade etmeyen bir veri yığını olduğunu söylesem? Veri bilimcilerin resme girdiği yer burasıdır. Büyük verileri anlamlandırmak için veri bilimcilere ve kesin olmak için iyi olanlara ihtiyacımız var. Ve 'veri bilimcisi' unvanının sizi aldatmasına izin vermeyin, bir veri bilimcisi olarak adlandırılmak için sahip olması gereken birkaç nitelik vardır. Bir veri bilimcisi işe almak istiyorsanız veya kendiniz olmayı planlıyorsanız, aramanız veya sahip olmanız gereken nitelikler burada.

istatistiksel düşünme

Veriyi bilgiye dönüştürmek, bir veri bilimcisinin birincil işidir. Bu nedenle istatistiklerin teknik bilgisi, söylemeye gerek olmayan bir niteliktir. Olaylara nicel bir zihniyetle bakmak, verilerle uğraşırken tarafsız kalmak ve önyargıları uzak tutmak önemlidir. İyi bir veri bilimcisi, içgörülerin derinliğinin ve güvenilirliğinin veri miktarıyla orantılı olarak arttığını anlar ve yetersiz verilerle sonuca varmaktan kaçınır. Büyük miktarda veriyle, eğilimler ve içgörüler sayılar olarak ortaya çıkıyor. Bu nedenle, gerçek bir veri bilimcisi olmak için sayılara duyulan sevgi gereklidir. Bir veri bilimcisi, eyleme geçirilebilir içgörüler elde etmek için büyük miktarda veriyi sorgulayabilmeli ve ardından gelecekteki eğilimleri tahmin etmek için tahmine dayalı modelleme tekniklerini uygulayabilmelidir. Raporları hazırlamak ve içgörülere dayalı olarak önerilen eylem planlarını planlamak için istatistikleri iyi bir şekilde kavramak gerekir.

Programlama becerileri

Bir veri bilimcisi, boru hatları, araçlar, modüller, paketler, web siteleri, gösterge tabloları ve çok daha fazlasını oluşturmak için farklı ekiplerle birlikte çalışır. Bu, bir veri bilimcisinin uzman bir kodlayıcı olması gerektiği anlamına gelmez, ancak algoritmaları ve kodların nasıl çalıştığını anlamak, bir veri bilimcisinin çalışmasında uzun bir yol kat edebilir. Sistem size doğru eğilimleri veya içgörüleri sağlayamadığında, kolları sıvamanın ve bazı kodlar yazmanın zamanı gelmiştir. Bu, bazı programlama becerileri ve teknik esneklik olmadan imkansız olurdu.

Python, en çok yönlü ve uyumlu programlama dili olarak kabul edilir ve veritabanlarını ve MapReduce tipi sorguları işlemek için idealdir. Dili öğrenmesi kolay ve açık kaynak olduğu için python öğrenmek, sizinle veri bilimi hayaliniz arasında bir engel olmamalıdır.

Mükemmel 'sözde kod becerilerine' sahip olmak, bir veri bilimcisi işe alırken birçok kuruluş tarafından da dikkate alınır. 'Sözde kod becerileri', bir sorgunun veya algoritmanın nasıl çalışması gerektiğini sade İngilizce olarak yazma yeteneğidir. Bu problem çözme becerisi, bir veri bilimcisi olarak yükselmek için gereklidir. Veri bilimi, mevcut senaryonun gerektirdiğinden daha fazla beceriye sahip olmanın önemini vurgulayan altın standartlarının endişe verici bir oranda değiştiği bir endüstridir.

Meraklı bir zihin

Veri bilimi oldukça eski bir alan olmasına rağmen, zaman zaman keşifler yapılmaktadır. Bunun arkasındaki neden, eski bir sorunu çözmenin yeni yollarını bulma dürtüsüdür. Bir veri bilimcisi, verileri elde etmenin, birleştirmenin ve işlemenin ve daha iyi içgörüler elde etmek için araçlar bulmanın yeni ve daha iyi bir yolunu izlemek için her zaman meraklı bir zihne sahip olmalıdır. İdeal bir veri bilimcisi, veriler yalnızca meraklılara itiraf edebileceği sırlar içerdiğinden, meraklı olmaktan asla vazgeçmemelidir. Gerçek bir veri bilimcisi, verilerin kendi önyargılarını nasıl kanıtladığını görmeye çalışmaz, bunun yerine derinlerde saklı gerçekleri arar.

Veri ile işler bazen oldukça zorlaşabilir ve sadece merak sizi sonuçlara doğru yönlendirebilir. Bu nedenle merak, bir veri bilimcisinin en temel özelliklerinden biridir.

Sonuç odaklı doğa

Veri analitiği, sürecin kendisinden çok sonuçlarla ilgilidir. Beklenen sonuçlar olduğu sürece, sonuçları verilerle nasıl getirdiğinizin bir önemi yoktur. Veri bilimcilerin zaman zaman belirli sorunları çözmek için birden fazla yol izlemesi gerekebilir. Küçük engellerle oyalanmak, bir veri bilimcisi için iyi bir kalite değildir. Sonuç odaklı olmak, verileri sonuçlara dönüştürme konusundaki güçlü kararlılığın kendileri için itici güç haline geldiği durumlarda yardımcı olur. Genel olarak veri bilimcileri, aynı anda farklı görevleri yürütürken bir problemden diğerine geçen kişilerdir. Sonuçtan başka hiçbir şey onları bu çabadan alıkoyamaz.

Yaratıcılık

Yaratıcılık bu listede tuhaf görünebilir. Gerçek şu ki, bir veri bilimcisi için en önemli niteliklerden biridir. Yaratıcı insanlar hata yapmaktan korkmazlar, yeni şeyler denerler ve yeni alanları keşfetmeye cesaret ederler. Başarısızlıklarında fırsatlar bulurlar ve kolayca yön değiştirebilirler. Bunların hepsi veri bilimi için gereklidir.

İnsanları genellikle sol beyinli ve sağ beyinli olarak sınıflandırırız. Büyük veri gibi katı bilimler nadiren yaratıcılıkla ilişkilendirilir ve bu büyük bir hatadır. Veri bilimcileri iki kategori arasında bir yerdedir ve verileri işlemek için daha yeni yaklaşımlar ve yollar bulmak için bir dizi yaratıcılığa ihtiyaç duyarlar. İstatistikler ve veri tabanları, veri biliminin konusu değildir, analitiğin nihai çıktısını karar vericiler için faydalı kılan hikaye anlatımıdır.

Elbette yaratıcılık tek başına bir veri bilimcisi yapamaz. Tüketimi kolay, çekici ve göz alıcı raporlar hazırlayabilen biri, bir veri bilimcisi rolü için her zaman en uygun kişi olmayabilir. Veri bilimcileri yaratıcı problem çözücüler olarak adlandırılabilir.

Veritabanlarını anlama

Yapılandırılmış verilerle, yapılandırılmamış verilerle veya her ikisiyle birlikte çalışıyor olmanızdan bağımsız olarak, iyi bir veri bilimcisi, veritabanlarının çalışması hakkında temel bir fikre sahip olmalıdır. Ayrıca, sütunlu ve ilişkisel veritabanlarına ilişkin temel bir anlayış, bir veri bilimcisinin işini kolaylaştırmada uzun bir yol kat edebilir. Kurumsal depoların çoğu hala geleneksel ilişkisel veritabanlarını kullanıyor. Görevi yürütecek teknik personel bulunsa da, veri bilimcilerin de bu veritabanlarının kurulumuna dahil olmaları gerekecektir. Yapılandırılmamış verileri işleyebilen bir veritabanı altyapısı geliştirme bilgisi, tepedeki kiraz gibidir.

Harika iletişim becerileri

Bir veri bilimcisi çoğunlukla teknoloji, analitik ve iş adamları ile aynı anda çalışacaktır. S(o) genellikle ilgili tüm taraflar için tercüman olarak hareket eder. Teknoloji ve iş jargonunu aynı anda ele almak ve güçlü iletişim becerilerine ihtiyaç duyanlarla ne kullanacağını bilmek. Analizin çıktısı, en azından veri bilimcisi olmayan biri için genellikle hoş değildir. İçgörüler ve eğilimler sayıların içinde kalır ve yorumlanmalı ve iş ekibine ve paydaşlara anlayacakları şekilde iletilmelidir. Büyük bir veri bilimcisi, analizden elde edilen karmaşık çıktıyı, hikaye anlatımı, metaforlar ve görsel iletişim araçlarını kullanarak farklı geçmişlere sahip insanlar tarafından anlaşılan daha basit bir forma çevirebilmelidir.

Veri açlığı

Harika bir veri bilimcisi her zaman daha fazla veriye aç olur. Veri arayışı, daha fazla veri her zaman daha iyi veri olduğundan, herhangi bir belirlenmiş hedefi olmayan bir arayıştır. Bir veri bilimcisi, daha fazla veri kaynağı, onu elde etmenin daha iyi yollarını ve onu işlemek için yenilikçi yöntemler aramaya devam etmelidir. Daha fazla veri elde etme dürtüsü, veri analitiğin yakıtı olduğu için veri bilimcisinin sahip olması gereken bir şeydir.