นี่เป็น ” งานที่ เซ็กซี่ที่สุด ” ในศตวรรษที่ 21 ตามที่Harvard Business Reviewแนะนำหรือไม่? มันอธิบายคนที่ฉลาดจริง ๆ ด้วยปริญญาขั้นสูงในวิทยาการคอมพิวเตอร์ คณิตศาสตร์ประยุกต์ สถิติ เศรษฐศาสตร์หรือไม่? คนที่วิเคราะห์และแยกคุณค่าทางธุรกิจจากข้อมูลขนาดใหญ่?ที่เกี่ยวข้องคิดว่าบริษัทของคุณต้องการนักวิทยาศาสตร์ข้อมูลหรือไม่ คุณอาจคิดผิด
นักวิทยาศาสตร์ข้อมูลสามารถเป็นสิ่งเหล่านี้ได้ทั้งหมด
และอีกมากมาย มืออาชีพประเภทนี้มองหารูปแบบและแนวโน้มในชุดข้อมูลขนาดใหญ่ โดยใช้เครื่องมือ เทคนิค และการคิดเชิงวิพากษ์ที่หลากหลาย เพื่อให้ได้วิธีแก้ปัญหาเชิงปฏิบัติสำหรับปัญหาที่มีข้อมูลเป็นศูนย์กลางในชีวิตจริง
Hugo Bowne AndersenจากHBR กล่าวว่า”นักวิทยาศาสตร์ด้านข้อมูลใช้การทดลองออนไลน์ รวมถึงวิธีอื่นๆ เพื่อให้บรรลุการเติบโตอย่างยั่งยืน พวกเขายังทำความสะอาด จัดเตรียม ตรวจสอบความถูกต้องของข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างเพื่อสร้างท่อการเรียนรู้ของเครื่อง และผลิตภัณฑ์ข้อมูลส่วนบุคคลเพื่อให้เข้าใจธุรกิจของพวกเขาได้ดียิ่งขึ้น และลูกค้าและเพื่อการตัดสินใจที่ดีขึ้น”
ตอนนี้ แม้ว่าคุณจะไม่ได้เรียนด้านการวิเคราะห์ขั้นสูงและวิทยาศาสตร์ข้อมูล การทำความเข้าใจกระบวนการคิดที่นักวิทยาศาสตร์ข้อมูลต้องเผชิญอาจช่วยให้สตาร์ทอัพในระยะเริ่มต้นของคุณเข้าใจว่ามืออาชีพเหล่านี้ทำอะไรกันแน่:
นักวิทยาศาสตร์ข้อมูลถามคำถามที่ดี
โครงการวิทยาศาสตร์ข้อมูลใด ๆ จะมีชุดของความคาดหวังเกี่ยวกับผลงาน เป้าหมาย ผลลัพธ์ ระยะเวลา ฯลฯ และตามที่ James Le ชี้ให้เห็นใน บทความ ขนาดกลาง ” How to Think Like a Data Scientist in 12 Steps ” ซึ่งเป็นวิธีที่เป็นประโยชน์ในการ การเข้าใจความคาดหวังของบุคคลอย่างถ่องแท้คือการถามคำถามที่ดี
“คำถามที่ดีนั้นเป็นรูปธรรมในสมมติฐานของพวกเขา และคำตอบที่ดีคือความสำเร็จที่วัดได้โดยไม่เสียค่าใช้จ่ายมากเกินไป” Le เขียน การพัฒนาทักษะของคุณในการถามคำถามที่ดีนั้นมีประโยชน์ในทุกสถานการณ์ทางธุรกิจ อาจช่วยให้คุณเริ่มต้นใช้งานในระยะเริ่มต้นได้ หากคุณกำลังอยู่ระหว่างการเดินทางเพื่อขับเคลื่อนด้วยข้อมูลมากขึ้น Mark Schindler อภิปรายในTowardsDataScience.comว่า ” การสร้างแนวคำถาม ” จะมีประโยชน์สำหรับการสร้างกลยุทธ์ข้อมูล ได้ อย่างไร เขาแนะนำให้จัดคำถามของคุณออกเป็นสามประเภท:
คุณสามารถตอบคำถามอะไรได้บ้างในตอนนี้
คุณจะตอบคำถามอะไรได้บ้างหากคุณขุดคุ้ยข้อมูลปัจจุบันของคุณเพียงเล็กน้อย
คำถามใดที่คุณไม่สามารถตอบได้เนื่องจากคุณยังไม่มีข้อมูล
Schindler เสนอตัวอย่างคำถามสำหรับแต่ละหมวดหมู่:
“คุณมีการดาวน์โหลดกี่ครั้งใน 30 วันที่ผ่านมา” อาจจัดอยู่ในประเภทแรก
“ข้อมูลประชากรอายุของผู้ใช้บ่อยที่สุดใน 30 วันที่ผ่านมาคือเท่าใด” อาจตกอยู่ในวินาที
และ “ระยะเวลาเซสชันเฉลี่ยของผู้ใช้สูงสุดและต่ำสุดคือเท่าใด” อาจตกอยู่ในมือที่สาม
แบบฝึกหัดที่มีประโยชน์นี้ช่วยให้คุณเข้าใจสิ่งต่างๆ เกี่ยวกับธุรกิจและข้อมูลของคุณซึ่งคุณสามารถตอบได้ และอาจชี้ทิศทาง ( แผนที่เส้นทางข้อมูล ) ของคำถามใหม่ๆ หรือสถานการณ์สมมุติที่อาจยังไม่ได้รับการพิสูจน์หรือทราบว่าคุณต้องการ เพื่อสำรวจเพิ่มเติม
นักวิทยาศาสตร์ด้านข้อมูลเข้าใจวิธีระบุแหล่งข้อมูลและคุณค่าของแหล่งข้อมูล
Bill Schmarzo, CTO ของการปฏิบัติงานด้านข้อมูลขนาดใหญ่ที่ Dell EMC ได้สร้างเอกสารไวท์เปเปอร์ 28 หน้าสมุดงาน Think Like a Data Scientist ในนั้น เขาได้เจาะลึกเข้าไปในกระบวนการคิดของนักวิทยาศาสตร์ข้อมูลในการใช้ การวิเคราะห์เชิง คาดการณ์และเชิงกำหนดเพื่อหาคำตอบที่ถูกต้องเพื่อให้ธุรกิจสามารถบรรลุวัตถุประสงค์ได้
ที่เกี่ยวข้อง: 3 วิธีที่ผู้ประกอบการกระท่อนกระแท่นสามารถรักษานักวิทยาศาสตร์ด้านข้อมูลไว้บนกระดานและมีแรงจูงใจ
ฉันชอบส่วนที่เรียกว่า “ระบุแหล่งข้อมูล” เป็นพิเศษ ซึ่งอธิบายว่าในระหว่างแบบฝึกหัดสมุดงานแปดขั้นตอน ผู้อ่านจะพบแหล่งข้อมูลใหม่ทุกประเภทที่ “อาจ” ให้คุณค่าเกี่ยวกับ: 1) การริเริ่มธุรกิจเป้าหมาย ( เพิ่มยอดขาย รายได้ การเข้าชมเว็บไซต์ การแปลง ฯลฯ) และ 2) การตัดสินใจทางธุรกิจที่สำคัญที่เขาหรือเธอต้องการคำตอบ แหล่งข้อมูลที่เป็นไปได้ สมุดปกขาวกล่าวว่ารวมถึง:
ข้อมูลระบบการดำเนินงานและธุรกรรมในอดีต (ERP, การเงิน, HR, ห่วงโซ่อุปทาน, ระบบอัตโนมัติของฝ่ายขายและการตลาด ซึ่งข้อมูลดังกล่าวจะถูกบันทึก แต่ไม่น่าจะพร้อมใช้งานบนแพลตฟอร์มที่เข้าถึงได้ง่าย
Credit : ufaslot
