متن فیلم

در این ویدیو با نقش مهندسان داده، تحلیگران داده، و دانشمندان داده آشنا خواهیم شد. مهندسان داده داده‌ها را جمع‌آوری و سازماندهی می‌کنند. تحلیگران داده از این داده‌ها بینش استخراج می‌کنند و دانشمندان داده از نتیجه کار مهندسان داده و تحلیگران داده با استفاده از داده‌ها گذشته برای پیش بینی آینده استفاده می‌کنند. امروزه، سازمان‌هایی که از داده‌ها برای کشف فرصت‌ها استفاده می‌کنند و از این دانش برای تمایز خود استفاده می‌کنند، سازمان‌هایی هستند که به سوی آینده گام برمی‌دارند. رهبران کسب‌وکار چه به دنبال الگوهایی در تراکنش‌های مالی برای کشف تقلب باشند، چه استفاده از موتورهای توصیه برای ایجاد تبدیل، استخراج، پست‌های رسانه‌های اجتماعی برای صدای مشتری یا برندهایی که پیشنهادات خود را بر اساس تجزیه و تحلیل رفتار مشتری شخصی می‌کنند، متوجه شدند که داده‌ها کلید مزیت رقابتی را دارند. برای به دست آوردن ارزش از داده‌ها، به تعداد زیادی مجموعه مهارت و افرادی که نقش‌های مختلفی را ایفا می‌کنند، نیاز دارید. در این ویدیو، ما به نقشی که مهندسان داده، تحلیلگران داده، دانشمندان داده، تحلیلگران کسب‌وکار و تحلیلگران هوش تجاری یا BI در کمک به سازمان‌ها برای بهره‌برداری از حجم وسیعی از داده‌ها و تبدیل آن‌ها به بینش‌های عملی ایفا می‌کنند، نگاهی خواهیم انداخت. همه چیز با یک مهندس داده شروع می‌شود. مهندسان داده افرادی هستند که معماری داده‌ها را توسعه داده و نگهداری می‌کنند و داده‌ها را برای عملیات و تحلیل کسب‌وکار در دسترس قرار می‌دهند. مهندسان داده در اکوسیستم داده‌ها برای استخراج، ادغام و سازماندهی داده‌ها از منابع مختلف کار می‌کنند. داده‌ها را به طور تمیز تبدیل و آماده، طراحی، ذخیره و مدیریت می‌کنند. آن‌ها داده‌ها را قادر می‌سازند تا در قالب‌ها و سیستم‌هایی که برنامه‌های مختلف تجاری و همچنین ذینفعان مانند تحلیلگران داده و دانشمندان داده می‌توانند از آن‌ها استفاده کنند، در دسترس باشند. یک مهندس داده باید دانش خوبی در زمینه برنامه‌نویسی، دانش کافی در مورد معماری سیستم‌ها و فناوری‌ها و درک عمیق از پایگاه‌های داده رابطه‌ای و انبارهای داده غیررابطه‌ای داشته باشد. حال بیایید به نقش یک تحلیلگر داده نگاهی بیندازیم. به طور خلاصه، یک تحلیلگر داده، داده‌ها و اعداد را به زبان ساده ترجمه می‌کند تا سازمان‌ها بتوانند تصمیم‌گیری کنند، تحلیلگران داده، داده‌ها را برای استخراج بینش بررسی و تمیز می‌کنند، همبستگی‌ها را شناسایی می‌کنند، الگوها را پیدا می‌کنند و روش‌های آماری را برای تحلیل و تجسم داده‌ها به کار می‌برند تا یافته‌های تحلیل داده‌ها را تفسیر و ارائه دهند. «تحلیلگران افرادی هستند که به سؤالاتی از این قبیل پاسخ می‌دهند: آیا تجربه جستجوی کاربران در مورد عملکرد جستجو در سایت ما به طور کلی خوب است یا بد؟» یا «برداشت عمومی مردم از طرح‌های تغییر برند ما چیست؟» یا «آیا بین فروش و یک محصول با محصول دیگر ارتباط وجود دارد؟» تحلیلگران داده به دانش خوبی در مورد صفحات گسترده، نوشتن پرس‌وجوها و استفاده از ابزارهای آماری برای ایجاد نمودارها و داشبوردها نیاز دارند. تحلیلگران داده مدرن همچنین باید مهارت‌های برنامه‌نویسی داشته باشند. آنها همچنین به مهارت‌های تحلیلی و داستان‌سرایی قوی نیاز دارند. و حالا بیایید به نقشی که دانشمندان داده در این اکوسیستم ایفا می‌کنند، نگاهی بیندازیم. دانشمندان داده، داده‌ها را برای بینش‌های عملی تحلیل می‌کنند و مدل‌های یادگیری ماشین یا یادگیری عمیق می‌سازند که بر اساس داده‌های گذشته آموزش می‌بینند تا مدل‌های پیش‌بینی ایجاد کنند. دانشمندان داده افرادی هستند که به سوالاتی از این قبیل پاسخ می‌دهند: «احتمال دارد ماه آینده چند دنبال‌کننده جدید در رسانه‌های اجتماعی داشته باشم؟»، یا «احتمال دارد در سه‌ ماهه آینده چند درصد از مشتریانم را به دلیل رقابت از دست بدهم؟»، یا «آیا این تراکنش مالی برای این مشتری غیرمعمول است؟» دانشمندان داده به دانش ریاضیات، آمار و درک مناسبی از زبان‌های برنامه‌نویسی، پایگاه‌های داده و ساخت مدل‌های داده نیاز دارند. آنها همچنین باید دانش دامنه داشته باشند. سپس ما تحلیلگران کسب‌وکار و تحلیلگران هوش تجاری را نیز داریم. تحلیلگران کسب‌وکار از کار تحلیلگران داده و دانشمندان داده برای بررسی پیامدهای احتمالی برای کسب‌وکار خود و اقداماتی که باید انجام دهند یا توصیه کنند، استفاده می‌کنند. تحلیلگران هوش تجاری نیز همین کار را انجام می‌دهند، با این تفاوت که تمرکز آنها بر نیروهای بازار و تأثیرات خارجی است که کسب‌وکارشان را شکل می‌دهد. آنها با سازماندهی و نظارت بر داده‌ها در مورد عملکردهای مختلف کسب‌وکار و کاوش در آن داده‌ها برای استخراج بینش‌ها و اقدامات عملی که عملکرد کسب‌وکار را بهبود می‌بخشد، راه‌حل‌های هوشمند کسب‌وکار ارائه می‌دهند. به عبارت ساده، مهندسی داده، داده‌های خام را به داده‌های قابل استفاده تبدیل می‌کند. تحلیل داده‌ها از این داده‌ها برای ایجاد بینش استفاده می‌کند. دانشمندان داده از تحلیل داده‌ها و مهندسی داده برای پیش‌بینی آینده با استفاده از داده‌های گذشته استفاده می‌کنند، تحلیلگران کسب‌وکار و تحلیلگران هوش تجاری از این بینش‌ها و پیش‌بینی‌ها برای اتخاذ تصمیماتی استفاده می‌کنند که به رشد کسب‌وکارشان کمک می‌کند. جالب اینجاست که برای متخصصان داده غیرمعمول نیست که حرفه خود را در یکی از نقش‌های داده شروع کنند و با تکمیل مهارت‌های خود به نقش دیگری در اکوسیستم داده منتقل شوند.