მონაცემთა მეცნიერი: პროფესია, უნარები, კარიერული გზა

ალბათ არ გაგიკვირდება თუ გეტყვი, რომ დღეს, ციფრულ ეპოქაში, მონაცემები ყოველწამიერად გროვდება. მონაცემების დაგროვებასთან ერთად კი აუცილებელი ხდება მათი დამუშავება და დამუშავებულ ინფორმაციაზე დაყრდნობით სამომავლო პროგნოზების გაკეთება.

ამ ბლოგში მონაცემთა მეცნიერების შესახებ ბევრს ვისაუბრებთ, ზუსტად გავიგებთ რა ევალება ამ პროფესიის წარმომადგენელს და როგორია ამ პროფესიის კარიერული განვითარების გზა.

მონაცემთა მეცნიერი VS მონაცემთა ანალიტიკოსი

ვიდრე მონაცემთა მეცნიერის უშუალო მოვალებაზე გადავალთ, ვფიქრობ, მნიშვნელოვანია ვიცოდეთ განსხვავება მონაცემთა ანალტიკოსსა და მონაცემთა მეცნიერს შორის.

ერთი შეხედვით შესაძლოა მოგვეჩვენოს, რომ ორივე პროფესია ერთმანეთს ჰგავს, რაც სულაც არ იქნება უსაფუძვლო – ორივე პროფესიას მონაცემებში კანონზომიერებების ძიება აერთიანებს, რაზე დაყრდნობითაც ორგანიზაციებს ახალ გზებს სთავაზობენ პროდუქტების გასაუმჯობესებლად.

მიუხედავად ამისა, არსებობს ფუნდამენტური განსხვავებები, როდესაც მონაცემთა ანალიტიკა აღარ არის საკმარისი დიდი ზომის ან სპეციფიკური მონაცემების დამუშავებისთვის (ფოტო ან/და ვიდეო მონაცემები მაგალითად).

სწორედ ამიტომ შეგვიძლია ვთქვათ, რომ მონაცემთა ანალიტიკოსი წარსულ მონაცემებს აანალიზებს და ისეთ კითხვებს სცემს პასუხებს, როგორებიცაა: რა მოხდა წარსულში და რატომ მოხდა ესა თუ ის ფაქტი? ის ამ ყველაფერს აკეთებს სწრაფად, ეფექტურად და ეხმარება ორგანიზაციას სწორი და ოპტიმალური გადაწყვეტილებების მიღებაში.

მონაცემთა მეცნიერი ამ ყველაფრის გარდა მომავალთან დაკავშირებულ კითხვებსაც სცემს პასუხს. იგი წარსულ მონაცემებზე დაყრდნობით გვეუბნება თუ რა შეიძლება მოხდეს მომავალში და გვირჩევს, თუ რა იქნება შემდეგი ყველაზე ოპტიმალური ნაბიჯი სხვადასხვა მიზნის მისაღწევად. გარდა ამისა, მონაცემთა მეცნიერი ხარჯავს დროს მანქანური სწავლების მოდელების განვითარებაზე, ან იყენებს პროგრამირების ენებს (მაგალითად Python) შედეგის მისაღწევად.

ასევე შეგვიძლია ვთქვათ, რომ მონაცემთა მეცნიერებს უფრო მეტი პასუხისმეგლობა აკისრიათ, ვიდრე მონაცემთა ანალიტიკოსებს. შესაბამისად, უფრო მაღალი რანგის პოზიციის წარმომადგენლებადაც მიიჩნევიან.

პროფესია

მონაცემთა მეცნიერება რაღაცით ისტორიას გავს, რადგან მონაცემთა მეცნიერი არის ადამიანი, რომელიც წარსულში განხორციელებულ შედეგებზე დაყრდნობით სამომავლო გადაწყვეტილებებს გვთავაზობს.

მისი ყოველდღიური სამუშაო მოიცავს ისეთ ამოცანებს, როგორებიცაა:

● ინსაითების მიღების მიზნით კანონზომიერებების აღმოჩენა მონაცემებში

● ალგორითმებისა და მონაცემთა მოდელების შექმნა სამომავლო შედეგების საწინასწარმეტყველოდ

● მანქანური სწავლების ტექნიკების გამოყენება მონაცემებისა და პროდუქტის ხარისხსის გასაუმჯობესებლად

● რეკომენდაციებისთვის გუნდთან კომუნიკაცია

● მონაცემების ანალიზისთვის სხვადასხვა ინსტრუმენტების გამოყენებას, მაგალითად Python და მისი ბიბლიოთეკები.

მონაცემთა მეცნიერის პროფესია საკმაოდ საინტერესოა იმ კუთხითაც, რომ ამ პროფესიის ადამიანებს საშუალება აქვთ აკეთონ ექსპერიმენტები თითქმის ყველა სფეროში, დაწყებული სპორტით და დამთავრებული მედიცინით – პრობლმების გადასაჭრელად შესაძლებელია ბევრი ახალი და საინტერესო გზის მოფიქრება, მაგალითად ორი ცვლადი ახლებური გზით დაუკავშირო ერთმანეთს და მიიღო განსხვავებული შედეგები.

უნარები

მონაცემთა მეცნიერება წარმოადგენს მათემატიკისა და პროგრამირების იდეალურ კომბინაციას, შესაბამისად, იმისთვის, რომ მონაცემთა მეცნიერი გახდე აუცილებელია ფლობდე ისეთ უნარებს როგორიცაა:

● მათემატიკური უნარ-ჩვევები

● კოდის წერის უნარი საბაზისო დონეზე მაინც

● ანალიტიკური აზროვნების უნარი

კარიერული განვითარება

ქართული პერსპექტივა:

საქართველოში ეს სფერო, ნელ-ნელა იკიდებს ფეხს და სულ უფრო მეტად ხდება პოპულარული მცირე თუ დიდ კომპანიებში. შესაბამიად, გასაკვირი არ იქნება თუ გეტყვი, რომ მონაცემთა მეცნიერზე მოთხოვნა საქართველოში საკმაოდ მაღალია და მისი საშუალო ანაზღაურება 4500 ლარია.

განსხვავებული სამუშაო გამოცდილება:

თუ ამ ყველაფრის წაკითხვის შემდეგ მონაცემთა მეცნიერებით დაინტერესდი გეტყვი, რომ გექნება შესაძლებლობა იმუშავო თითქმის ყველა სფეროში (ფინანსური სექტორი, ბანკი, ონლაინ პლატფორმები, სპორტი, მედიცინა და სხვა) ისეთ საინტერესო პროექებზე, რომელიც მნიშვნელოვნად განაპირობებს კომპანიების სამომავლო წარმატებას.

მრავალფეროვანი არჩევანი:

პროფესია საშუალებას გაძლევს თავად აიჩიო რა კუთხით განავითარებ კარიერას, ამიტომ შეგიძლია სპეციალიზდე შემდეგი მიმართულებით: პროდუქტის სპეციალისტი (Product Specialized), ტექნიკოსო (Technical), მკვლევარი (Researcher)

ასე და ამგვარად, თუ გაქვს ანალიტიკური აზროვნება, გსიამოვნებს პრობლემის გადაჭრა, მოგწონს კოდის წერა, თან გინდა მომავლის პროფესია აირჩიო, შემოგვიერთდი Data Science-ს კურსზე, რომელიც 20 მაისს იწყება!

ავტორი: თათა ვახტანგიშვილი

მიიღე პირველმა ინფორმაცია ახალ პროგრამებზე