Чем занимается Data Science

Новые реалии цифровой цивилизации рождают новые специальности. Некоторые их них никогда не существовали ранее, и потому вызывают у многих людей - даже у тех, кто и сам трудится в области информтехнологий, непосредственный интерес. Специально для наших читателей мы публикуем статью специалиста, работающего на позиции аналитика данных в одной крупной российской компании информационного рынка. Прочитайте его рассказ о профессии и решите, подходит ли она вам или - нужен ли вашей компании специалист с такими навыками.

Чего не делает аналитик?

Я работаю специалистом по данным уже около двух лет. Вы спросили, чем именно я занимаюсь… Предложу вашему вниманию несколько быстрых мыслей о том, что же такое наука о данных (Data Science). И почему бы не начать этот рассказ с того, чем наука о данных не является.

Во-первых, наука о данных не является частью создания программного обеспечения. То есть специалист по данным не занимается разработкой ни информационных продуктов или систем, ни их характеристик, ни каких-либо связанных с ними и столь модных сегодня вещей.

Во-вторых, Data Science не является частью работы по визуализации. Создание классного визуального элемента не является ни конечной, ни начальной частью работы аналитика данных. Так что, не стоит думать, что наука о данных сводится к созданию визуально эффектной инфографики.

В-третьих, Data Science - это не наука в исходном смысле этого слова. Я имею в виду, что специалисты, исследующие данные, работают вовсе не в академических научных институтах. Эти исследования носят всегда прикладной характер. Специфика работы аналитиков определяется особыми требованиями конкретных отраслей и потребностями деловых рынков. Исследователи данных редко публикуют статьи в академических журналах или выступают с докладами на научных конференциях, поскольку публикация статей и книг не являются частью их повседневной деятельности.

И последнее, но не менее важное: я не согласен с общепринятым мнением о том, что наука о данных - это в основном статистика. Просто потому, что статистические знания сами по себе не дают человеку возможности эффективно работать в этом виде науки. И тому есть целый ряд причин, о которых я расскажу дальше.

Теперь мы поняли, что такое не есть наука о данных, можно поговорить о том, что она из себя представляет.

Data Science - это…

Несомненно, эта профессия требует:

• некоторых навыков программирования,
• умения работать со статистикой,
• применения методов визуализации,
• владения техникой отыскания ответов на вопросы бизнеса, используя данные, имеющихся в вашем распоряжении. Плюс понимание, каких данных не хватает для решения задачи: и где их найти.

На самом деле, для того, чтобы стать классным специалистом по данным требуется особое умение соединять воедино все данные, большая часть которых сначала вам может показаться абсолютно бесполезной для решения стоящей перед вами задачи.

Так что, в моем нынешнем понимании специалист по данным - это человек, который связывает между собой вопросы из мира бизнеса и все доступные ему данные. И, как следствие, наука о данных - это инструмент, для этой цели используемый.

Такая вот точка зрения на Data Science

Мне нравится сравнивать науку о данных с приготовлением еды. Каждый проект мы начинаем с первичной обработкой данных, которая включает в себя: получение информации, ее очистку от ненужных параметров, разделение на группы. Этот шаг аналогичен подготовке ингредиентов для приготовлении конкретного блюда, когда вы моете и чистите овощи, мясо и рис, нарезаете их на куски нужного размера и складываете их по категориям и по времени приготовления.

После того, как это будет сделано, вы готовы приготовить блюдо, которое соответствует рецепту. Закладываете в нужном порядке, выдерживаете температурный режим, добавляете специи и так далее. Примерно также работает и аналитик данных, применяя алгоритмы обработки информации, комбинируя сведения из разных источников, оценивая вероятности достоверности и используя функции объединения.

Последний шаг у кулинара - подача блюда. Он красиво выкладывает готовую еду на тарелке, добавляя зелень и элементы декора, а затем подает ее в определенной последовательности - первое блюдо, второе, десерт, кофе… Аналитик данных также представляет результаты своей интеллектуальной работы в художественной визуализации. Для отправки бизнес-пользователям результат анализа должен иметь понятный для “пехотного офицера” вид и создать визуально красивый отчет или презентацию.

Что получается?

Подводя итог вышесказанному, можно сказать, что исследовательский процесс науки о данных состоит из сбора данных, их подготовки, классификации, обработки: интеллектуального анализа данных, формирования действенных идей и представления результатов в понятном для заказчика виде.

Читатели этой статьи также смотрели на сайте rfcmd.ru

Зачем мы переходим на облачный хостинг
Как набрать подписчиков ВКонтакте
Как получить больше от Яндекс Маркета
Как выбрать кабель для дома и офиса
Как набрать подписчиков в Ютубе
Умный автомобиль - шаг в будущее
Искусственный интеллект в образовании