المعلوماتية > علم البيانات
البيانات الكبيرة: الحكاية من البداية (الجزء السابع والأخير)
في النهاية؛ الأمرُ كلُّه عائدٌ للبشر، فهم من يُولِّدون البيانات، وهم من يريد تنظيمها وتحليلها للوصول إلى رؤى أفضل لاتخاذ القرارات في شركاتهم.
ولكن يأتي السؤال: أين هم البشر؟
وفقاً لما تقوله دراسة McKinsey سيكون هناك تقريباً ما بين 140000 و190000 موقعًا شاغرًا لخبراء تحليل البيانات في الولايات المتحدة بحلول عام 2018، ونقصٌ بما يُقارب 1.5 مليون مدير ومحلل ممن لديهم القدرة على فهم واتخاذ القرارات باستخدام البيانات الكبيرة.
لكلِّ صيحةٍ مُتطلَّباتُها؛ والبياناتُ الكبيرة ليست استثناءً، لسنواتٍ عِدَّة، كان هذا المجال يتسارعُ وينمو بشكلٍ مثيرٍ للدهشة؛ إذ ظهرتْ أدواتٌ وتقنياتٌ جديدة للتعامل مع جبال البيانات الكبيرة المتكدسة، وإنَّ توفُّرَ العتاديات الحديثة جعل بعض نواحي تحليل البيانات تبدو أسهل أو على الأقل أقلَّ مشقة، وهنا تكمن المشكلة.
يُحدِّد مجال البيانات الكبيرة سلسلةً من الخطوات للبدء بتطوير مستقبلك المهني والاستمتاع به في هذا المجال، وأصبح الاقتصادُ الحالي موجّهاً أكثر فأكثر بنشاطاتٍ رقمية؛ إذ بدأتْ البياناتُ بتأدية دورٍ أكبر في صناعاتٍ عِدَّة، حتى تلك القديمة أصبحتْ تعتمدُ أكثر على بياناتٍ ذاتِ دِقّةٍ عالية؛ أي إنَّ الحاجة إلى علماءِ بياناتٍ باتت ترتفعُ بالضرورة.
ما هو علم البيانات Data Science؟
إنَّ علم البيانات مجالٌ مُتشعِّبٌ جداً يشملُ كُلَّ شيءٍ من المستوى الابتدائيِّ لمواقع تشابكِ البيانات، إلى هندسة البيانات المُعقَّدة في المستويات الأعلى، ويتضمَّنُ دورُ عُلماء البياناتِ خليطًا مِن تنظيمِ مجموعاتِ البيانات وتخزينِها وتحليلِها، وفي بعض الأحيان تُوكَل إليهم مهمةُ جمعِ البيانات.
هل يجب أن تُفكِّر في مهنةٍ ضمن مجال علوم البيانات؟
إنَّ كُلَّ من له علاقةٌ بالتكنولوجيا أو الأرقام يجبُ أن يكون لهُ معرفة بأحدِ مِهَنِ البيانات الكبيرة على الأقل، لأنَّ الحاجة إلى علماءِ بياناتٍ مُلِحَّة، إذ تتوقّعُ التّحليلاتُ أنَّ الشواغر في هذا المجال ستفوقُ مجالَ صِناعة التطبيقات بحلول عام 2018، لكن لا تقلقْ فأنتَ لا تحتاجُ إلى درجةٍ عِلميّةٍ مُحدَّدة لتدخلَ هذا المجال، لأنَّ خلفياتِ علماءِ البياناتِ متنوعةٌ جداً كالاقتصاد والرياضيات والإحصاء الرياضي وعالم الأعمال والهندسة.
المسارات في علوم البيانات:
علماءُ البيانات ليسوا بمؤهلاتٍ واحدةٍ ولا يُؤدون مَهامَ واحدة، فهناك مجالاتٌ فرعية أخرى لازمةٌ في هذا المجال وهي:
مُحلِّلُ بيانات Data Analyst
يكون مُحلِّلُ البياناتِ مسؤولاً عن تحويلِ مجموعاتِ البياناتِ إلى صِيَغٍ قابلةٍ للاستخدام، كالتّقاريرِ والعُروض التقديمية، ووفقاً للصّناعة؛ فإنَّ هذا يعني تجميعَ الرُّؤى من مجموعاتِ بياناتِ المستهلك، ووضعَ توصياتٍ استراتيجيةٍ أو تنظيمَ البياناتِ العشوائية وتحويلَها إلى صِيَغٍ أكثرَ سهولة.
لا تتطلبُ مهامُ مُحلِّل البيانات خبراتٍ برمجية عادةً.
مهام محلل البيانات مناسبةٌ لك إن كانت خلفيتك التعليمية متعلقةً بالأرقام وليست لديك معرفةٌ برمجية أو تقنيةٌ أُخرى، وتُعتبرُ هذه المهام في أسفل السُلَّمِ الوظيفي في علم البيانات، وهي جيدةٌ لاكتساب الخبرة إن كنتَ تُريد المواصلة في هذا المجال إلى مستوياتٍ أعلى.
مُحلِّلُ أعمال Business Analyst
إنَّ عمل محلل الأعمال مشابهٌ عادةً لعمل محلل البيانات، لكنْ مع توجُّهٍ واضحٍ للتركيز على النُّهوض بأهدافِ الأعمال الاستراتيجية، ويتضمَّنُ العملُ اليوميُّ لمحلِّلِ الأعمال تحليلَ تأثيرِ حَمَلة التسويق باستخدام مجموعات بياناتٍ مُعقَّدةٍ لتوقُّع تطويراتِ الصناعةِ المُستقبلية أو نمذجةِ مُخرَجَاتٍ مشابهةٍ لمجموعةٍ من خِطَطِ الأعمال المحتملة، ويُركِّزُ مُعظمُ مُحلِّلي الأعمال على إنتاجِ إنجازاتٍ قابلةٍ للاستخدامِ كالتَّقارير والعروضِ التقديمية التي تُسهِّل فهمَها على الآخرين ضمنَ المنظمة ممن هم ليسوا علماءَ بيانات.
إنَّ مُحلِّل البيانات خيارُ مهنةٍ ممتازٌ إذا كان لديك أساسٌ متينٌ مع الأرقام واهتمامٍ نَشِطٍ بإدارةِ أو تطويرِ الأعمال.
مهندسُ تعليمِ آلة Machine Learning Engineer
بينما تحاول الشركاتُ إيجادَ ما هو ذا نفعٍ ومعنىً من مجموعاتِ البياناتِ الهائلةِ؛ فإنَّ أتمتةَ تحليلِ البياناتِ تُصبح أكثر أهمية، وتُوكَل إلى مُهندسِي تعلُّم الآلةِ مهمةَ بناءِ نُظُم بياناتٍ قادرةٍ على استخلاصِ الرؤى بأقلِّ تَدَخُّلٍ بَشَرِيٍّ مُمكِنٍ باستخدامِ الذَّكاء الصنعي Artificial Intelligence.
إنَّ مُحركاتِ البحثِ الحاليّةِ هي مثالٌ جيّدٌ عن تعلُّمِ الآلة؛ إذ تَستخدمُ خوارزميّاتُها معلوماتٍ عن كيفيةِ تعاطي المُستخدمين مع نتائج البحث لتحسين نتائج البحث مستقبلاً، وعلى الرّغمِ من أنَّ أنظمةِ تعلُّم الآلةِ المستخدمةِ في تحليل البيانات تكون أعقد؛ ولكنَّ الفكرة المفتاحية في تعليم الآلة تقومُ على جعل النّظام يستخدمُ بياناتٍ عن نشاطهِ السابق في تحسينِ أداءِه مُستَقبَلاً (أي أنَّ النظام يُعلِّمُ نَفسَه ويستفيدُ من أخطاءه لتلافيها).
يُركِّزُ مُهندسو تعليم الآلة أقلّ على تحليل البيانات، و يولون تركيزًا أكثر على البرمجة؛ إذ تُعدُّ المهارات البرمجية متطلّبًا أساسيًّا لهذه الوظائف فيُقبل من لديه شهادةٌ بالبرمجة أو تطوير البرمجيات أو أيِّ مجالٍ مُشابه.
مهندس بُنيةٍ تحتيةٍ للبيانات Data Infrastructure Engineer
يُركِّز مُهندِسو البنية التحتية على الأنظمة والعتاديات التي تُسهِّلُ نشاطاتِ شركات البيانات، أكثرَ من التَّركيز على تحليل البيانات بحدِّ ذاتها، ويعمل هؤلاء المهندسونَ عادةً على مشاريعِ البياناتِ الكبيرة من ناحية الإشراف على العتاديات والبرمجيات التي تُخزِّنُ ما تحتويه الشركةُ من بياناتٍ رقمية وتعالجُه وتُحلِّلُه ، وبينما يصمّم معماريو البيانات Data Architects هذه الأنظمة؛ يقومُ مهندسو البنية التحتية بصيانة هذه الأنظمة وتوسيعها عند الحاجة، ويحلّلُ المهندسون الأنظمة بحدِّ ذاتها لمعرفة إن كانت تعملُ بذُروةِ كفاءتها ولتحديدِ الأجزاء التي تحتاج تحسينات.
المهارات التقنية والبرمجية أساسيةٌ جداً لهذه الوظائف، ويجب أن يكون المهندس مرناً جداً في التعامل مع العتاديات أيضًا، وعادةً ما تُدرج عُروض العمل المتعلِّقة بهذه المناصب درجاتٍ تقنيةٍ متقدمة.
-------------------------------------------------------------------------
المصادر: