Sexiest job of 21st century: მონაცემთა მეცნიერი

[Guest Merlin]

მონაცემთა მეცნიერება თანამედროვე ორგანიზაციებში ერთ-ერთი წამყვანი მიმართულება გახდა. Google-ის, Amazon-ის, YouTube-ის, Netflix-ისა და სხვა მსოფლიო ბრენდების განვითარებაში მონაცემთა მეცნიერებს დღესდღეობით გადამწყვეტი მნიშვნელობა აქვთ. 2012 წელს Harvard Business Review-მ მონაცემთა მეცნიერს Sexiest Job of 21st Century უწოდა. იგი ნელ-ნელა საქართველოშიც გამოჩნდა, თუმცა, ჯერჯერობით, ძირითადად, საბანკო სექტორში. 

მონაცემთა მეცნიერის მთავარი მოვალეობა მონაცემთა სამყაროში ახალი აღმოჩენების გაკეთებაა. ამის საუკეთესო მაგალითია LinkedIn-ის ყოფილი მონაცემთა მეცნიერი ჯონათან გოლდმენი, რომელიც კომპანიას 2006 წელს შეუერთდა და უდიდესი წვლილი შეიტანა მის წარმატებაში. ამ პერიოდში LinkedIn-ზე დაახლოებით 8 მილიონი ადამიანი იყო რეგისტრირებული. მათი რაოდენობაც სწრაფად იზრდებოდა, რადგან ადამიანები აქტიურად იწვევდნენ მეგობრებსა და კოლეგებს. თუმცა, კომპანიის ერთ-ერთი უმთავრესი მიზანი იყო უცნობი ადამიანების ერთმანეთთან დაკავშირებაც, რასაც წარმატებით ვერ ახორციელებდა. უამრავი მომხმარებლის მონაცემების შესწავლისა და დახარისხების შემდეგ გოლდმენი მიხვდა, რომ თუ მომხმარებლები თვითონ არ ცდილობდნენ მათთვის საჭირო ადამიანებთან დაკავშირებას, ამაზე თავად LinkedIn-ს უნდა ეზრუნა. შედეგად, მან შექმნა People You May Know – კომპანიის ერთ-ერთი ყველაზე პოპულარული ფუნქცია, რომელმაც ახალი სოციალური ქსელის click-through მაჩვენებელი 30%-ით გაზარდა და არსებულ გვერდებს მილიონობით ახალი „ნახვა“ მოუტანა. ამ ფუნქციის მეშვეობით LinkedIn მომხმარებლებს სთავაზობს ადამიანებს, რომლებსაც იგი სხვადასხვა მიზეზით შეიძლება იცნობდეს. მაგალითად, თუ ერთსა და იმავე უნივერსიტეტში სწავლობდნენ, ერთსა და იმავე წლებში მუშაობდნენ კონკრეტულ კომპანიაში ან აქვთ მსგავსი სამუშაო გამოცდილება. ამ ახალი ფუნქციის საკმაოდ დიდი წარმატების შემდეგ, გოლდმენმა მალევე შეიმუშავა ე.წ. „სამკუთხედის შეკვრის“  პრინციპი, რაც იმას გულისხმობს, რომ თუ შენ ორ კონკრეტულ ადამიანს იცნობ, არის ალბათობა, რომ ეს ორი ადამიანიც იცნობდეს ერთმანეთს. ამან მნიშვნელოვნად გაამარტივა ადამიანების ინტერაქცია და „ნეთვორქინგი“, რაც LinkedIn-ის ყველაზე მნიშვნელოვანი ასპექტია.

Towards Data Science

გარდა ისეთი საბაზისო უნარებისა, როგორებიცაა კოდის წერა და ანალიტიკური აზროვნების უნარი, მონაცემთა მეცნიერს ასევე მოეთხოვება ცნობისმოყვარეობა და კომუნიკაბელურობა. მან უნდა შეძლოს ძალიან დიდი რაოდენობის ინფორმაციის აღქმა, საერთო ნიშან-თვისებების პოვნა, ერთმანეთთან დაკავშირება, ჰიპოთეზების ჩამოყალიბება, ექსპერიმენტების ჩატარება და საბოლოოდ, ამ მონაცემების სწორი ორგანიზება. ამასთანავე, მონაცემთა მეცნიერს აუცილებელია, ჰქონდეს კარგი გადმოცემის უნარი, რათა შეძლოს გადაწყვეტილებების მიმღები პირებისთვის აღმოჩენების გასაგებად წარდგენა და ახსნა, თუ როგორ შეიძლება ამის გამოყენება სამომავლო განვითარებისთვის. მონაცემთა მეცნიერების საუკეთესოდ გამოყენების მაგალითებია Netflix-ისა და YouTube-ის რეკომენდაციის სისტემები, რომლებიც თითოეულ მომხმარებელს მათთვის საინტერესო ფილმებსა თუ ვიდეოებს იმის მიხედვით სთავაზობენ, თუ რას უყურეს ადრე, რას უყურებენ სხვა მომხმარებლები კონკრეტული ვიდეოსა თუ ფილმის ნახვის შემდეგ და ა.შ. შედეგად, დღეს YouTube-ის მომხამრებლები ვიდეოების 70%-ზე მეტს არა პირდაპირი ძიების საშუალებით, არამედ რეკომენდაციების მეშვეობით პოულობენ. იგივე ხდება Netflix-ის შემთხვევაშიც.

დღესდღეობით მონაცემთა მეცნიერის პოზიციაზე დასაქმებული ადამიანების უმრავლესობას გამოცდილება აქვს ფიზიკისა და სოციალური მეცნიერების სფეროში, ასევე მათემატიკაში, კომპიუტერულ მეცნიერებებში, ეკონომიკასა და სხვა ისეთ დარგებში, რომლებიც მონაცემებზე ფოკუსირდებიან. მონაცემთა მეცნიერის საშუალო ხელფასი Glassdoor-ის მიხედვით, აშშ-ში წლიურად $113 309-ია, მათზე მოთხოვნა კი სულ უფრო და უფრო მზარდია.

The post Sexiest job of 21st century: მონაცემთა მეცნიერი appeared first on BusinessFeed.