علم داده چیست و چرا نباید اثرات آن نادیده گرفته شود؟

افزایش بسیار چشمگیر حجم داده های آنلاین در سال های اخیر باعث شده است که علم داده (Data science) به یکی از مهمترین علوم جهان امروز به ویژه در کشورهای پیشرفته تبدیل شود. علم داده یا دیتا ساینس ترکیبی از ریاضی، آمار، مدیریت و کامپیوتر است. گزارش هایی که در نتیجه اجرای فعالیت های دیتا ساینس ایجاد می شوند نقش مهمی در تصمیم گیری و برنامه ریزی های استراتژیک دارند. در این مطلب به بررسی علم داده و سایر مباحث مرتبط آن مثل ابزارهای مورد استفاده در این حوزه، دانشمند داده و همچنین تفاوت های علم داده با مفاهیمی مثل هوش تجاری می پردازیم.

علم داده چیست؟

چرخه حیات علم داده شامل نقش‌ ها، ابزارها و فرآیندهای مختلفی است به تحلیلگران کمک می کند تا به نتایجی دست پیدا کنند که بدون استفاده از ابزارهای دیتاساینس ممکن نیستند. برای مثال، بررسی سوابق خرید تمامی مشتریان در یک فروشگاه آنلاین بزرگ و به دست آوردن الگوهای بسیار دقیق خرید گروهی از نمونه هایی است که بدون علم داده امکان پذیر نیست. به طور کلی، تحلیل و تصمیم گیری بر پایه مطالعات انجام شده در بازار، ارتباط بسیار مهمی با زمان انجام این فعالیت ها دارد. برای مثال، یک گزارش کامل از سلایق و نیازمندی های مشتریان در فروشگاه آنلاینی که در زمینه بازی های رایانه ای فعالیت می کند اگر در زمان مناسب ارایه نشود فایده چندانی برای کسب و کار نخواهد داشت.

علم داده در ورزش فوتبال

تحلیل عملکرد بازیکنان فوتبال یکی از نمونه های استفاده از علم داده است. بسیاری از باشگاه های حاضر در لیگ برتر کشور انگلستان در کنار تیم مربی گری خود از متخصصان علم داده نیز استفاده می کنند. محبوبیت لیگ فوتبال جزیره به حدی است که افراد دارای تخصص در تحلیل داده های بازیکنان فوتبال می توانند موقعیت های خوبی را در بازار کار در انگلیس پیدا کنند.

دانشمند داده کیست؟

دانشمند داده (Data scientist) اصلی ترین عنوان شغلی در علم داده است. تحلیل و راهبری فرآیند های اصلی در چرخه حیات علم داده بر عهده دانشمند داده است. برنامه نویسی، یادگیری ماشین و آمار از مهارت هایی هستند که یک دانشمند داده برای رسیدن به سطوح تخصصی این علم به آن ها نیاز دارد. در پروژه های بزرگ، فعالیت های مرتبط با داده های به دست آمده به صورت تخصصی تفکیک می شوند و شغل هایی مثل مهندس داده (Data engineer) و تحلیل گر داده (Data analyst) نیز در کنار دانشمند داده حضور پیدا می کنند. به طور خلاصه می توان گفت مهندسان داده در مباحث فنی و پیاده سازی مرتبط با داده ها فعالیت می کنند. جمع آوری داده ها و پاکسازی آن ها نیز اغلب بر عهده تحلیلگر داده است.

از آنجایی که این مشاغل می توانند نقش موثری در رشد کسب و کارهای نوپا داشته باشند بسیاری از متخصصان حوزه علوم داده در کشورهای حامی استارتاپ ها مشغول می شوند. برای مثال، راه اندازی Station F در سال ۲۰۱۷ باعث شده است که کشور فرانسه به یکی از بزرگترین مراکز رشد استارت آپ ها در جهان تبدیل شود. متخصصان فعال در علم داده می توانند با ثبت شرکت در فرانسه به صورت قانونی خدمات مشاوره تخصصی را به کسب و کارهای نوپا ارایه نموده و جریان درآمدی خوبی را برای خود ایجاد نمایند.

ابزارهای مورد استفاده در علم داده

پایتون (Python) و آر (R) دو زبان برنامه نویسی محبوب در میان دانشمندان داده برای تجزیه و تحلیل داده ها و اجرای مدل های آماری هستند.

• زبان برنامه نویسی R که اغلب در محیط نرم افزاری R Studio از آن استفاده می شود به صورت تخصصی برای اجرای مدل های ریاضیاتی و آماری طراحی شده است. نرم افزار «آر استودیو» به صورت رایگان و متن باز ارایه شده و دارای دو نسخه دسکتاپ و تحت سرور است.
• پایتون یک زبان برنامه نویسی جذاب و کاربردی است. این زبان در سال های اخیر محبوبیت بسیار زیادی پیدا کرده است. کتابخانه های متنوع و کارآمدی مثل NumPy ،Pandas ،Matplotlib باعث شده اند که برنامه نویسان پایتون بتوانند بدون نیاز به سایر زبان های برنامه نویسی به تجزیه و تحلیل سریع داده ها در پروژه های مبتنی بر پایتون بپردازند.

تفاوت علم داده و هوش تجاری

از آنجایی که علم داده و هوش تجاری (Business Intelligence) که به اختصار BI نامیده می شود هر دو به تجزیه و تحلیل داده ها مربوط هستند گاهی اوقات با یکدیگر اشتباه گرفته می شوند. هوش تجاری در ادبیات آکادمیک به عنوان چتری در نظر گرفته می شود که فعالیت هایی مثل آماده سازی داده ها، داده کاوی، مدیریت داده ها و بصری سازی را امکان پذیر می کند. اگرچه بسیاری از این مباحث با علم داده نیز مشترک هستند اما تمرکز اصلی هوش تجاری بر داده های گذشته و ساختاری است. و همانطور که از نام هوش تجاری نیز مشخص است هدف اصلی آن به بهبود فعالیت های اقتصادی و افزایش سود و جریان های درآمدی مربوط می شود.

در علم داده بخش مهمی از الگوها حاصل تحلیل داده های توصیفی و متغیرهای پیش بینی کننده هستند. در ادامه، الگوهای استخراج شده برای ساخت طرح ها استفاده می شوند. بررسی داده های آماری تغییرات آب و هوایی در سال های گذشته به همراه نتایج مشاهدات واقعی که به طور منظم انجام شده اند منابع مهمی برای پیش بینی تغییرات اقلیمی توسط دانشمندان داده هستند. برای مثال، ساخت سد برای جلوگیری از ورود آب به مناطق مسکونی یکی از اقدامات دولت هلند با تکیه بر تحلیل های پیچیده بر روی داده های جغرافیایی است. ویژگی های طبیعی این کشور باعث شده است که شغل های مرتبط با داده های آب و هوا و اقلیم شناسی اهمیت بالایی در بازار کار در هلند داشته باشند.