آیا Data Science حرفه ی مناسبی برای شما خواهد بود؟
همه ی ما دوست داریم حرفه ای را دنبال کنیم که به آن علاقه داشته باشیم و درآمد مناسبی نیز داشته باشد. در سال های اخیر، با افزایش استفاده از تکنولوژی در زندگی روزمره، مشاغل در حوزه های تکنولوژی در سراسر جهان توسعه یافته اند. اکثر این مشاغل مزایای بسیاری داشته و به نسبت بسیاری مشاغل دیگر درآمد بالاتری نیز دارند.
همچنین با پیشرفت تکنولوژی، مشاغل جدیدی نیز به وجود آمده و تقاضا برای آن ها افزایش خواهد یافت. به همین دلیل است که مشاغل در زمینه ی تکنولوژی همواره برای افرادی که به دنبال تغییر حرفه ی خود هستند و همچنین برای دانشجویانی که می خواهند مسیر شغلی خود را انتخاب نمایند بسیار جذاب بوده است.
با وجود این که مشاغل در حوزه ی تکنولوژی مزایای بسیاری دارند، از میزان درآمد گرفته تا تنوع کار و امکان دورکاری، اما کار در این زمینه قطعا برای همه مناسب نیست. یکی از معروف ترین مسیر های شغلی در حوزه ی تکنولوژی “علوم داده” یا همان Data Science است. حوزه ای که به همان اندازه که وسعت دارد، برای جهان امروز اهمیت نیز دارد. در طول دهه ی گذشته، هم تعداد افرادی که به دنبال کسب و کاری در حوزه ی علوم داده هستند و هم تعداد ابزار های آن به شدت افزایش یافته است.
در طول این دهه، میلیون ها نفر در حوزه ی Data Science تحصیل کرده اند، یا از طریق دوره های آنلاین و یا با کسب مدرک دانشگاهی در این زمینه. مزایای تحصیل و کار در این زمینه امروزه نیز همچنان افراد ره به خود جذب می کنند و در آینده نیز این روال ادامه خواهد داشت. اما سوالی که همه ی این افراد از خود پرسیدند این است: آیا Data Science مسیر شغلی مناسبی برای من است؟
اینکه آیا کار در یک حوزه ی مشخص درآمد مناسبی دارد یا خیر، دلیل کافی برای قدم نهادن در یک مسیر شغلی و شروع یک کسب و کار نیست. حوزه ی علوم داده نیز از این امر مستثنی نیست، و این حوزه نیز برای همه مناسب نمی باشد. در این مطلب، به شما پیشنهاد می کنیم برای اطمینان از اینکه کار در حوزه ی علوم داده برای شما مناسب است یا خیر، 6 سوال را از خود بپرسید.
سوال اول: آیا ذهن کنجکاوی دارید؟
با مهم ترین سوال شروع می کنیم، آیا ذهن کنجکاوی دارید؟ آیا به حل کردن جداول و پازل ها علاقه دارید؟ دوست دارید بدانید چرا هر چیزی به روش خاص خود کار می کند؟ آیا زمانی که با شرایط یا یافته های جالبی رو برو می شوید از خودتان می پرسید “چرا”؟
اگر جواب شما به این سوالات مثبت است، نشانه ی خوبی است برای این که Data Science می تواند حوزه ی مناسبی برای شما باشد. در این حوزه، کنجکاوی دانشجو و یا فرد شاغل می تواند در بررسی داده ها تفاوت بسیاری ایجاد نماید. این کنجکاوی آن ها را به سوالات صحیحی می رساند که به تحلیل بهتر و نهایتا تصمیمات بهتری منجر خواهد شد.
اما اگر پاسخ شما به این سوالات “خیر” بود، تحصیل و کار در حوزه ی علوم داده می تواند برای شما چالش برانگیز باشد.
سوال دوم: آیا با اینکه همیشه چیز های جدیدی یاد بگیرید مشکلی ندارید؟
تکنولوژی یک حوزه ی همیشه پویا بوده و همواره در حال تکامل و توسعه است. اگر به دنبال کسب و کاری در حوزه ی تکنولوژی و به طور خاص در زمینه ی علوم داده هستید، باید آمادگی این را داشته باشید که همواره خود را با آخرین اخبار و اطلاعات در این زمینه به روز نگه دارید و همواره در حال یادگیری باشید.
یادگیری ابزار های جدید، الگوریتم های جدید، زبان های برنامه نویسی جدید، رویارویی با مشکلات جدید، و یافتن راه حل های جدید. در تکنولوژی همواره چیز جدیدی برای یادگیری و یا مشکل جدیدی برای حل کردن وجود دارد. بنابراین اگر دوست دارید در گزینه های جدید جستجو کنید و یاد بگیرید، با اینکه همه چیز را در مورد حوزه ی تخصصی خود ندانید نیز مشکلی نخواهید داشت! در این صورت Data Science رشته ی مناسبی برای شما خواهد بود.
سوال سوم: آیا انسان صبوری هستید؟
صبور بودن در جنبه های بسیاری از زندگی اهمیت دارد و قطعا یکی از ملزومات اصلی موفقیت است. اما در Data Science به طور خاص، صبور بودن بسیار کلیدی است؛ خصوصا در جمع آوری داده، پاک سازی و فاز تحلیل پروژه ها. وقتی به یک متخصص علوم داده دیتا تستی برای تحلیل داده می شود، باید آن را بررسی کند، از نظر ساختاری چک کند و تصویر سازی های متفاوتی را برای درک بهتر آن به کار برد. و همه ی این مراحل نیازمند صبر و حوصله ی بسیار هستند.
همچنین در بررسی مدل پیش از به کار بردن آن در داده ها و رویارویی با سیلی از ابزار جدید که هر روزه معرفی می شوند نیز باید صبر و حوصله ی فراوان داشت. اما صبور بودن در Data Science یا هر حوزه ی دیگری در تکنولوژی می تواند موفقیت بسیاری برای شما به همراه داشته باشد.
سوال چهارم: آیا از کار کردن با دیگران لذت می برید؟
کار در حوزه ی علوم داده یک کار انفرادی نیست، در این حوزه لازم است شما با افراد مختلف با پیش زمینه های متفاوت کار کنید. بدیهی ترین ارتباط میان افراد در حوزه ی Data Science، ارتباط بین شما و مشتری خواهد بود. بعلاوه هدف اکثر پروژه های علوم داده تقویت برخی از جنبه های مدل های تجاری است.
بنابراین، شما با افرادی با پیش زمینه های تجاری، با افراد متخصص دیگر در همین زمینه، با طراحان گرافیک و حتی برنامه نویسان سر و کار خواهید داشت تا به آن ها کمک کنید از داده ها برای تصمیم گیری بهتر و پیشبرد کسب و کارشان استفاده نمایند. اگر کار کردن نزدیک با افرادی با پیش زمینه های مختلف و گاهی کشور های مختلف را دوست دارید، علوم داده ها می تواند گزینه ی مناسبی برای شما باشد.
سوال پنجم: آیا دوست دارید هوش خود را به چالش بکشید؟
این سوال به طور مستقیم به سوالی که پیش تر در مورد اشتیاق به یادگیری پرسیدیم مرتبط است. اما علوم داده ها جدا از یادگیری چیز های جدید، یکی از پر چالش ترین و در عین حال ارضا کننده ترین حوزه های علوم است. در Data Science، لازم است چیز های زیادی که در ابتدا به هم مرتبط به نظر نمی رسند را بیاموزید.
در این حوزه باید برنامه نویسی، ریاضیات، آمار، تصوصر سازی، تجارت، تصمیم گیری و حل مسائل را بیاموزید. بازم است خود را به چالش بکشانید تا بتوانید بخشی از حوزه های بسیار مختلف و متفاوتی را درک کنید تا بتوانید در این حوزه موفق شوید. ای احتمالا یکی از دلایلی است که بسیاری افراد از این حوزه کنار می کشند، اما اگر شما از به چالش کشیده شدن استقبال می کنید، ممکن است به راحتی در این رشته موفق شوید.
سوال ششم: آیا می توانید با ایده های پیچیده به راحتی ارتباط برقرار نمایید؟
آخرین سوال این است که آیا با شرایط پیچیده کنار می آیید؟ آیا می توانید مفهومی پیچیده را ساده سازی نموده و آن را به افرادی با پیش زمینه هایی متفاوت با خودتان توضیج دهید؟ آیا می توانید آن را به یک کودک یا فردی مسن تر از خودتان توضیح دهید؟
برقراری ارتباط بخش عمده ای از علوم داده است. همانطور که گفته شد، در Data Science باید با افراد مختلفی کار کنید که میزان دانش و حوزه ی تخصصی آن ها متفاوت است، لازم است پروسه ی کاری خود را به نحوی برای آنان توضیح دهید که برای آن ها معنا داشته باشد. اگر توانایی این را دارید که چیز های پیچیده را به طور ساده ای توضیح دهید و برای این کار می توانید روش های خلاقانه ای را به کار ببرید، علوم داده ها می توانید حیطه ی فعالیتی مناسبی برای شما باشد.
