با پیشرفت فناوری، حجم عظیمی از داده ها یا همان دیتا تکثیر می شود. با یک کلیک ماوس، وارد کردن یک متن، اسکن کردن یک کارت و نظیر اینها اطلاعات بیشتر و بیشتری در سراسر جهان تولید می شود. همچنانکه دیتا جایگاه خود را در جهان آینده تحکیم می بخشد، باید به ارزش دیتا ساینس (علم داده ها) نیز پی برد. به بیان ساده تر می توان گفت که دیتا ساینس علم داده ها است. دیتا ساینس ابزاری برای کشف اطلاعات ارزشمند از ذخایر انبوه داده هاست. دیتا ساینس اساسا یک علم بینارشته ای است: ترکیبی از علوم آمار و کامپیوتر، با رگه هایی از اصول ریاضیات. از میان اهداف دیتا ساینس می توان به این موارد اشاره کرد: بهینه سازی عملیات درون یک سازمان، تقویت ویژگی های خدمات/ محصولات، توصیف گرایش ها، تصمیم گیری مبتنی بر شواهد و پیش بینی نتایج.
برخی از نوآوری های شناخته شده و تقویت خدمات و محصولات که از دیتا ساینس حاصل شده اند عبارت اند از:
- Autocorrect
- پالایش جست و جوهای گوگل به این معنی که نتایج جست و جو ها را بتوان سفارشی سازی و فیلتر کرد
- وبسایت/ نرم افزارهایی که پیش بینی می کنند که شما چه نوعی موزیکی دوست دارید (مثل اسپاتیفای)و یا چه کتابی را ممکن است خریداری کنید (مثل آمازون)
- محصولات تشخیص صدا نظیر Siri ، Cortana و Google Voice که به شما اجازه می دهند کلمات صوتی را به کلمات مکتوب تبدیل کنید
- خودروهای بی سرنشین
- ویچگی های مقایسه ی قیمت در وبسایت ها که به شما کمک می کنند تا محصول یا خدماتی که کم ترین قیمت را دارد خریداری کنید
- بهینه سازی عملیات شرکت های هواپیمایی با پیش بینی تاخیر پرواز، محبوبیت مسیر، ترجیحات مشتریان و تعمیرات قطعات
- شناسایی تقلب
در تمام این نمونه ها از تحلیل داده های آماری و برنامه نویسی کامپیوتر برای بهبود خدمات/محصول/فرایند استفاده شده است. افرادی که برای رسیدن به این ویژگی ها کار می کنند دانشمندان دیتا نامیده می شوند.دانشمندان دیتا از روش علمی استفاده می کنند – ابتدا مشاهدات را انجام می دهند، بعد فرضیه سازی می کنند و بعد برای امتحان آنها آزمایش هایی را انجام می دهند – تا معانی داده های خام را نشان داده و خلق کنند.
پیشرفت فناوری این نوید را داده که ما خواهیم توانست قله های جدیدی را فتح کنیم – خدمات درمانی بهبود خواهند یافت، نوآوری هایی در زمینه ی تغییر بازی ایجاد خواهد شد و فرصت های کارآفرینی بیش از پیش وجود خواهد داشت.هرچند، تحقیقاتی که اخیرا در کانادا و ایالات متحده ی امریکا انجام شده نشان داده که در این کشورها یک شکاف استعداد یا به بیان دیگر کمبود دانشمندان دیتا وجود دارد. برآورد شده که تنها در کانادا به ده ها هزار فرد ماهر جهت تحلیل و جمع آوری ارزش از انبوه داده ها وجود خواهد داشت.
رشته ی دیتا ساینس SFU
دانشگاه سایمون فریزر (SFU) با علم به نیاز جامعه به دانشمندان دیتا یکی از اولین دوره های لیسانس دیتا ساینس را در کانادا ارائه کرده است. برنامه ی درسی این دوره ی تحصیلی به دقت طوری انتخاب شده که مطابق با مهارت های رایج مندرج در آگهی های شغلی متخصصان دیتا، کمبود استعدادهای مورد نیاز کارفرمایان و مهارت در فناوری های آتی که مورد نیاز محققان برجسته است باشد. با اینکه در سایر دوره های دیتا ساینس در آمریکای شمالی معمولا تنها دروس آمار، علوم کام÷یوتر و ریاضی تدریس می شود دوره ی SFU درس کسب و کار را در برنامه ی درسی دیتا ساینس گنجانده تا نیاز بازار کار را تامین کند. دوره ی دانشگاه SFU با این علم ارائه شده که دانشمندان دیتا ساینس نه تنها باید بر کامپیوتر و تحلیل کمی تسلط داشته باشند بلکه باید مهارت های ارتباطی و کار گروهی و دانش کسب و کار را هم داشته باشند.
دوره ی دیتا ساینس در دانشگاه سایمون فریزر مستلزم انجام دو پروژه است – یکی در ابتدای دوره و دیگری در انتهای آن تا دانشجویان فرصت داشته باشند راه حل هایی را برای مشکلات واقعی ارائه داده و آنها را تحلیل کنند.
این دوره که به اعطای مدرک لیسانس ختم می شود باعث می شود تا دانشجویان مهارت های زیر را بیاموزند و در آنها شایستگی پیدا کنند:
مهندسی نرم افزار R
جمع آوری و انبار داده ها Python
تحلیل و مدلسازی آماری C و C++
رگرسیون HTML/CSS
تصویرسازی و ارائه ی داده ها Java
طراحی تجربی و نمونه برداری نظرسنجی SQL
مدلسازی ریاضیاتی
تفکر انتقادی
مهارت های ارتباطی مورد نیاز در کسب و کار
بازاریابی
آنالیتیک مشتری
مدیریت پروژه
