بقلم أندريا دي ماورو و ماهانتش باتادكال

 
بينما نستأنف من حيث توقفنا في الجزء الأول من سلسلة المدونات "اتجاهات الوظيفة في تحليلات البيانات"، تستمر رحلتنا عبر عالم اتجاهات وظائف تحليلات البيانات ودور معالجة اللغات الطبيعية (NLP).
 

في الجزء الأول قدمنا ​​"اتجاهات وظائف تحليلات البيانات"، وهو تطبيق يدور حول جمع البيانات وتطبيق البرمجة اللغوية العصبية لتحليلها، مدعوم من منصة KNIME Analytics. ناقشنا مرحلة تجريف الويب المستخدمة لجمع البيانات المباشرة المتعلقة بسوق العمل لتحليل البيانات، تليها عملية تنظيف البيانات باستخدام تقنيات البرمجة اللغوية العصبية. ثم قدمنا ​​نموذج موضوع يكشف عن سبع مجموعات مهارات متجانسة ضمن إعلانات الوظائف. تمثل مجموعات المهارات هذه الكفاءات والأنشطة التي يبحث عنها أصحاب العمل في مختلف الصناعات في المتخصصين في تحليل البيانات.

في الجزء الثاني من سلسلة المدونات، سنصف مجموعات المهارات المحددة ونضع بعض الاعتبارات المدعومة بالبيانات حول المشهد المتطور للمهن المهنية في علوم البيانات.

 
لتسمية مجموعات المهارات، نستخدم المصطلحات والأوزان الأكثر شيوعًا التي تم تحديدها من خلال خوارزمية LDA التي تم تطبيقها مسبقًا على إعلانات الوظائف. نقوم أيضًا بتحليل الأوصاف الوظيفية في كل موضوع لتسليط الضوء على الأنشطة الرئيسية والمهارات الأساسية والصناعات التي توجد فيها بشكل أكثر شيوعًا. يمكن أن يساعد فهم هذه المواضيع الباحثين عن عمل على مواءمة مهاراتهم مع متطلبات السوق وزيادة فرصهم في الحصول على منصب مناسب في مجال تحليلات البيانات. وفي الفقرات التالية، ستجد وصفًا موجزًا ​​لكل مجموعة مهارات.

الموضوع 0: البحث وتحليل البيانات

 
يوضح الجدول التالي المصطلحات الخمسة الأولى وأوزانها للموضوع 0. وتشير الأوزان إلى أهمية المصطلح في تعريف هذا الموضوع المحدد. بالنظر إلى هذه المصطلحات والمستندات المصنفة كموضوع 0، فإننا نفسر مجموعة المهارات هذه على أنها "البحث وتحليل البيانات".

الجدول 0: أوزان المصطلحات للموضوع 0
 

تشمل مجموعة المهارات هذه أنشطة مثل إجراء البحوث وتحليل البيانات وتقديم رؤى تدفع عملية صنع القرار في مختلف القطاعات. باعتبارها حجر الزاوية في تحليلات البيانات، تسهل مجموعة المهارات هذه استخلاص رؤى قيمة من البيانات وتحديد الاتجاه واتخاذ القرارات المستنيرة.
من خلال ما جمعناه ضمن مجموعة الوظائف، فإن متطلبات الكفاءة الأساسية المرتبطة بمجموعة المهارات هذه هي:

• قدرات تحليلية وحل المشكلات قوية
• خبرة في البرامج الإحصائية (R، Python) 
• تجربة مع أدوات تصور البيانات
• مهارات الاتصال والتوثيق الفعال
• خلفية في المجال ذي الصلة (الرياضيات أو الإحصاء أو علوم البيانات)

الموضوع الأول: الإدارة ودعم العملاء

من خلال النظر إلى المصطلحات والأوزان من الجدول 1 والمستندات المرتبطة بالموضوع 1، قررنا تسميته بـ "الإدارة ودعم العملاء". تستلزم مجموعة المهارات هذه إدارة تفاعلات العملاء، وتوفير الدعم الإداري، وتنسيق العمليات اللوجستية أو عمليات الشراء.

الجدول 1: أوزان المصطلحات للموضوع 1
 

في رأينا، الكفاءات الأساسية اللازمة للنجاح في الوظائف التي تتطلب هذه المهارات هي:

• قدرات إدارة التنظيمية والوقت قوية
• انتبه للتفاصيل
• - إجادة البرامج المكتبية وأدوات الاتصال
• مهارات ممتازة في التعامل مع الآخرين وحل المشكلات

الموضوع الثاني: التسويق وإدارة المنتجات

واستنادا إلى المصطلحات المبينة في الجدول 2، نفسر ذلك على أنه " التسويق وإدارة المنتجات "مجموعة المهارات.

الجدول 2: أوزان المصطلحات للموضوع 2
 

تدور مجموعة المهارات هذه حول تطوير استراتيجيات التسويق وإدارة دورات حياة المنتج ودفع نمو السوق. إنه أمر حيوي في الوظائف التي تركز على تحليلات البيانات، لأنه يسمح للمحترفين باستخدام الرؤى المستندة إلى البيانات لاتخاذ قرارات مستنيرة فيما يتعلق باتجاهات السوق وتفضيلات العملاء وأداء المنتج.

الكفاءات الأساسية المطلوبة ضمن مجموعة مهارات التسويق وإدارة المنتجات هي:

• قدرات التفكير التحليلي والاستراتيجي قوية
• الخبرة في أبحاث السوق والاستخبارات التنافسية
• خبرة في أدوات ومنصات التسويق
• مهارات الاتصال والقيادة ممتازة
• خلفية في مجال الأعمال أو التسويق أو أي مجال ذي صلة

الموضوع الثالث: إدارة الأعمال وحوكمة البيانات والامتثال

وبناء على المصطلحات المبينة في الجدول رقم (2) توصلنا إلى أنها تشير إلى "إدارة الأعمال وإدارة البيانات والامتثال "مجموعة المهارات.

تشمل مجموعة المهارات هذه الإشراف على العمليات التجارية، وضمان جودة البيانات وأمنها، وإدارة المخاطر والمتطلبات التنظيمية. في الوظائف التي تتطلب تحليلات بيانات مكثفة، تتيح مجموعة المهارات هذه الحفاظ على تكامل البيانات ومراقبة الامتثال وتحديد المخاطر وتحسين عمليات الأعمال باستخدام الرؤى المستندة إلى البيانات.

الجدول 3: أوزان المصطلحات للموضوع 3
 

وفقًا للنتائج التي توصلنا إليها، فإن الكفاءات المطلوبة ضمن مجموعة المهارات هذه هي:

• قدرات تنظيمية وقيادية قوية
• الخبرة في إدارة البيانات وإدارة البيانات وتقييم المخاطر
• خبرة في الأطر التنظيمية ومعايير الصناعة
• مهارات الاتصال الفعال وحل المشكلات
• خلفية في الأعمال التجارية أو المالية أو مجال ذي صلة

الموضوع الرابع: ذكاء الأعمال وتصور البيانات

بالنظر إلى المصطلحات التي وجدناها في الموضوع الرابع، فإننا نسميها "ذكاء الأعمال وتصور البيانات"مجموعة المهارات.

تتضمن مجموعة المهارات هذه تصميم حلول ذكاء الأعمال (BI) الحالية دائمًا مثل لوحات المعلومات والتقارير، وإنشاء تصورات ثاقبة، وتحليل البيانات لاتخاذ قرارات مستنيرة. إنه أمر محوري في الوظائف التي تستفيد من تحليلات البيانات، وتحول البيانات الأولية إلى رؤى قابلة للتنفيذ تقود القرارات الإستراتيجية.

الجدول 4: أوزان المصطلحات للموضوع 4
 

في رأينا، فإن متطلبات الكفاءة الأساسية في ذكاء الأعمال وتصور البيانات هي:

• قدرات تحليلية وحل المشكلات قوية
• الخبرة في أدوات BI (مثل Power BI وTableau وSQL)
• خبرة في تقنيات تصور البيانات
• مهارات الاتصال وسرد القصص الفعالة

الموضوع الخامس: مستودع البيانات والبنية التحتية السحابية

واستنادا إلى المصطلحات المبينة في الجدول 5، نفسر ذلك على أنه "مستودع البيانات والبنية التحتية السحابية "مجموعة المهارات.

عادةً ما ترتبط الوظائف الوظيفية التي تتطلب مجموعة مهارات هندسة السحابة والبيانات الضخمة بأنشطة مثل تصميم وتنفيذ الحلول المستندة إلى السحابة، وإدارة معالجة البيانات على نطاق واسع، وتطوير تطبيقات البرامج. إنه أمر حيوي في الوظائف التي تركز على تحليلات البيانات، مما يتيح المعالجة والتحليل الفعال لأحجام البيانات الكبيرة للحصول على رؤى قيمة.

الجدول 5: أوزان المصطلحات للموضوع 5
 

في رأينا، متطلبات الكفاءة الأساسية المتعلقة بمجموعة المهارات هي 

• قدرات قوية في البرمجة وحل المشكلات
• الخبرة في الأنظمة الأساسية السحابية (مثل AWS وAzure وGoogle Cloud)
• خبرة في تقنيات البيانات الضخمة (مثل قواعد بيانات Hadoop وSpark وNoSQL)
• المعرفة بسياسات أمن المعلومات والعمليات ذات الصلة

الموضوع السادس: التعلم الآلي

واستنادا إلى المصطلحات المبينة في الجدول 6، نفسر ذلك على أنه "تعلم آلة مجموعة مهارات، والتي تدور حول تصميم نماذج الذكاء الاصطناعي، والبحث في تقنيات تعلم الآلة المتطورة، وتطوير حلول برمجية ذكية. وفي الوظائف التي تتطلب تحليلات بيانات مكثفة، فإنها تشكل الأساس للتدريب على نماذج الذكاء الاصطناعي وتحسين الأداء.

الجدول 6: أوزان المصطلحات للموضوع 6
 

وفقًا للنتائج التي توصلنا إليها، فإن الكفاءات الأساسية المطلوبة في التعلم الآلي اليوم هي:

• برمجة قوية وقدرات رياضية
• الخبرة في أطر التعلم الآلي (مثل TensorFlow وPyTorch)
• خبرة في تقنيات الذكاء الاصطناعي المتقدمة (مثل التعلم العميق ومعالجة اللغة الطبيعية)
• مهارات الاتصال والتعاون الفعال 

 
في هذه الدفعة، يتحول تركيزنا إلى التحليل المعقد لمجموعات المهارات كما تم الكشف عنها من خلال نمذجة الموضوع عبر ثلاثة ملفات تعريف مهنية متميزة: مهندس البيانات، ومحلل البيانات، وعالم البيانات. لمواءمة هذه الملفات الشخصية المهنية مع إعلانات الوظائف، استخدمنا مصنفًا قائمًا على القواعد. تمكن هذا المصنف من تحديد تعيين الملف الشخصي لقائمة الوظائف بناءً على الكلمات الرئيسية الموجودة في المسمى الوظيفي. على سبيل المثال، سيتم تصنيف منشور وظيفي بعنوان "مهندس بيانات" على أنه دور مهندس بيانات، في حين سيتم إسناد منشور بعنوان "مهندس تعلم الآلة" إلى فئة عالم البيانات. 

إن استخدام نمذجة موضوع تخصيص Dirichlet الخفي (LDA) يزودنا بأوزان الموضوع لكل إعلان وظيفة، والتي تمتد إلى سبع مجموعات مهارات متميزة. من خلال حساب متوسط ​​وزن كل مجموعة مهارات عبر جميع الملفات الشخصية المهنية، نصل إلى متوسط ​​وزن مجموعة المهارات الخاصة بكل دور. والجدير بالذكر أنه يتم بعد ذلك تسوية هذه الأوزان وتمثيلها كنسب مئوية.

كما هو موضح في الشكل 1، نقدم تصورًا ثاقبًا للتفاعل بين التسميات المهنية ومجموعات المهارات المقابلة. تُلخص هذه الصورة التوقع الجماعي لأصحاب العمل فيما يتعلق بالكفاءات الأساسية الحاسمة لمهندسي البيانات ومحللي البيانات وعلماء البيانات.

كما هو متوقع، يتطلب دور مهندس البيانات بشكل بارز إتقان مجموعة مهارات "مستودع البيانات والبنية التحتية السحابية". علاوة على ذلك، يعد الفهم التكميلي للتصور والتعلم الآلي أمرًا ضروريًا. يمكن أن يعزى هذا التركيز على تنوع المهارات إلى توقع أن مهندسي البيانات سيكونون جزءًا لا يتجزأ من دعم كل من محللي البيانات وعلماء البيانات.

وعلى العكس من ذلك، فإن الخبرة الأساسية المتوقعة لعلماء البيانات تكمن في "التعلم الآلي"، تليها مباشرة الكفاءة في منهجيات "البحث". ومن الجدير بالذكر أن مجموعة المهارات الهجينة التي تشمل "إدارة الأعمال" و"إدارة المنتجات" تحتل أيضًا مرتبة عالية من حيث الأهمية. وهذا يشمل المجموعة المعقدة من الكفاءات التي يبحث عنها سوق العمل لعلماء البيانات الطموحين.

بتحويل اهتمامنا إلى مجال محلل البيانات، يظهر مطلب محوري لإتقان "ذكاء الأعمال والتصور". ونظرًا لدورهم في إنشاء تقارير الأعمال، وقيادة لوحات المعلومات، ومراقبة حيوية الأعمال، فإن هذا لا يشكل مفاجأة. ويعكس الطلب الموازي على "إدارة الأعمال" كمهارة أساسية ثانوية الفطنة الإستراتيجية المتوقعة من هذا الدور. علاوة على ذلك، وعلى غرار دور عالم البيانات، هناك متطلب موازٍ لكفاءات "إدارة المنتجات" و"البحث" ضمن نطاق محلل البيانات.

باختصار، يسلط هذا الاستكشاف الضوء على المشهد الدقيق لمتطلبات مجموعة المهارات الأساسية عبر أدوار تحليل البيانات المختلفة. وهو يصور توقعات أصحاب العمل متعددة الأوجه للمرشحين الذين يطمحون إلى التفوق في قدرات مهندسي البيانات، ومحللي البيانات، وعلماء البيانات.

الشكل 1: يعرض مخطط الرادار الارتباط بين الملفات الشخصية المهنية المرسومة مقابل مجموعات المهارات الموضحة في الأبعاد (انقر للتكبير).
 

 
يهدف تحليلنا لإعلانات الوظائف في مجال تحليلات البيانات المتوسع إلى تصنيف الوظائف بناءً على مجموعات مهارات متميزة وتوضيح النطاق المتنوع للقدرات المطلوبة في كل فئة. مع النمو الهائل في هذا المجال والطبيعة الحاسمة للقرارات المتخذة بناءً على البيانات، شهدت عملية جمع البيانات وتخزينها وتحليلها تقدمًا ملحوظًا، مما أدى إلى طلب لا يشبع على المهنيين المهرة في تحليل البيانات.

ومن خلال تصنيف الوظائف الشاغرة إلى سبعة موضوعات بارزة في مجموعة المهارات، فإننا نسلط الضوء على ضرورة المهارات المتخصصة والمتعددة الأوجه في هذا المجال سريع التغير. وتراوحت المواضيع بين تحليل البيانات وذكاء الأعمال والتعلم الآلي والذكاء الاصطناعي، مما يؤكد الطلب المتزايد على الأفراد البارعين في تسخير البيانات والتكنولوجيا والعمل الجماعي متعدد الوظائف.

على الرغم من ذلك، هذه الدراسة لديها العديد من القيود. تتطلب الطبيعة الديناميكية لسوق العمل وظهور تقنيات ومنهجيات جديدة تحديثًا مستمرًا لتحليلنا مقابل عرض "لقطة" ثابتة كما فعلنا هنا. علاوة على ذلك، ربما لم يستوعب نهجنا كل الفروق الدقيقة في الأدوار والمهارات الوظيفية المتنوعة في مجال تحليل البيانات، نظرًا للاعتماد على إعلانات الوظائف المتاحة في وقت البحث.

جميع أعمالنا متاحة مجانًا على الفضاء العام لمركز مجتمع KNIME - "تطبيق الكفاءة الوظيفية". يمكنك تنزيل سير العمل وتشغيله لتجربته واكتشفه بنفسك وتوسيع نطاقه أو تحسينه. 

 
وبالنظر إلى المستقبل، نرى إمكانية التوسع الكبير في هذه الدراسة. يتضمن ذلك تطوير مكونات KNIME لتنفيذ طريقة "إزالة عبارات التوقف"، الموضحة في الجزء الأول، وإطار تصور تفاعلي بشري في الحلقة في KNIME. ومن شأن هذا الإطار أن يبسط عملية الحكم البشري في اختيار نموذج الموضوع الأكثر تماسكًا لمجموعة معينة، مما يعزز توسيع نطاق عملنا. نحن نتصور أيضًا تطبيق الآليات المدعومة بماجستير القانون لدعم وتبسيط مرحلة نمذجة الموضوع: وهذا السيناريو يترك بالتأكيد مجالًا لمزيد من التجارب والبحث.

يجب أن يظل المحترفون في مجال تحليل البيانات على اطلاع وقابلية للتكيف في مواجهة التقنيات الناشئة. وهذا يضمن أن تظل مهاراتهم ذات صلة وقيمة في المشهد المتغير باستمرار لعملية صنع القرار المستندة إلى البيانات. ومن خلال التعرف على المهارات المتعلقة بالموضوعات المحددة وتنميتها، يمكن للباحثين عن عمل الحصول على ميزة تنافسية في هذا السوق النابض بالحياة. ولحماية أهميتهم في هذا المجال، يجب على محترفي تحليلات البيانات أن يظلوا فضوليين طوال حياتهم المهنية وأن يستمروا في التعلم بشكل مستمر.

 
 
ماهانتش باتادكال يتمتع بخبرة تزيد عن 6 سنوات في تقديم الاستشارات بشأن مشاريع ومنتجات علوم البيانات. ومع حصوله على درجة الماجستير في علوم البيانات، تتألق خبرته في التعلم العميق ومعالجة اللغات الطبيعية والتعلم الآلي القابل للتفسير. بالإضافة إلى ذلك، فهو يشارك بنشاط مع مجتمع KNIME للتعاون في المشاريع القائمة على علوم البيانات.
 

أندريا دي ماورو يتمتع بخبرة تزيد عن 15 عامًا في بناء فرق تحليلات الأعمال وعلوم البيانات في شركات متعددة الجنسيات مثل P&G وVodafone. وبصرف النظر عن دوره في الشركة، فهو يستمتع بتدريس تحليلات التسويق والتعلم الآلي التطبيقي في العديد من الجامعات في إيطاليا وسويسرا. ومن خلال أبحاثه وكتاباته، استكشف التأثير التجاري والمجتمعي للبيانات والذكاء الاصطناعي، مقتنعًا بأن المعرفة التحليلية الأوسع ستجعل العالم أفضل. أحدث كتاب له هو "Data Analytics Made Easy" الذي نشرته شركة Packt. ظهر في قائمة "أربعون تحت 2022" العالمية لعام 40 لمجلة CDO.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://www.kdnuggets.com/job-trends-in-data-analytics-part-2?utm_source=rss&utm_medium=rss&utm_campaign=job-trends-in-data-analytics-part-2