Nauka o danych DATS
Stosowanie matematyki, statystyki, eksploracji danych i technik modelowania predykcyjnego w celu uzyskania wglądu, przewidywania zachowań i generowania wartości z danych.
Uwagi zawierające wskazówki
Nauka o danych jest zwykle wykorzystywana do analizy danych o dużej objętości, dużej szybkości i dużej różnorodności (liczby, symbole, tekst, dźwięk i obraz).
Działania mogą obejmować między innymi:
- integrowanie metod z matematyki, statystyki i modelowania prawdopodobieństwa przy użyciu specjalistycznych języków programowania, narzędzi i technik
- pozyskiwanie i przygotowywanie danych do analizy
- identyfikowanie, walidację i wykorzystywanie wewnętrznych i zewnętrznych zbiorów danych generowanych na podstawie różnorodnych procesów
- rozwijanie perspektywicznych, predykcyjnych, opartych na modelach spostrzeżeń w czasie rzeczywistym w celu tworzenia wartości i napędzania skutecznego podejmowania decyzji
- wyszukiwanie, selekcję, pozyskiwanie i pobieranie źródeł danych
- integrację i czyszczenie danych w celu dostosowania ich do potrzeb
- tworzenie hipotez i eksplorację danych przy użyciu modeli i piaskownic analitycznych
- udoskonalanie wymagań, walidację, szkolenie i ewolucję modeli w czasie, aby odnaleźć głębsze spostrzeżenia, dokonać przewidywań lub wygenerować rekomendacje.
- korzystanie z zaawansowanych technik analitycznych, w tym – między innymi – eksploracji danych/tekstu, uczenia maszynowego, dopasowywania wzorców, prognozowania, wizualizacji, analizy semantycznej, analizy sentymentu, analizy sieci i klastrów, statystyki wielowymiarowej, analizy grafów, symulacji, przetwarzania złożonych zdarzeń, sieci neuronowych.
Poziom odpowiedzialności za tę umiejętność
| 2 | 3 | 4 | 5 | 6 | 7 |
Nauka o danych: Poziom 1
Ta umiejętność nie jest zwykle obserwowana ani praktykowana na tym poziomie odpowiedzialności i rozliczalności.
Nauka o danych: Poziom 2
Pod kierownictwem stosuje określone techniki nauki o danych do danych. Analizuje i raportuje wyniki oraz rozwiązuje proste problemy, używając algorytmów zaimplementowanych w standardowych strukturach i narzędziach oprogramowania.
Nauka o danych: Poziom 3
Stosuje istniejące techniki nauki o danych do nowych problemów i zbiorów danych przy użyciu specjalistycznych technik programowania. Wybiera i przygotowuje dane do wykorzystania przez modele nauki o danych z istniejących źródeł danych. Ocenia wyniki i wydajność modeli nauki o danych. Identyfikuje i wdraża możliwości szkolenia i ulepszania modeli oraz danych, z których korzystają. Publikuje i raportuje dane wyjściowe modelu, aby sprostać potrzebom klienta i zachować zgodność z ustalonymi standardami.
Nauka o danych: Poziom 4
Bada opisany problem i zbiór danych w celu oceny przydatności rozwiązań z zakresu nauki o danych i analityki. Stosuje szereg technik nauki o danych i używa specjalistycznych języków programowania. Rozumie i stosuje zasady i wytyczne właściwe dla branży oraz przewiduje ryzyko i inne konsekwencje modelowania. Wybiera, pozyskuje i integruje dane do analizy. Opracowuje hipotezy i metody analizy danych oraz ocenia modele analityczne. Doradza w zakresie skuteczności konkretnych technik na podstawie wyników projektów i kompleksowych badań. Przyczynia się do rozwoju, oceny, monitorowania i wdrażania rozwiązań z zakresu nauki o danych.
Nauka o danych: Poziom 5
Planuje i prowadzi wszystkie etapy rozwoju rozwiązań z zakresu nauki o danych i analityki. Udziela porad eksperckich w celu oceny problemów do rozwiązania i zapotrzebowania na rozwiązania z zakresu nauki o danych. Określa, jakie źródła danych należy wykorzystać lub pozyskać. Określa i stosuje odpowiednie techniki nauki o danych oraz specjalistyczne języki programowania. Ocenia korzyści i wartość technik i narzędzi nauki o danych oraz rekomenduje usprawnienia. Przyczynia się do rozwoju polityki, standardów i wytycznych dotyczących opracowywania, oceny, monitorowania i wdrażania rozwiązań z zakresu nauki o danych.
Nauka o danych: Poziom 6
Kieruje wprowadzaniem i wykorzystywaniem nauki o danych i analityki w celu wprowadzania innowacji i zwiększania wartości biznesowej. Opracowuje zasady organizacyjne, standardy i wytyczne dla nauki o danych i analityki. Wyznacza kierunek i przewodzi we wprowadzaniu i stosowaniu technik, metodologii i narzędzi z zakresu nauki o danych i analityki. Kieruje rozwojem zdolności organizacyjnych w zakresie nauki o danych i analityki. Planuje i prowadzi strategiczne, duże i złożone inicjatywy z zakresu nauki o danych w celu generowania wniosków, tworzenia wartości i napędzania procesu decyzyjnego.
Nauka o danych: Poziom 7
Kieruje tworzeniem i weryfikacją wielofunkcyjnego, obejmującego całe przedsiębiorstwo podejścia i kultury generowania wartości z nauki o danych i analityki. Kieruje identyfikacją, oceną i przyjęciem możliwości w zakresie nauki o danych i analityki w celu przekształcenia wydajności organizacyjnej. Kieruje zapewnieniem zdolności organizacji w zakresie nauki o danych i analityki. Zapewnia, że strategiczne zastosowanie nauki o danych i analityki jest wbudowane w system zarządzania i przywództwo organizacji. Dostosowuje strategie biznesowe, transformację przedsiębiorstwa oraz strategie w zakresie nauki o danych i analityki.