データサイエンス DATS Beta
(unchanged)
数学、統計、データマイニング、予測モデリングの手法を適用して、洞察を得たり、行動を予測したり、データから価値を生み出します。
SFIA 9の日本語翻訳：ベータ版
SFIA 9の英語版が現在利用可能です。
- これはSFIA 9の日本語ベータ版です。
-
以下を組み合わせてPhrase Localization Platformを使用して作成しました：
- SFIA 8から翻訳されたコンテンツ
- 7つの主要な機械翻訳プロバイダーからの貢献
- レビューと品質チェック後にこの翻訳を更新する予定です。
- エラーに気づいた場合や質問がある場合は、お問い合わせください。
注：機械翻訳は初期バージョンの作成に役立ちますが、専門家によるレビューにより、正確性と文脈に適した言語使用が保証されます。
ガイダンスノート
(unchanged)
データサイエンスは通常、大量、高速、多様なデータ（数字、記号、テキスト、音声、画像）の分析に使用されます。
アクティビティには次のものが含まれますが、これらに限定されません。
- 特殊なプログラミング言語、ツール、および手法を使用して、数学、統計、および確率モデリングの手法を統合する。
- 分析用のデータの調達と準備
- さまざまなプロセスから生成された内部および外部のデータセットを特定、検証、活用する。
- 将来を見据えた予測的でリアルタイムのモデルベースの洞察を開発して、価値を創造し、効果的な意思決定を推進します。
- データソースの検索、選択、取得、および取り込み
- 目的に合うようにデータを統合およびクリーニングする。
- モデルと分析サンドボックスを使用して仮説を立て、データを探索する。
- 要件を改善し、モデルを検証、トレーニング、進化させて、より深い洞察を発見したり、予測を行ったり、推奨事項を生成したりします。
- データ/テキストマイニング、機械学習、パターンマッチング、予測、視覚化、セマンティック分析、感情分析、ネットワークおよびクラスター分析、多変量統計、グラフ分析、シミュレーション、複合イベント処理、ニューラルなどの高度な分析手法を使用する ネットワーク。
このスキルの責任レベルを理解する
下位レベルが定義されていない場合...
- 特定のタスクと責任は、スキルが意思決定において、これらのレベルで通常期待されるよりも高いレベルの自律性、影響力、および複雑さを必要とするため、定義されていません。エッセンス・ステートメントを使用して、これらのレベルに関連する一般的な責任を理解できます。
上位レベルが定義されていない場合...
- 責任と説明責任は、これらのより高いレベルには、この特定のスキルの範囲を超えた戦略的リーダーシップとより広範な組織的影響力が含まれるため、定義されていません。エッセンスステートメントを参照してください。
スキルを開発し、このスキルに関連する責任を示す
定義されたレベルは、スキルと責任の段階的な進歩を示します。
下位レベルが定義されていない場合...
次の方法で、知識を深め、この分野で責任を持つ他の人をサポートすることができます。
- このスキルに関連する重要な概念と原則、およびそれが自分の役割に与える影響を学ぶ
- 関連スキルの実行(関連するSFIAスキルを参照)
- Supporting others who are performing higher level tasks and activities
上位レベルが定義されていない場合...
- より高いレベルの組織のリーダーシップにより適した関連スキルを開発することで進歩することができます。
SFIAスキルが7つのレベルすべてで定義されていない理由については、クリックしてください。
追加の説明とレベルを表示/非表示にします。
| 2 | 3 | 4 | 5 | 6 |
Levels of responsibility for this skill
データサイエンス: レベル 2
(modified)
日常的な監督のもと、特定のデータサイエンスの手法をデータに適用します。標準的なソフトウェアフレームワークとツールに含まれるアルゴリズムを使用して、調査結果を分析して報告し、簡単な問題に対処することができる。
データサイエンス: レベル 3
(unchanged)
特殊なプログラミング手法を使用して、既存のデータサイエンス手法を新しい問題やデータセットに適用します。 既存のデータソースから選択し、データサイエンスモデルで使用するデータを準備します。 データサイエンスモデルの結果とパフォーマンスを評価します。 モデルとモデルが使用するデータをトレーニングおよび改善する機会を特定して実装します。 顧客のニーズを満たし、合意された基準に準拠するために、モデルの出力を公開およびレポートします。
データサイエンス: レベル 4
(modified)
問題とデータセットを調査して、データサイエンスソリューションの有用性を評価します。多様なデータサイエンスの手法と特殊なプログラミング言語を適用します。業界やビジネスに特有のルールやガイドラインを理解して適用し、モデリングのリスクやその他の影響を予測できる。分析対象のデータを選択、取得、統合することができる。仮説を立て、データサイエンスモデルを評価する。分析結果と研究に基づいて、特定の手法の有効性について助言することができる。データサイエンスソリューションの開発、評価、監視、展開に貢献する。
データサイエンス: レベル 5
(unchanged)
データサイエンスおよび分析ソリューションの開発のすべての段階を計画および推進します。 解決すべき問題とデータサイエンスソリューションの必要性を評価するための専門家のアドバイスを提供します。 使用または取得するデータソースを識別します。 適切なデータサイエンス技術と特殊なプログラミング言語を指定して適用します。 データサイエンスの手法とツールの利点と価値を確認し、改善を推奨します。 データサイエンスソリューションを開発、評価、監視、および展開するためのポリシー、標準、およびガイドラインの開発に貢献します。
データサイエンス: レベル 6
(unchanged)
データサイエンスと分析の導入と使用を主導して、イノベーションとビジネス価値を推進します。 データサイエンスと分析のための組織のポリシー、標準、およびガイドラインを作成します。 データサイエンスと分析の手法、方法論、ツールの導入と使用における方向性とリードを設定します。 データサイエンスと分析のための組織能力の開発を主導します。 洞察を生み出し、価値を創造し、意思決定を推進するための戦略的で大規模で複雑なデータサイエンスイニシアチブを計画および主導します。