Globalne ramy umiejętności i kompetencji w cyfrowym świecie

Nauka o danych DATS Beta

(unchanged)

Stosowanie matematyki, statystyki, eksploracji danych i technik modelowania predykcyjnego w celu uzyskania wglądu, przewidywania zachowań i generowania wartości z danych.

Polskie tłumaczenie SFIA 9: Wersja Beta

SFIA 9 w języku angielskim jest już dostępna.

  • To jest wersja beta SFIA 9 w języku polskim.
  • Stworzyliśmy ją za pomocą platformy Phrase Localization Platform, łącząc:
    • Przetłumaczoną zawartość z SFIA 8
    • Wkład od 7 wiodących dostawców tłumaczeń maszynowych
  • Zaktualizujemy to tłumaczenie po przeglądzie i kontroli jakości.
  • Prosimy o kontakt, jeśli zauważą Państwo jakiekolwiek błędy lub mają pytania.

Uwaga: Chociaż tłumaczenie maszynowe pomaga w tworzeniu wstępnych wersji, profesjonalna weryfikacja zapewnia dokładność i język odpowiedni do kontekstu.

Uwagi zawierające wskazówki

(unchanged)

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.

Zrozumienie poziomów odpowiedzialności związanych z tą umiejętnością

Tam, gdzie niższe poziomy nie są zdefiniowane...
  • Konkretne zadania i obowiązki nie są zdefiniowane, ponieważ umiejętność wymaga wyższego poziomu autonomii, wpływu i złożoności w podejmowaniu decyzji, niż zwykle oczekuje się na tych poziomach. Możesz użyć stwierdzeń esencji, aby zrozumieć ogólne obowiązki związane z tymi poziomami.
Tam, gdzie wyższe poziomy nie są zdefiniowane...
  • Obowiązki i odpowiedzialność nie są zdefiniowane, ponieważ te wyższe poziomy obejmują strategiczne przywództwo i szerszy wpływ organizacyjny, który wykracza poza zakres tej konkretnej umiejętności. Zapoznaj się z esencjonalnymi stwierdzeniami.

Rozwijanie umiejętności i wykazywanie się obowiązkami związanymi z tą umiejętnością

Zdefiniowane poziomy pokazują stopniowy postęp w umiejętnościach i odpowiedzialności.

Tam, gdzie niższe poziomy nie są zdefiniowane...

Możesz rozwijać swoją wiedzę i wspierać innych, którzy są odpowiedzialni w tym obszarze poprzez:

  • Poznanie kluczowych pojęć i zasad związanych z tą umiejętnością i jej wpływem na Twoją rolę
  • Wykonywanie powiązanych umiejętności (zobacz powiązane umiejętności SFIA)
  • Wspieranie innych, którzy wykonują zadania i działania na wyższym poziomie
Tam, gdzie wyższe poziomy nie są zdefiniowane...
  • Możesz się rozwijać, rozwijając powiązane umiejętności, które są lepiej dostosowane do wyższych poziomów przywództwa organizacyjnego.

Pokaż/ukryj dodatkowe opisy i poziomy.

Poziom odpowiedzialności za tę umiejętność

2 3 4 5 6

Nauka o danych: Poziom 2

Poziom 2 – Pomoc: Istota poziomu: Zapewnia pomoc innym, pracuje pod rutynowym nadzorem i wykorzystuje swoją dyskrecję do rozwiązywania rutynowych problemów. Aktywnie uczy się poprzez szkolenia i doświadczenia w miejscu pracy.

(modified)

Pod rutynowym nadzorem stosuje określone techniki nauki o danych do danych. Analizuje i raportuje wyniki oraz rozwiązuje proste problemy, korzystając z algorytmów zawartych w standardowych strukturach oprogramowania i narzędziach.

Nauka o danych: Poziom 3

Poziom 3 – Stosowanie: Istota poziomu: Wykonuje zróżnicowane zadania, czasami złożone i nierutynowe, przy użyciu standardowych metod i procedur. Pracuje pod ogólnym kierownictwem, zachowuje dyskrecję i zarządza własną pracą w ramach terminów. Proaktywnie zwiększa umiejętności i wpływ w miejscu pracy.

(modified)

Stosuje standardowe techniki nauki o danych do nowych problemów i zestawów danych przy użyciu specjalistycznych technik programowania. Identyfikuje i wybiera odpowiednie źródła danych oraz przygotowuje dane do wykorzystania przez modele nauki o danych. Ocenia wyniki i wydajność modeli nauki o danych. Identyfikuje i wdraża możliwości szkolenia i ulepszania modeli oraz wykorzystywanych przez nie danych. Publikuje i raportuje wyniki modeli, aby zaspokoić potrzeby klientów i zachować zgodność z ustalonymi standardami.

Nauka o danych: Poziom 4

Poziom 4 – Umożliwianie: Istota poziomu: Wykonuje różnorodne złożone działania, wspiera i prowadzi innych, deleguje zadania, gdy jest to właściwe, pracuje autonomicznie pod ogólnym kierownictwem i wnosi wiedzę specjalistyczną do realizacji celów zespołu.

(modified)

Bada problemy i zbiory danych w celu oceny przydatności rozwiązań z zakresu nauki o danych. Stosuje różne techniki nauki o danych i specjalistyczne języki programowania. Rozumie i stosuje zasady i wytyczne specyficzne dla branży i biznesu oraz przewiduje ryzyko i inne implikacje modelowania. Wybiera, pozyskuje i integruje dane do analizy. Formułuje hipotezy i ocenia modele nauki o danych. Doradza w zakresie skuteczności określonych technik w oparciu o wyniki analiz i badań. Przyczynia się do rozwoju, oceny, monitorowania i wdrażania rozwiązań data science.

Nauka o danych: Poziom 5

Poziom 5 – Zapewnianie, doradzanie: Istota poziomu: Zapewnia autorytatywne wytyczne w swojej dziedzinie i pracuje pod szerokim kierownictwem. Odpowiada za dostarczanie znaczących wyników pracy, od analizy przez wykonanie po ocenę.

(unchanged)

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

Poziom 6 – Inicjowanie, wpływ: Istota poziomu: Ma znaczący wpływ na organizację, podejmuje decyzje na wysokim szczeblu, kształtuje politykę, demonstruje przywództwo, promuje współpracę organizacyjną i przyjmuje odpowiedzialność w kluczowych obszarach.

(modified)

Wspiera i kieruje wprowadzaniem i wykorzystaniem nauki o danych w celu napędzania innowacji i wartości biznesowej. Rozwija i kieruje przyjęciem i przestrzeganiem polityk organizacyjnych, standardów, wytycznych i metod w zakresie nauki o danych. Wyznacza kierunek i przewodzi we wprowadzaniu i wykorzystywaniu technik, metodologii i narzędzi nauki o danych. Kieruje rozwojem możliwości organizacyjnych w zakresie nauki o danych. Planuje i prowadzi strategiczne, duże i złożone inicjatywy w zakresie nauki o danych w celu generowania spostrzeżeń, tworzenia wartości i podejmowania decyzji.