ماذا تعرف عن تخصص علم البيانات ؟

hanan2021-04-01

245 6 دقائق

تخصص علم البيانات يقصد بهذا العلم، مجموعة من التخصصات التي ترتبط بالعلوم التكنولوجية وتطوير الخوارزمية، لحل المشكلات المعقدة منها، وذلك بأسلوب تحليلي ضمن منظومة البيانات التي أصبحت في وقتنا الحالي ضرورة ملحة. في عصر الثورة التكنولوجيه العالمية التي يشهدها عصرنا الحالي. في كيفية الحصول على المعلومات والاحتفاظ بها .

معلومات عن تخصص علم البيانات

تخصص علم البيانات يبحث في كيفية استخدام البيانات بطرق إبداعية من شأنها إعطاء تقرير وتقييم عالي للعمل المطلوب إنجازه. عن طريق استخدام الأساليب العلمية بمعالجات مختلفة تهدف إلى استخراج الأفكار والمعلومات المعرفية بكافة جوانبها وأشكالها المُأطّرة منها وغير المُأطّرة. كما ويعتبر العمل في مجال علم البيانات العمل الأكثر جاذبية وطلباً في القرن الحادي والعشرين خصوصاً بعد عام 2021 م. فهو علم تُستخدم فيه أجهزة الكمبيوتر، والخوارزميات، والبرمجة من أجل حل المشكلات، وتحليل الظواهر المتعلقة بها، فهو يستعين بنظريات تعتمد على العلوم الأخرى مثل: نظم المعلومات والرياضيات والإحصاء وغيرها

المقصود بعلم البيانات

علم البيانات يُعرف بأنه “مفهوم قائم على توحيد الإحصاء، وتحليل البيانات وتعلم استخدام الحاسوب والوسائل المرتبطة بها من أجل فهم وتحليل ظاهرة فعلية باستخدام البيانات”. هو (نفط القرن الواحد والعشرين)، وقد استخدم هذا المصطلح للدلالة على أهمية البيانات في العصر الحالي. وكما في حالة النفط الخام، لا يمكننا استعماله والاستفادة منه إلا في حال تكريره. كذلك هي البيانات، لا يمكننا الاستفادة منها إلا في حال تحليلها واستخراج ما ينفع منها ويفيد.

منهجية تخصص علم البيانات

للإضاءة على تخصص علم البيانات الذي هو المعرفة، التي يتم التوصل إليها من خلال الدراسة والممارسة والملاحظة المنظمة للأحداث والظروف الطبيعية من حولنا، من أجل اكتشاف حقائق عنها، ومن أجل صياغة القوانين والمبادئ التي تعتمد على هذه الحقائق. ويقوم العلماء باتباع المنهج العلمي في أبحاثهم والتي تتمثل خطواته بـما يلي:

السؤال أو المشكلة (Question/ Problem)
الملاحظة أو البحث (Observation/ Research)
وضع الفرضية (Hypothesis-)
التجربة أو اختبار صحة الفرضية (Experimentation)
التوصل إلى نتائج المعرفة العلمية (Conclusion).

أقسام علم البيانات

يتميز تخصص علم البيانات بكونه واحداً من العلوم التي لا توجد ضمن تصنيفات أخرى، بل يتم تقسيمه إلى مجموعة من الفروع والتي تتعلق بتحليل البيانات كما يلي:

قسم تطوير المنتجات المرتبطة بالبيانات: و يعتمد هذا القسم على البيانات التي تتضمنها مثلاً الشركة، كأحد المدخلات الرئيسية إلى الخوارزميات. كذلك النماذج التي يقوم المختص بالبيانات بإدخالها وبنائها. فهناك اعتماد على وجود خلفية ومعرفة واسعة للشخص بعلم الحاسوب، والذكاء الاصطناعي، وخوارزميات تعلم الحاسوب.
قسم اكتشاف وفهم البيانات: يختص هذا القسم باكتشاف المعرفة التي تتضمنها البيانات لتوفير فرصة للأعمال لاتخاذ القرارات التي تساهم بشكل كبير في الحصول على فائدة أكبر، ويقوم هذا القسم بالاعتماد على علم الإحصاء وتحليل البيانات الكمي والنوعي.

أهمية اكتشاف وفهم البيانات

يهتم هذا القسم من تخصص علم البيانات في اكتشاف المعرفة داخل البيانات نفسها. لتمكين الأعمال من اتخاذ قرارات تحقق لهم فائدة أكب��! حيث يعتمد بشكل كبير على علم الإحصاء (تحليل البيانات الكمي والنوعي). فعلى سبيل المثال يمكننا فهم المقصود مما يلي: لنفرض أن لدينا تطبيق موبايل لبيع الملابس يعمل على أجهزة الآيفون والأندرويد.

البيانات (Data): أظهرت لدينا أنه خلال الشهر الماضي مثلاً، تم استخدام التطبيق من قبل 5000 مستخدم.
التحليلات (Analytics): تقول أنه يمكن استخدام التحليلات لإيجاد عدد المستخدمين الذين استعملوا التطبيق من خلال الآيفون.
فهم التحليلات (Insights): من الممكن اكتشاف أن مستخدمي الآيفون هم أقل احتمالاً للشراء عبر التطبيق بنسبة 40 %.
الخطوة التالية أو النتيجة: وتتمثل بمعرفة السبب وراء انخفاض نسبة التعاملات باستخدام أجهزة الآيفون مقارنةً بباقي الأجهزة. إذ هل يمكن أن يتعلق هذا الأمر بصعوبة وتعقيد واجهة استخدام التطبيق في الايفون؟ فإذا كان الأمر صحيحاً، فإن جعل واجهة الاستخدام بسيطة أكثر، سوف يرفع من احتمال عملية شراء المنتجات عبر المستخدمين الذين يملكون آيفون.

الفرق بين العالم والمحلل للبيانات

بالعودة إلى تخصص علم البيانات نرى أنه غالباً ما يتم الخلط بين دور عالم البيانات والأدوار المماثلة الأخرى. كما هو حاصل بين محللي البيانات و مهندسي البيانات . إلا أنهما في حقيقة الأمر يختلفان عن بعضها البعض، ولكل منهما أهميته وعمله الخاص وفيما يلي سنتعرف على دور كل منهما.

محلل البيانات

يشترك محللو البيانات مع المهندسين في العديد من المهارات والمسؤوليات نفسها كعلماء البيانات ، وفي بعض الأحيان تكون لديهم خلفية تعليمية مماثلة أيضاً. كما وتتضمن بعض هذه المهارات المشتركة القدرة على:
الوصول والاستعلام على سبيل المثال (SQL) ومصادر بيانات مختلفة، معالجة البيانات النظيفة، تلخيص البيانات، فهم واستخدام بعض الإحصائيات والأساليب الرياضية، إعداد تصورات البيانات والتقارير، ومع ذلك فإن بعض الاختلافات الرئيسية تكمن في أن محللي البيانات ليسوا عادةً مبرمجي كمبيوتر . كما وأنهم غير مسؤولين عن النمذجة الإحصائية ، وتعلم الحاسوب ، والعديد من الخطوات الأخرى الموضحة في عملية تخصص علم البيانات أعلاه.
عادةً ما تكون الأدوات المستخدمة مختلفة أيضاً. فغالباً ما يستخدم محللو البيانات أدوات للتحليل وقياس الأعمال مثل: Microsoft Excel التصور والجداول المحورية … و Tableau و SAS و SAP و Qlik .
يقوم المحللون أحيان��ً بمهام التفتيش عن البيانات والنمذجة ، إلا أنهم يميلون إلى استخدام منصات مرئية مثل: IBM SPSS Modeler و Rapid Miner و SAS و KNIME.
يؤدي علماء البيانات هذه المهام نفسها عادةً باستخدام أدوات مثل R و Python ، جنباً إلى جنب مع المكتبات ذات الصلة للغة (اللغات) المستخدمة.
أخيراً، يميل محللو البيانات إلى الاختلاف بشكل كبير في تفاعلهم مع كبار مديري الأعمال والمديرين التنفيذيين. فكثيراً ما يتم طرح أسئلة وأهداف محللي البيانات من أعلى إلى أسفل ، ثم يقومون بإجراء التحليل ، ثم الإبلاغ عن النتائج التي توصلوا إليها.
يميل علماء البيانات إلى طرح الأسئلة بأنفسهم لمعرفة أهداف العمل الأكثر أهمية وكيف يمكن استخدام البيانات لتحقيق أهداف معينة.
بالإضافة إلى ذلك ، يستخدم علماء البيانات عادةً تقنيات إحصائية ونماذج أكثر تطوراً، وتصورات للبيانات . كما ويؤكدون على إعداد التقارير بطريقة سرد القصص التي تعتمد على الأعمال.

مهندس البيانات

أصبح مهندسو البيانات أكثر أهمية في عصر (تخصص البيانات الضخمة )، ويمكن ��عتبارهم نوعاً ما من مهندسي البيانات وذلك للاعتبارات التالية:

هم أقل اهتماماً بالإحصاءات والتحليلات والنمذجة مثل نظرائهم من علماء البيانات المحللين.
هم أكثر اهتماماً بهندسة البيانات والبنية التحتية للحوسبة. كذلك الأمر بالنسبة لتخزين البيانات وتدفيق البيانات وما إلى ذلك.
غالباً ما تأتي البيانات التي يستخدمها علماء البيانات وتطبيقات البيانات الضخمة من مصادر متعددة . في حين يجب استخراجها ونقلها وتحويلها ودمجها وتخزينها (على سبيل المثال ، ETL / ELT ) بطريقة محسّنة للتحليلات وقياس الأعمال والنمذجة.
إن مهندسي البيانات مسؤولون عن هندسة البيانات ، وإنشاء البنية التحتية المطلوبة. على هذا النحو ، يجب أن يكونوا مبرمجين أكفاء يتمتعون بمهارات مشابهة جداً لشخص ما في دور DevOps ، ولديهم مهارات خبرة قوية في كتابة استعلام البيانات أيضاً .
بالإضافة إلى تصميم قاعدة البيانات ( RDBMS و NoSQL و NewSQL ) وتخزين البيانات وإنشاء بحيرة بيانات . هذا يعني أنه يجب أن يكونوا على دراية بالعديد من تقنيات قواعد البيانات وأنظمة الإدارة المتاحة، بما في ذلك تلك المرتبطة بالبيانات الضخمة على سبيل المثال (L Hadoop و HBase ).
أخيراً ، يعالج مهندسو البيانات عادةً متطلبات البنية التحتية غير الوظيفية. كما في: قابلية التوسع والموثوقية والمتانة والتوافر والنسخ الاحتياطية وما إلى ذلك.

علماء تخصص البيانات

أكثر البرامج شعبية التي يستخدمها علماء البيانات تشمل: Scikit تعلم ، e1071 ، الباندا ، نمباي ، TensorFlow ، Matplotlib ، D3 ، و ggplot2 .كما أن علماء البيانات عادة ما يستخدمون أجهزة الكمبيوتر المحمولة والأجهزة الذكية مثل: Jupyter ، iPython ، Knitr ، حيث يمكن تسليم الكود والبيانات إلى جنب النتائج الرئيسية، ليتمكن أي شخص من إجراء نفس التحليل ، والبناء عليه إذا رغب في ذلك. كما يجب أن يكون علماء البيانات قادرين على استخدام الأدوات والتقنيات المرتبطة بالبيانات الضخمة أيضاً. والأمثلة الأكثر شيوعاً Hadoop و Spark و Hive و Pig و Drill و Presto و Mahout وما إلى ذلك. كما يجب أن يعرف علماء البيانات كيفية الوصول إلى العديد من أفضل أنظمة إدارة قواعد البيانات lehg و NoSQL و NewSQL والاستعلام عنها .

تطوير المنتجات المرتبطة بالبيانات

يستخدم هذا القسم من تخصص البيانات الموجودة لدى شركة ما ، كمدخلات إلى الخوارزميات والنماذج التي يقوم ببنائها “عالم البيانات” . لذل يعتمد هذا القسم بشكل كبير على معرفة الشخص بعلم الحاسوب وخوارزميات تعلم الحاسوب والذكاء الصنعي. كما أن هنالك العديد من المواقع التي نستعملها كل يوم، والتي تعتمد على هذا المفهوم بشكل أساسي ونذكر منها:

Google Search : عندما تقوم بالبحث عن شيء معين، فإن محرك البحث غوغل لا يقوم بعرض النتائج المتعلقة بهذه الكلمة فقط، بل يستخدم جميع البيانات التي يمكن الحصول عليها من المستخدم لعرض أفضل نتيجة ممكنة. أن النتائج سوف تتعلق بالأمور التي قمت بالبحث عنها سابقاً، بمكانك الجغرافي (في أي بلد أنت فيه)
Spell Checking: حيث يقوم غوغل بمراقبة الكلمات التي يقوم المستخدم بالضغط عليها حتى يقوم بتحسين الخوارزمية الخاصة بتصحيح الأخطاء الإملائية فيها.
Gmail : يقوم باستخدام خوارزمية معينة بتصنيف رسائل البريد الإلكتروني بين رسائل مهمة، أو رسائل مزعجة.
Netflix : يعد استخدام نظم التوصية systems Recommendation من أحد أهم الأمور الموجودة في هذا المجال، حيث تقوم بالاعتماد على اهتمامات المستخدم ، ونمط الأفلام التي يشاهدها، والأفلام الأخيرة التي شاهدها وجنسه وعمره، والتقييمات التي وضعها على الأفلام بتوصية أفلام جديدة من الممكن أن تعجب المستخدم.