Znanja in sposobnosti podatkovnih znanstvenikov: pregled ...dsi2017.dsi-konferenca.si/upload/predstavitve/M_Grobelnik.pdf · Znanstvena metoda Opisna statistika in… Statistično

Znanja in sposobnosti podatkovnih znanstvenikov: pregled in analiza stanja v

Sloveniji Mateja Grobelnik, Jurij Jaklič 10.4.2017

AGENDA

• Namen prispevka

• Kdo so podatkovni znanstveniki?

• Znanja in sposobnosti podatkovnih znanstvenikov

• Rezultati raziskave v Sloveniji

• Ugotovitve in priporočila

POVPRAŠEVANJE PO SPECIFIČNIH ZNANJIH

MGI & McKinsey 2011

Do leta 2018 bo samo v ZDA 50-60 % vrzel

med ponudbo in povpraševanjem po

poglobljenem analitičnem znanju

Gartner 2014:

V 2015 bo 4,4 mio delovnih mest za

podporo delu z masovnimi podatki

Talent Map 2014:

V 2013 prvič zaznali naziv Chief Data Officer). Do konca 2013 jih bo 250.

New Vantage Partners 2012:

70 % odločevalcev bo zaposlilo podatkovne znanstvenike, 80 % jih meni, da bo to izziv

Big Data London Group 2012:

78 % meni, da obstaja pomanjkanje znanj in

sposobnosti iz masovnih podatkov

70 % meni, da obstaja prepad v znanju

NAMEN PRISPEVKA

Razumeti in opredeliti znanja in sposobnosti podatkovnih znanstvenikov

Ugotoviti ali obstajajo skupine podatkovnih znanstvenikov v Sloveniji

Podati smernice razvoja na tem področju

PODATKOVNI ZNANSTVENIKI

Strokovnjaki, ki se večino časa ukvarjajo s podatki, pri čemer uporabljajo raznolika

znanja in sposobnosti iz več različnih znanstvenih področji z namenom, da lahko

samostojno iz surovih (masovnih) podatkov preko procesa znanosti o

podatkih pridobijo dodano vrednost.

ZNANJA

Programiranje

Statistika Matematika

Management podatkov

Baze podatkov Strojno učenje

Domenska znanja

Znanstvena metoda

SPOSOBNOSTI

Postavljati prava

vprašanja

Reševanje problemov

Kreativno mišljenje

Analitične sposobnosti

Radovednost

Potrpežljivost, vztrajnost

Pogum in samozavest

Sprejemanje odločitev

Podjetništvo Strateško

razmišljati, načrtovati

Voditeljske sposobnosti

Sposobnost vodenja

projektov Timsko delo

Nameniti pozornost kakovosti

Komunikacijske sposobnosti

Pripovedovanje zgodbe

Umetnost vizualizacije

Morala in etika Spoštovati zakone in predpise

Strast do učenja novih

stvari

Strast do dela s podatki

POMEMBNOST (n=84) in SAMOOCENA ZNANJ (n=87)(I)

3,8

3,7

3,6

3,6

3,5

3,5

3,3

3,1

3,0

3,0

2,9

2,8

1 2 3 4 5

Poslovna znanja

Oblikovanje informacij

Specifična domenska znanja

Poizvedbeni jezik SQL

Relacijske baze podatkov

Management podatkov

Opisna statistika in…

Znanstvena metoda

Statistično preizkušanje…

Regresijska analiza

Znanje programskih…

Redukcija dimenzij

1 - Sploh ni pomembno 5 - Zelo je pomembno

3,7

3,7

3,6

3,5

3,5

3,5

3,3

3,3

3,1

3,1

3,1

2,9

2,9

2,8

1 2 3 4 5


Poslovna znanja


Specifična znanja



Management podatkov

Regresijska analiza

Znanstvena metoda

Statistično preizkušanje…

Linearna algebra in…

Redukcija dimenzij

Znanje programskih…

Delo z delno strukturiranimi…

1 - Ne poznam 2 - Osnove 3 - Začetnik 4 - Srednji nivo 5 - Napredni nivo

2,7

2,6

2,6

2,6

2,5

2,3

2,3

2,3

2,3

2,2

2,1

2,1

2,1

1,9

1,9

1,9

1,8

1,7

1,7

1 2 3 4 5

Delo z delno…

Statistika časovnih vrst

Optimizacija

Metodologije npr. AGILE,…


Nadzorovano učenje

Zaledno programiranje

Simulacije

Čelno programiranje

Sistemska administracija

Nenadzorovano učenje

Prostorska statistika

Analiza omrežji

Metodologije npr. CRISP-…

Obdelava naravnega jezika

Masovni in distribuirani…

NoSQL baze podatkov

Poglobljeno učenje

Nagrajevalno učenje

1 - Sploh ni pomembno - Zelo je pomembno

2,7

2,6

2,6

2,4

2,4

2,4

2,3

2,2

2,2

2,0

2,0

1,8

1,8

1,8

1,7

1,7

1,7

1 2 3 4 5

Optimizacija


Statistika časovnih vrst

Čelno programiranje

Simulacije

Nadzorovano učenje

Zaledno programiranje

Nenadzorovano učenje


Analiza omrežji





NoSQL baze podatkov

Poglobljeno učenje


1 - Ne poznam 2 - Osnove 3 - Začetnik 4 - Srednji nivo 5 - Napredni nivo

POMEMBNOST (n=84) in SAMOOCENA ZNANJ (n=87)(II)

POMEMBNOST SPOSOBNOSTI (n = 91)

4,7

4,7

4,6

4,4

4,3

4,3

4,2

4,2

4,2

4,1

4,1

4,1

4,0

3,9

3,8

3,8

3,7

3,6

3,3

3,3

3,2

1 2 3 4 5

Postavljati prava vprašanja, definirati problem.

Sposobnost reševanja problemov.

Analitične sposobnosti.

Strast do učenja novih stvari.

Radovednost glede opazovanih stvari (vzorcev,…

Strast do dela s podatki.

Biti potrpežljiv in vztrajen.

Imeti sposobnost kreativnega mišljenja (angl. thinking…

Pogum in samozavest zagovarjati svoje ugotovitve,…

Nameniti pozornost kakovosti.

Imeti sposobnost timskega dela.

Imeti dobre komunikacijske sposobnosti.

Strateško razmišljati in načrtovati.

Sposobnost sprejemanja odločitev.

Spoštovati zakone in predpise.

Biti moralen in etičen.

Sposobnost pripovedovanja zgodbe na podlagi…

Sposobnost vodenja projektov.

Voditeljske sposobnosti - imeti sposobnost motiviranja…

Občutek za umetnost in prakso vizualizacije.

Podjetniška naravnanost, imeti poslovni čut.

1 - Sploh ni pomembno 5 - Zelo je pomembno

1

2

3

4

5

Področje znanj (razvrščeno)

T-OBLIKA (T-SHAPED)

1

2

3

4

5


MINUS-OBLIKA (DASH-SHAPED)

1

2

3

4

5


KONIČASTA I-OBLIKA (PEAK I-SHAPED)

1

2

3

4

5


NORMALNA I-OBLIKA (NORMAL I-SHAPED)

1

2

3

4

5


UNIKATNA OBLIKA (UNICORN)

KA [-1,1] KS [-1,1] 31,5 %

KA [-1,1] KS < -1 34,8 %

KA > 1 KS > 1 5,4 %

KA > 1 KS [-1, 1]

21,8 %

KA < -1 KS > 1 6,5 %

VZORCI ZNANJ

SKUPINE NA PODLAGI SAMOOCENE ZNANJ (n = 86)

C1 – Trženjski raziskovalci – analitiki (19 %)

C2 – Podatkovni analitiki (22 %)

C3 – Podatkovni znanstveniki (14 %)

C4 – Raziskovalci (22 %)

C5 – Programerji (23 %)

UGOTOVITVE IN PRIPOROČILA

Znanja iz področja tehnologije masovnih podatkov so v povprečju slabo ocenjena (samoocena in pomembnost).

Identificiranih 5 skupin posameznikov na področju samoocene znanj.

V Sloveniji obstajajo posamezniki z kombinacijo vseh navedenih znanj – podatkovni znanstveniki.

Razviti/dopolniti potencial preostalih skupin.

Primeri dobrih praks na konferencah, vabilo strokovnjakov na delavnice, več deljenja znanja preko družabnih skupin, vzpodbujanje uporabe tehnologij masovnih podatkov na odprtih podatkih preko formalnega izobraževanja ali sodelovanja z organizacijami.

Priporočila podana za vsako identificirano skupino.

Pokrijejo lahko celoten proces znanosti o podatkih. Ustvariti okolje in pogoje, da bodo našli ustrezne izzive v Sloveniji.

Podpora v sklopu formalnega izobraževanja, prenos znanja, pridobivanje izkušenj na praktičnih primerih.

PODATKOVNI ZNANSTVENIKI

Skrbniki in vloge povezane z zbiranjem

podatkov Podatkovni analitiki Odločevalci

Skrbniki baz podatkov Skrbniki podatkov Vnosni referenti Načrtovalci baz

podatkov

Statistiki Aktuarji

Znanstveniki Analitiki

Managerji Inženirji

Podatkovni znanstveniki

Zbiranje podatkov

Analiza podatkov & programska

oprema

Odločanje

METODOLOGIJA RAZISKAVE

Namen

Identificirati skupine podatkovnih znanstvenikov v Sloveniji glede na njihova znanja in sposobnosti

Vzorčenje

• Populacija: posamezniki v Sloveniji, ki se večino svojega časa ukvarjajo s podatki oziroma s katerim od naslednjih področji: analitika, statistika, matematika, programiranje, management podatkov, raziskovanje ali pa so vodje takšnih ekip

• Namensko priložnostno vzorčenje

• Strukturiran vprašalnik

(1ka.si) • Več sklopov:

• Masovni podatki • Samoocena znanj • Pomembnost znanj &

sposobnosti • Izkušnje • Pridobivanje znanj • Demografija

• Testiranje: 1.4.2016 – 23.4.2016

Zbiranje podatkov

• Zbiranje podatkov (vabila): 26.4.2016 – 21.5.2016 • Velikost vzorca: 92 enot 126 spremenljivk

Vprašalnik

ZNAČILNOSTI VZORCA

Starost

Izobrazba Smer izobrazbe

1,1%

10,9%

35,9%

51,1%

1,1%

0,0%

56 let ali več

46 - 55 let

36 - 45 let

26 - 35 let

18 - 25 let

Manj kot 18 let

28,3%

50,0%

8,7%

13,0%

0,0%

Magisterij, doktorat,

specializacija

Univerzitetni študij

Višja ali visoka šola

Poklicna ali štiriletna

srednja šola

Osnovna šola ali manj

1,1%

5,4%

8,7%

9,8%

14,1%

15,2%

19,6%

26,1%

Fizika

Druge vede

Matematika

Statistika

Druge naravoslovne ali…

Splošno družboslovje

Ekonomija in poslovne vede

Računalništvo

59,8 % 40,2 %

C1 – TRŽENJSKI RAZISKOVALCI - ANALITIKI

1

2

3

4

5

Zaledno programiranjeČelno programiranje

Znanje programskih jezikov

Management podatkov



Delo z delno…

NoSQL baze podatkov




Znanstvena metoda


Statistično preizkušanje…Redukcija dimenzij

Regresijska analizaStatistika časovnih vrst


Simulacije


Optimizacija

Nadzorovano učenje


Poglobljeno učenje


Analiza omrežji



Specifična domenska znanjaPoslovna znanja

Normalna I-oblika (50%)

C2 – PODATKOVNI ANALITIKI

1

2

3

4

5



Management podatkov



Delo z delno…

NoSQL baze podatkov




Znanstvena metoda





Simulacije


Optimizacija

Nadzorovano učenje


Poglobljeno učenje


Analiza omrežji




Normalna I-oblika (61%)

C3 – PODATKOVNI ZNANSTVENIKI

1

2

3

4

5



Management podatkov



Delo z delno…

NoSQL baze podatkov




Znanstvena metoda





Simulacije


Optimizacija

Nadzorovano učenje


Poglobljeno učenje


Analiza omrežji




Unikatna (41%) in T-oblika (41%)

C4 – RAZISKOVALCI

1

2

3

4

5



Management podatkov



Delo z delno…

NoSQL baze podatkov




Znanstvena metoda





Simulacije


Optimizacija

Nadzorovano učenje


Poglobljeno učenje


Analiza omrežji




Minus (78%) in T-oblika (28%)

C5 – PROGRAMERJI

1

2

3

4

5



Management podatkov



Delo z delno…

NoSQL baze podatkov




Znanstvena metoda





Simulacije


Optimizacija

Nadzorovano učenje


Poglobljeno učenje


Analiza omrežji




T (53%) in Minus (47%) oblika

Documents

Znanja in sposobnosti podatkovnih znanstvenikov: pregled ...dsi2017.dsi-konferenca.si/upload/predstavitve/M_Grobelnik.pdf · Znanstvena metoda Opisna statistika in… Statistično