تحلیلگران مصورسازی داده ها، بالارفتن یکبارهٔ تولید داده‌ها در یک
شرکت را می‌فهمند و راه‌هایی برای مفید شدن این اطلاعت ارائه میدهند.
داده‌های شما چطور به نظر میرسند؟
در عصر داده‌های بزرگ، اطلاعات از
یک مجموعه منظمی از منابع می‌آیند. داده‌های ساخت یافته از پایگاه داده‌های مرتبط
می‌آیند. اسناد نیمه ساخت یافته در اشکال مختلف نشانه گذاری میشوند.
ساختار داده ای‌‌های بسیار سبک به
عنوان JSON ذخیره
میشوند، داده‌هایی که از توییتر و استاتوس‌های فیسبوک می‌آیند، همراه با انفجار
داده‌هایی که از گوشیهای هوشمند و سنسور‌های دیگر می‌آیند.
پردازش زبان معمولی وداده های بزرگ مثل HADOOP نیز گزارش داده
ای و داده‌های صوتی و
تصویری، منابع معتبری برای دیتا میسازند.
بنابراین سوال این است که آن داده‌ها چطور به نظر میرسند؟
واقعیت این است که در بسیاری از سازمان ها، اطلاعات موجود در پایگاه داده‌ها
یا مجموعه داده‌های آنها، مبهم هستند. مغز انسان بعد از حدود ۱۰ مورد، سعی در مقایسه و روشن
کردن اعداد می‌کند. صفحات گسترده (و نمودارها و ابزار مصور سازی که به آنها اضافه
شده اند)، بسیار کمک کرده اند اما حتی با وجود آنها، یک حد بالایی وجود دارد که بعد از آن، اطلاعات زیاد و سختی برای
فهمیدن وجود خواهد داشت.
این دقیقا جاییست که حضور تحلیلگر مصور سازی داده‌ها لازم میشود.
مصور سازی داده‌ها اغلب به عنوان شاخه‌ای از تجربه کاربری محسوب میشود، اما در
بسیاری از جهات، در واقع به عنوان مهمترین بازیکن یک تیم علمی دیده میشود.
نقش تحلیلگر داده این است که مقادیر زیادی از اطلاعات
شرکت، که به طور فزاینده تولید میشود را به گراف‌های تصویری، نمودار، نقشه و گراف‌های
اطلاعاتی تبدیل کند. چیزی که باعث چالش برانگیز شدن این پست میشود، انتظار زیادی
است که از چنین گراف‌های اطلاعاتی وجود دارد و همچنین سر و کار داشتن با داده‌های
در حال استفاده است.
به این ترتیب، تحلیلگر مصور سازی داده ها، دارای
مجموعه بسیار نادری از مهارت هاست. آنها باید درک کافی از تجزیه، تحلیل و ابزار
لازم برای اینکار داشته باشند تا بتوانند اطلاعات بدست آمده از منابع مختلف را
پردازش کرده و به نتیجه معناداری برسانند. آنها باید مهارت‌های نسبتا پیچیده
برنامه نویسی، به منظور ساخت یا حداقل طراحی اپلیکیشن‌های ارتباطی، داشته باشند.
آنها باید درک خوبی از طراحی بصری و رابط کاربری داشته باشند تا آنها را قادر سازد
که با استفاده از تصویر و تعداد کمی از کلمات داستان داده‌ها را بیان کنند.
نرم افزارهای مصور سازی مثل
Tableau میتوانند به تحلیلگر با ارائه مجموعه‌ای غنی از
ابزارهایی که با دیتابیس‌ها به خصوص SQL خوب کار میکنند، کمک کنند. البته شاید اینها برای
دیتابیس های غیر SQLی خیلی مفید نباشند.
برای اینها تعدادی از کتابخانه‌های JavaScript ازd3.org و Raphael.js از visjs.org و APIهای گوگل وجود دارند که به منظور ایجاد نمودار، گراف، جدول زمانی و
نقشه‌ها استفاده میشوند. بیشتر آنها امروزه از HTML5، Java و SVG که
استاندارد همه مرورگرها میباشند، استفاده میکنند.
با این حال، تعداد کمی از اینها، به خودی خود راه حل "magic bullet" هستند.
یکی از مهمترین نقاط قوت تحلیلگر، توانایی درک داده‌های مهم برای یک موقعییت خاص
و گفتن داستان مربوط به آن داده‌ها است، صرف نظر از ابزاری که استفاده می‌کند.
این همچنین بدین معنیست که تحلیلگر باید تفکر و واقعیت کسب و کار را
به خوبی بفهمد و قادر به برقراری ارتباط بصری بین این دو حوزه باشد. به این ترتیب،
این نقش تحلیلگر باید به عنوان مکمل مجموعه C دیده شود که بتواند به خوبی تفاوت بین ساخت یک شبکه فروش و تخریب آن
را ارائه دهد.
با توجه به اینکه چنین تحلیلگری نسبتا نایاب است، بهترین راه برای داشتن یه
تحلیلگر مصور سازی خبره، پیدا کردن کسی با مهارت قوی در تجربه کاربری (UX) و اضافه کردن آنها به تیم علوم
دادهای شرکت است. (اگر شرکت
شما چنین تیمی را دارد). همچنین میشود مستقیم از سمت علوم داده وارد شد، اما
معمولا افراد با مهارت‌های تحلیلی قوی، تمایل به این نوع قصه گویی ندارند و مهارت‌های
ارائه آنها به نسبت افراد درگیر با UX کمتر است.
به طور مشابه، اگر شما شخصاً علاقه مند به تبدیل شدن به تحلیلگر داده
هستید، یک راه خوب برای شروع، کار کردن با مجموعه ابزارهایی است که در بالا شرح
داده شد و همچنین تلاش برای آشنایی با ابزارهای پیش نیاز در این زمینه مثل Pentaho, Alteryx, Matlab و یا
زبان برنامه نویسی R. این
ابزارها بیشتر دارای امکان تحلیل قوی اما مصور سازی محدود میباشند.به ویژه R علیرغم اینکه پیشنیاز لازم برای متخصصان دادهای است، اما یک ��بزار مصور سازی کاملا پیش پا
افتاده است.
تحلیلگران مصور سازی داده‌ها در حال تبدیل شدن به یک بخش ضروری از
تیم علوم دادهای شرکت‌های مدرن هستند. آنها روند بالارفتن یکبارهی تولید داده‌های شرکت در داخل و خارج را می‌فهمند و راه‌هایی برای
راحت فهمیدن چنین داده‌هایی بدون نیاز به تخصص خاصی ارائه میدهند. و نیز به
ایجاد نام تجاری برای یکی از مهمترین کالاهای شرکت شما که داده آن موجود است،
کمک میکنند.
منبع:
CIO INSIGHT