Biliyorsunuz, bu dünyadaki her iş yerini robotların alması riskiyle karşı karşıyadır, ancak derecesi farklıdır. Bir yandan otomasyon, iş operasyonlarını daha verimli hale getirirken, diğer yandan sektörün ihtiyaç duyduğu ilgili becerileri değiştirmeye devam ediyor.
Bu, beceri karmasındaki uyumsuzluğun işsizliğin önemli bir nedeni olacağını göstermektedir. Bu makale, bu fenomeni ve bu sorunun çözümlerini ayrıntılı olarak ele alacaktır.
Senaryo 1: Yapay rol2000 yılında bir insan kaynakları profesyoneli olduğunuzu varsayalım. O zamanlar, şirketin çalışan dosyalarının çoğu kağıt üzerinde tutulmuştu.Yıllar süren birikimden sonra, iş sürecini çok iyi biliyorsunuz. İnsan kaynakları sürecinin zaman içinde pek değişmediği göz önüne alındığında, önümüzdeki 18 yıl içinde bilgisayar becerilerinde uzmanlaşmanıza gerek kalmayacak. Bununla birlikte, 2000'den 2018'e kadar, insan kaynakları sektöründe çalışma şekli büyük değişiklikler geçirdi.Şimdi tüm çalışan belgeleri bulutta veya özel sunucularda saklanıyor.
Bu nedenle, şu anda en iyi olduğunuz beceriler birdenbire daha az önemli hale geliyor. Günümüz endüstrisinin gelişimi ile kendinizi geliştirmeye devam etmezseniz, iş bulmada zorluklarla karşılaşabilirsiniz. Yetenek setlerinizin uyumsuzluğunun belirli insan kaynakları süreçlerinin evriminden kaynaklanmadığını, işinizi destekleyen iş süreçlerinin sürekli değiştiğini lütfen unutmayın.
2. Senaryo: Kullanıcı tercihleriTelevizyonun olmadığı bir çağda, bir radyo istasyonunda haber spikeri olduğunuzu varsayalım. Güncel olaylar hakkında çok bilgilisiniz ve iş performansınız da çok iyi. Ancak televizyonun ana akım haline gelmesinden sonra, yayıncılık endüstrisi ağır kayıplarla ve geçim sıkıntısıyla neredeyse işi bıraktı. Radyo istasyonu patronunuz gitmenize izin vermeli.
Şimdi, becerilerinize bağlı olarak, yine de bir TV haber spikeri olarak bir iş bulmaya çalışabilirsiniz, ancak vücut dilinizi kontrol etmeniz ve kameraya bakmanın şiddetli korkusunun üstesinden gelmeniz gerekir.
Bu, iyi olmadığınız anlamına gelmez, ancak müşterilerin işletmeniz için alternatif ürünleri / hizmetleri tercih ettiği (yayın yapmak yerine TV gibi) ve becerilerinizin sektörde modası geçmiş veya uyumsuz olduğu anlamına gelir.
Yukarıdaki senaryolardan ne öğrenilebilir?Yukarıdaki senaryoda, çevrede şirketin çalışmasını kolaylaştıran değişikliklere tanık olduk, ancak aynı zamanda mesleki becerilerde bir uyumsuzluğa neden olarak belirli alanlarda işsizliğe yol açtı. Aşağıdakiler, bu sektördeki profesyonel becerilerdeki değişimin üç ana nedenidir:
Hiç şüphe yok ki otomasyon ve değişen iş alanları birçok işi aksattı. Şimdi önemli bir soru şu: Bazı işler diğerlerinden daha fazla etkilenecek mi?
Kimse hangi işlerin az ya da çok etkileneceğini gerçekten bilmese de, işte bu geniş fikri anlamanıza yardımcı olacak bir çerçeve. Makineler çok az örnekten öğrenmekte iyi değiller ve makineler yaratmada da iyi değiller. Yani, işiniz bu iki niteliğe sahipse, iyi olmalısınız. Örneğin, araba kullanmak çok tekrarlayan bir süreçtir ve fazla yaratıcılık içermez. Bu nedenle taksi şoförleri makinelerin yerini alma riskiyle karşı karşıyadır.
Veri bilimcilerin yerini kolaylıkla makinelere bırakır mı?Yapay zekanın öncülük ettiği bu dünyada, bilim ve teknolojinin hızla gelişmesiyle birlikte veri bilimcileri kesinlikle üstün bir konumdadır. Yukarıdaki şekilde veri bilimcinin rolü nerede?
Veri bilimcileri, şirketlerin büyümesine yardımcı olmak için çeşitli işler sunar. Her iş, yukarıdaki resimde farklı bir konuma düşüyor. Aşağıdaki şekil, yazarın bir veri bilimcisi olarak yapılan farklı alt çalışma alanlarına ilişkin görüşlerini göstermektedir (oran, bireysel rollere bağlı olarak değişebilir):
Gördüğünüz gibi, bir veri bilimcisinin tüm işleri 10 yıl içinde stressiz olamaz. Belirli rollere ve otomatikleştirilmesi zor işlerin oranına bağlı olarak, işlerin makinelerle değiştirilme riskini tahmin edebilirsiniz.
2010'daki veri bilimcilerini düşünün. Temel beceri setleri, mantığı ve doğrusal regresyonu anlamak ve temel SAS ve Excel'e aşina olmaktır. Artık, araçlar ve teknolojide herhangi bir büyük yükseltme olmadan, veri bilimcisi olarak iş bulması zor olabilir. Elbette, veri bilimi akışı uzun süre devam edebilse bile, bu işlerin rolleri ve sorumlulukları önemli ölçüde değişecektir. Bu yeni rollere ve sorumluluklara yükseltme zorluğuyla karşı karşıya olanlar, kariyerlerinde büyük aksiliklerle karşılaşacaklar.
Veri bilimi alanının genellikle daha genç olduğu göz önüne alındığında, kısa vadede bir beceri karışımına ulaşmak bir sorun değildir, çünkü bu alanda çalışan çoğu insan son zamanlarda en son araç ve teknolojilere hakim olmuştur. Ancak, bu alanın kademeli olarak gelişmesiyle birlikte, bu veri bilimcileri günlük işlerini yönetme becerilerini geliştiremezlerse, o zaman veri bilimi alanında işgücü ve beceri karışımı mükemmel bir şekilde eşleşmeyecektir.
Yeri doldurulamaz olmasını sağlamak için ne yapabiliriz?Aşağıdaki dört şeyi yapabilirseniz, herhangi bir rol türünde güçlü bir özgeçmişe sahip olabilirsiniz:
En yeni ve mevcut en iyi araç ve tekniklerde uzmanlaşınBilirsiniz, yeni teknolojileri tanımanın ve bu teknolojilere hakim olmanın en iyi yolu onları kullanmaktır.
Becerilerinizi en yeni ve en iyi araçlara yükseltin. Belki Tensorflow ve Keras gibi derin öğrenme kitaplıklarını kullandınız. Ardından, Pytorch ve büyük veri makine öğrenimi gibi uzmanlaştığınız derin öğrenmenin zorunlu programlama kitaplıklarını yükseltebilirsiniz.
Çalıştığınız işletme / alan adındaki değişiklikleri ve bu değişikliğin işinizi nasıl etkileyeceğini anlayınBunun şu anda en çok küçümsenen becerilerden biri olduğunu belirtmekte fayda var.
Genellikle bizim bilişimizde veri bilimiyle ilgili bilgiye sahip olmak çok önemlidir, ancak sürekli değişen iş ortamı, veri bilimiyle ilgili araçlar ve teknolojiler kadar önemlidir. Örneğin, son on yılda çevrimiçi mağazaların penetrasyon oranı önemli ölçüde arttı. Çevrimiçi alışveriş yapanların davranışı, çevrimdışı alışveriş yapanların davranışlarından tamamen farklıdır. Herhangi bir iş stratejisi oluştururken her zaman bu farka dikkat etmelisiniz.
Daima işinizin yarattığı artan iş değerini göz önünde bulundurunProjenizi / iş akışınızı daha iyi değerlendirmek ve önceliklendirmek için sektörler arası veri biliminin değer yaratımını anlayın.
Mevcut alan dışındaki alanlardan haberdar olunSektörün içindeki ve dışındaki insanlarla iletişim kurmak, bilginizi mevcut alanın ötesine genişletmenize yardımcı olabilir. Bu bilgi, kendi büyümeniz için gereklidir, çünkü farklı alanlarda kullanılan analitiğin olgunluk seviyesi büyük ölçüde değişir.
Alanlar arası veriye dayalı stratejilere yüksek odaklanma nedeniyle, veri bilimcileri çalışmakla meşguldü. Uzun vadede, yukarıdaki dört yönergeden herhangi birini zamanında takip etmemek tehlikeli olabilir.
Derleme Ekibi: Caotian İlgili Bağlantılar: https://www.analyticsvidhya.com/blog/2018/11/4-secrets-for-a-future-ready-career-in-data-science/ Yeniden yazdırmanız gerekirse, lütfen arka planda bir mesaj bırakın , Yeniden yazdırma şartnamesine uyun