Dette indlæg er alene udtryk for skribentens egen holdning.

‘Bløde’ færdigheder, alle data scientists skal besidde

27. september 2018 kl. 04:16
Vamsi Nellutla
Illustration: Vamsi Nellutla.
Artiklen er ældre end 30 dage

Mange går ud fra, at data scientists er nogle meget teknisk anlagte mennesker. Sådan nogle, der bruger hele deres intellekt på at analysere data, nå frem til smarte løsninger og diske op med strategier, der understøtter disse. Men det er altså en noget forhastet antagelse, og en der slet ikke giver et helstøbt billede af en data scientist.

På grund af denne typer antagelser er der dog mange, selv dem, der skal ansætte i en virksomhed, der fokuserer på de ‘hårde’ færdigheder, data scientists har. I virkeligheden har en god data scientist den rigtige kombination af ‘hårde’ og ‘bløde’ færdigheder ligesom alle andre professioner.

Derudover lever vi i et industrisamfund, der har været igennem en rivende udvikling. I dag kan ingen professioner – inklusive data scientists – overleve uden også at have bløde færdigheder. De dage er forbi, hvor maskinerne eksplicit blev kontrolleret af mennesker. Dengang skulle man besidde en detaljeret teknisk viden for at holde disse maskiner kørende. I dag er de fleste maskiner selvlærende og tilpasser sig eksisterende mønstre. Dette gør, at data scientists bliver nødt til at besidde mere end hårde færdigheder. De bliver nødt til at besidde en unik kreativitet, der gør, at de kan arbejde med maskiner frem for bare på dem.

Vigtigheden af, at data scientists har bløde færdigheder

En del af antagelsen om de hårde evner er jo rigtig nok. Som data scientists skal vi have et højere niveau af produktivitet og erfaring end traditionelle it-folk. Men uden en bred palet af bløde færdigheder kan data scientists ikke bruge deres viden fuldt ud. De maskiner, som data scientists arbejder med, er programmeret til at servicere brugernes behov. I stedet for at producere konkrete resultater med maskinerne, bruger vi dem som basis for at træffe beslutninger. For at gøre dette muligt har data scientists brug for evnen til at forstå brugernes behov, så de kan træffe de rigtige beslutninger. Derfor er bløde færdigheder ret vigtige for at blive en succesfuld data scientist.

5 bløde færdigheder, en data scientist skal have

En data scientist bør besidde de følgende fem bløde færdigheder:

At have en forståelse for forretningen

Som nævnt bør en data scientist kunne forstå brugernes behov. Derfor bør en data scientist, der arbejder for en bestemt virksomhed, have en dyb forståelse af, hvad virksomhedens kunder af behov og krav. For at kunne dette bør en data scientist også forstå virksomheden.

Artiklen fortsætter efter annoncen

Smart analyse er  tæt forbundet med, hvad virksomheden behøver. Data scientisten skal kende styrkerne og svaghederne i virksomheden for at kunne udlede, hvor den står, og hvor den bevæger sig hen. På den måde kan data konverteres til smart analyse og beslutninger, som kan udfylde hullerne.

Forretningsverdenens konkurrence-element har også indflydelse på, hvordan data scientisten arbejder. Derfor er det også vigtigt at kende virksomhedens position i konkurrencen. Det betyder, at data scientisten skal være opdateret på skiftende tendenser, og hvilke der kan bruges til at løfte firmaets position. Det bør ikke ignoreres, at data science kan spille en stor rolle i forhold til at blive ekstremt konkurrencedygtig inden for alle industrier.

At kunne oversætte det tekniske sprog

En af de roller, data scientists har, er at være mellemmand mellem en virksomheds tech- og ikke-tech-personer. Deres job går begge veje. De skal forstå de behov, ikke-tech-medarbejderne har, og kunne se, hvilke teknologier der kan opfylde disse behov. På den anden side skal de også kunne tage it-afdelingens resultater og oversætte dem for de ikke-tekniske medarbejdere, så de ved, hvordan de givne teknologier kan hjælpe dem.

At kunne synkronisere forretningen med teknologien

Igen er det vigtigt at understrege evnen at forstå virksomheden. Med denne forståelse kommer et knowhow omkring, hvad virksomheden har brug for for at få succes inden for industrien. Dette sikrer, at data scientists kan finde ud af, hvilke relevante teknologier, der kan benyttes til at understøtte dette.

Dataanalyse i sig selv udvikler sig måske ikke så meget med tiden, men der dukker hele tiden nyere teknologier op, med hvilke man kan udføre denne analyse. En dygtig data scientist vil være i stand til at følge med de skiftende tendenser og bruge teknologierne til at lave smartere analyse til virksomheden på en måde, der giver virksomheden det konkurrencemæssige forspring, den behøver.

At kunne sætte dataanalyse i perspektiv

Dem, der forstår forretningssiden af industrien, er ofte 100 procent resultatdrevne. Deres fokus på, hvordan disse resultater faktisk kan opnås, er ikke helt så skarpt. Det er derfor, de hyrer data scientists og andre personer, som sammen kan give det perspektiv, de forretningsorienterede måske ikke har.

Data afslører ikke altid en historie, som cheferne har lyst til at høre på. I sådanne tilfælde er det data scientistens job at forklare de mere tekniske sider af historien på en forståelig måde. Til dette formål er det en fordel at være god til at læse andre mennesker, fordi det er vigtigt at kunne overbevise virksomheden om at gå i den rigtige retning, nemlig den, dataene peger på vil føre til et produktivt resultat.

At være nysgerrig

Det, der er med data, er, at de ikke altid fortæller noget entydigt. De kan fortolkes på mange forskellige måder, og kun en dygtig data scientist vil være i stand til at drage mere end én konklusion. Det kræver også en nysgerrighed, der driver data scientisten til at ville finde mere information i et datasæt.

Data scientists bør også have den bløde færdighed, det er at være kreativ, at kunne tænke uden for kassen. Det gør, at de ofte kan opdage nye mønstre og løsninger, som andre ikke ser. På den måde kan deres kreativitet gøre hele forskellen i forhold til, om en virksomhed er konkurrencedygtig nok i en given industri.

Data scientists er altså ikke bare værdifulde aktiver, når det gælder teknisk viden, men også når det handler om at gøre denne viden forståelig for andre. I dag kan en del maskiner kompensere for de hårde evner, men i sidste ende er maskinerne blot fysiske aktiver. Lige meget hvor smarte og avancerede de laves, vil de aldrig kunne læse mennesker.

Når du skal hyre din næste data scientist, så prøv at finde en person, der har en god balanceret blanding af hårde og bløde færdigheder. En kombination af menneskelig forståelse og forretningsforståelse, der gør synkroniseringen mellem virksomhedens teknologiske og menneskelige aktiver mulig. En data scientist, der både er menneskeklog og teknisk klog, vil sikre succes for forretningen på langt sigt.

Dette blogindlæg er oprindeligt bragt på Data Science Central.

Vil du bidrage til debatten med et synspunkt? Så skriv til vores PRO debatredaktion på pro-sekretariat@ing.dk

Ingen kommentarer endnu.  Start debatten
Debatten
Log ind eller opret en bruger for at deltage i debatten.
settingsDebatindstillinger