Ha azt látod, hogy egyre több egyetemi tantárgy nevében bukkan fel az „adat”, az nem véletlen. A data science mára az egyik legfontosabb alapkompetenciává vált: ott van az üzleti döntések, az orvosi kutatások, a közlekedésszervezés és a közösségi média mögött is. De mit jelent pontosan, és miért kerül be már nemcsak informatikus, hanem gazdasági, társadalomtudományi vagy akár bölcsészképzésekbe is?
Miben más a data science, mint az adatkezelés?
A data science az adatokból kinyerhető tudásról szól. Ötvözi a statisztikát, a programozást, a matematikai modellezést és a problémamegoldó gondolkodást. A cél nem az, hogy minél több adatot gyűjtsünk, hanem hogy ezekből értelmezhető mintázatokat találjunk: előrejelzéseket készítsünk, döntéseket támogassunk, folyamatokat javítsunk.
A kutatások szerint a vállalatok többsége ma már nem adat-, hanem értelmezéshiányban szenved. A KSH és európai munkaerőpiaci jelentések is kiemelik, hogy az adatvezérelt döntéshozatalhoz kapcsolódó kompetenciák iránti kereslet folyamatosan nő, különösen az elemzői, kutatói és IT-közeli pozíciókban.
Miért tanítják egyre több szakokon?
A data science ma már nem kizárólag programozók terepe. A közgazdászok piaci trendeket elemeznek, a szociológusok társadalmi mintázatokat vizsgálnak, a pszichológusok viselkedési adatokat értelmeznek. Ehhez mind ugyanarra az alapkészségre van szükség: adatok kritikus olvasására és értelmezésére.
Magyarországon is nő a felsőoktatásban részt vevő hallgatók száma, különösen azoké, akik piacképes, interdiszciplináris tudást keresnek. A KSH oktatási adatai szerint a felsőoktatásban tanulók létszáma az elmúlt években emelkedett, miközben a képzések egyre inkább a munkaerőpiaci igényekhez igazodnak. Így kerül képbe egyre több szakon a data science is.
Mit várnak el a munkaerőpiacon a pályakezdőtől?
A legtöbb belépőszintű pozíciónál nem elvárás a mély gépi tanulási tudás. Sokkal fontosabb az adatalapú gondolkodás: tudsz-e kérdéseket feltenni, egyszerű statisztikákat értelmezni, grafikonokat olvasni, következtetéseket levonni. Az EURES munkaerőpiaci elemzései szerint Magyarországon is nő azoknak az állásoknak a száma, ahol adatértelmezési készségre van szükség, még akkor is, ha a munkakör nem „data scientist” néven fut.
Ez magyarázza, miért jelennek meg egyre több szakon olyan tárgyak, mint az alapstatisztika, adatvizualizáció vagy bevezetés az adatelemzésbe. Ezek a kurzusok hidat képeznek az elmélet és a gyakorlat között.
Hogyan használhatod diáként a data science szemléletet?
Nem kell azonnal komplex modelleket építened. Már az is számít, ha tudatosabban kezeled az információt: kritikusabban olvasol statisztikákat, megérted, hogyan készül egy felmérés, vagy felismered, mikor torzítanak az adatok. Szakdolgozatnál, kutatási projektnél vagy akár egy gyakornoki feladatnál ez hatalmas előny.
A tapasztalatok szerint azok a hallgatók, akik már egyetemi éveik alatt találkoznak adatelemzési alapokkal, könnyebben alkalmazkodnak a gyorsan változó munkaerőpiachoz. A data science így nem egy külön szak, hanem egy gondolkodásmód, amely egyre több területen válik alapelvárássá.
——
A kiemelt kép forrása: 123RF.
