Veri Odaklı Her Organizasyonda Bulunan Sekiz Persona

15 Ekim'de, L&D Liderlerinin Veri Okuryazarlığı Hakkında Bilmesi Gerekenler konulu bir web semineri düzenliyoruz. Ana odak alanlarından biri, temel veri personalarınızın her biri için doğru becerileri oluşturmak. İşte öğrenecekleriniz hakkında kısa bir ön izleme.

Veri okuryazarlığı için beceri geliştirmedeki zorluklar

Veri okuryazarlığı, geleneksel öğrenme ve gelişim girişimleri gibi öğretilip öğrenilecek tekil bir beceri değil, iş sorularını yanıtlamaya yönelik bir metodolojidir. Veri okuryazarlığı için öğrenme ve gelişim programlarını ölçeklendirirken, farklı bireylerin verilerle etkileşim düzeyine bağlı olarak öğrenme yolculukları değişiklik gösterecektir. Örneğin, düzenli olarak Excel ile çalışan bir pazarlama analisti işinde başarılı olmak için R veya Python öğrenmeye ihtiyaç duyabilirken, bir yönetici veya lider yalnızca verileri kullanarak bilinçli kararlar almayı bilmeye ihtiyaç duyabilir.

Neden persona odaklı bir metodoloji doğru yaklaşımdır

Role dayalı, persona odaklı bir öğrenme yolculuğu, veri okuryazarlığı eğitim programlarını ölçeklendirmede daha etkilidir. Her organizasyon ve ürettikleri veriler farklı olsa da, bireylerin verilerle kurduğu ilişkilerde ortak yönler vardır. Veri odaklı beceri geliştirme çabalarını düşünmenin ve ölçeklendirmenin yararlı bir yolu veri personalarıdır. Her veri personası verilerle farklı bir ilişkiye sahiptir ve en iyi işini yapabilmek için farklı veri okuryazarlığı yetkinliklerine ihtiyaç duyar. Organizasyonlar daha sonra kurum içindeki farklı rolleri bu personalara eşleyebilir ve öğrenmeleri gerekenlere bağlı olarak seçilmiş, kişiselleştirilmiş bir öğrenme deneyimi oluşturabilir.

1. Veri Tüketicileri ve Liderler

Veri Tüketicileri ve Liderler genellikle teknik olmayan rollerde çalışır, ancak veri içgörülerini ve analitiklerini veri odaklı kararlar almak için kullanırlar. Sıklıkla veri profesyonelleriyle görüşmeler yapmaları gerekir ve verilerin iş sorularını yanıtlamak için ne zaman kullanılabileceğini ve ne zaman kullanılamayacağını ayırt edebilmelidirler.

Yaygın olarak kullanılan teknoloji ve araçlar

Elektronik tablolar: Google Sheets, Microsoft Excel İş Zekâsı: Power BI, Tableau

Örnek iş unvanları

Chief Marketing Officer, İnsan Kaynakları Müdürü, Satış Direktörü

2. İş Analistleri

İş Analistleri, veri içgörülerini kârlılığı veya verimliliği artıran uygulanabilir sonuçlara bağlamaktan sorumludur. İş alanına dair derin bilgiye sahiptirler ve verilerden elde edilen içgörüleri iletmek için sıklıkla SQL'i kodlama gerektirmeyen araçlarla birlikte kullanırlar.

Yaygın olarak kullanılan teknoloji ve araçlar

Elektronik tablolar: Google Sheets, Microsoft Excel İş Zekâsı: Power BI, Tableau SQL: PostgreSQL, SQL Server, Oracle SQL

Örnek iş unvanları

İş Analisti, Tedarik Zinciri Analisti, Operasyon Analisti, Finansal Analist

3. Veri Analistleri

İş Analistlerine benzer şekilde, Veri Analistleri verileri analiz etmekten ve analizlerinden elde ettikleri içgörüleri raporlamaktan sorumludur. Veri analizi iş akışını derinlemesine anlarlar ve içgörülerini kodlama ve kodlama gerektirmeyen araçların bir kombinasyonu ile raporlarlar.

Yaygın olarak kullanılan teknoloji ve araçlar

Programlama dilleri: Python, R Elektronik tablolar: Google Sheets, Microsoft Excel İş Zekâsı: Power BI, Tableau SQL: PostgreSQL, SQL Server, Oracle SQL

Örnek iş unvanları

Veri Analisti, İş Analisti, Tedarik Zinciri Analisti, Operasyon Analisti, Finansal Analist

4. Veri Bilimcileri

Veri Bilimcileri, organizasyonun verileriyle anlamlı içgörüler araştırır, çıkarır ve raporlar. Bu içgörüleri teknik olmayan paydaşlara iletirler ve makine öğrenimi iş akışlarını ve bunları iş uygulamalarına nasıl bağlayacaklarını iyi anlarlar. Neredeyse tamamen kodlama araçlarıyla çalışır, analiz yaparlar ve sıklıkla büyük veri araçlarıyla çalışırlar.

Yaygın olarak kullanılan teknoloji ve araçlar

Programlama dilleri: Python, R, Scala SQL: PostgreSQL, SQL Server, Oracle SQL Büyük veri araçları: Airflow, Spark

Örnek iş unvanları

Veri Bilimcisi, Veri Analisti; ayrıca “vatandaş veri bilimcisi”ni de içerebilir (ör. “Veri Bilimcisi” unvanına sahip olmayan ancak bir veri bilimcisinin görevlerini yerine getiren kişi).

5. Makine Öğrenimi Bilimcileri

Makine Öğrenimi Bilimcileri, ölçekli makine öğrenimi sistemleri geliştirmekten sorumludur. Müşteri kaybı ve müşteri yaşam boyu değeri tahmini gibi sorunları çözmek için makine öğrenimi modelleriyle veriden tahminler üretirler ve bu modelleri organizasyonun kullanımı için devreye almaktan sorumludurlar.

Yaygın olarak kullanılan teknoloji ve araçlar

Programlama dilleri: Python, R, Scala SQL: PostgreSQL, SQL Server, Oracle SQL Büyük veri araçları: Airflow, Spark Komut satırı araçları: Git, Shell

Örnek iş unvanları

Veri Bilimcisi, Araştırma Bilimcisi, Makine Öğrenimi Bilimcisi, Makine Öğrenimi Mühendisi

6. İstatistikçiler

Veri Bilimcilerine benzer şekilde, İstatistikçiler A/B testleri ve hipotez testleri gibi deneylerin tasarlanması ve sürdürülmesini içeren son derece titiz analizler üzerinde çalışırlar. Belirsizliği nicelleştirmeye ve finans veya sağlık gibi olağanüstü derecede titizlik gerektiren alanlarda bulguları sunmaya odaklanırlar.

Yaygın olarak kullanılan teknoloji ve araçlar

Programlama dilleri: Python, R SQL: PostgreSQL, SQL Server, Oracle SQL

Örnek iş unvanları

Kantitatif Analist, Çıkarımsal Veri Bilimcisi, Veri Bilimcisi

7. Programcılar

Programcılar, veri ekiplerinde çalışan ve bir organizasyonun verilerine erişirken ve onlarla çalışırken tekrarlayan görevleri otomatikleştiren yüksek teknik yeterliliğe sahip bireylerdir. Geleneksel yazılım mühendisliği ile veri bilimi arasındaki boşluğu kapatırlar ve kodu ölçekli şekilde dağıtma ve paylaşma konusunda kapsamlı bir anlayışa sahiptirler.

Yaygın olarak kullanılan teknoloji ve araçlar

Programlama dilleri: Python, R, Scala Komut satırı araçları: Git, Shell

Örnek iş unvanları

Yazılım Mühendisi, Veri Bilimcisi, Dev-Ops Mühendisi

8. Veri Mühendisleri

Veri Mühendisleri, doğru veriyi doğru kişilerin eline ulaştırmaktan sorumludur. Farklı kaynaklardan gelen terabaytlarca ham veriyi, organizasyon için temiz ve ilgili verilerin bulunduğu tek bir merkezi konuma taşıyan altyapıyı ve veri boru hatlarını oluşturur ve sürdürürler.

Yaygın olarak kullanılan teknoloji ve araçlar

Programlama dilleri: Python, R, Scala SQL: PostgreSQL, SQL Server, Oracle SQL Komut satırı araçları: Git, Shell Büyük veri araçları: Airflow, Spark Bulut Platformları (ör. Amazon Web Services)

Örnek iş unvanları

Yazılım Mühendisi, Veri Mühendisi, Dev-Ops Mühendisi