কীভাবে একজন সফল ডেটা বিজ্ঞানী এবং ডেটা বিশ্লেষক হবেন

একজন ভালো ডেটা সায়েন্টিস্ট বা ডেটা বিশ্লেষক হওয়ার জন্য প্রয়োজনীয় দক্ষতা সম্পর্কে অনেক নিবন্ধ রয়েছে, কিন্তু কিছু নিবন্ধ সফল হওয়ার জন্য প্রয়োজনীয় দক্ষতার বিষয়ে কথা বলে - এটি একটি ব্যতিক্রমী কর্মক্ষমতা পর্যালোচনা, ব্যবস্থাপনার প্রশংসা, একটি প্রচার, বা উপরের সবই হোক। আজ আমরা আপনার কাছে এমন একটি উপাদান উপস্থাপন করছি যার লেখক একজন ডেটা বিজ্ঞানী এবং ডেটা বিশ্লেষক হিসাবে তার ব্যক্তিগত অভিজ্ঞতা এবং সেইসাথে সাফল্য অর্জনের জন্য তিনি যা শিখেছেন তা শেয়ার করতে চান।

আমি ভাগ্যবান ছিলাম: যখন আমার ডেটা সায়েন্সে কোনো অভিজ্ঞতা ছিল না তখন আমাকে ডেটা সায়েন্টিস্ট পদের প্রস্তাব দেওয়া হয়েছিল। আমি কীভাবে কাজটি পরিচালনা করেছি তা একটি ভিন্ন গল্প, এবং আমি বলতে চাই যে আমি চাকরি নেওয়ার আগে একজন ডেটা বিজ্ঞানী কী করেন সে সম্পর্কে আমার কেবল একটি অস্পষ্ট ধারণা ছিল।

ডেটা ইঞ্জিনিয়ার হিসাবে আমার আগের চাকরির কারণে আমাকে ডেটা পাইপলাইনে কাজ করার জন্য নিয়োগ দেওয়া হয়েছিল, যেখানে আমি ডেটা বিজ্ঞানীদের একটি গ্রুপ দ্বারা ব্যবহৃত ভবিষ্যদ্বাণীমূলক বিশ্লেষণের জন্য একটি ডেটা মার্ট তৈরি করেছি।

ডেটা সায়েন্টিস্ট হিসাবে আমার প্রথম বছর মেশিন লার্নিং মডেলগুলিকে প্রশিক্ষিত করার জন্য ডেটা পাইপলাইন তৈরি করা এবং সেগুলিকে উৎপাদনে রাখা জড়িত। আমি একটি লো প্রোফাইল রেখেছি এবং মার্কেটিং স্টেকহোল্ডারদের সাথে অনেক মিটিংয়ে অংশগ্রহণ করিনি যারা মডেলের শেষ ব্যবহারকারী ছিল।

কোম্পানীতে আমার কাজের দ্বিতীয় বছরে, বিপণনের জন্য দায়ী ডেটা প্রসেসিং এবং বিশ্লেষণ ম্যানেজার বাম। তারপর থেকে, আমি প্রধান খেলোয়াড় হয়ে উঠি এবং মডেল তৈরিতে এবং প্রকল্পের সময়সীমা নিয়ে আলোচনায় আরও সক্রিয় অংশ নিয়েছিলাম।

আমি স্টেকহোল্ডারদের সাথে যোগাযোগ করার সময়, আমি বুঝতে পেরেছিলাম যে ডেটা সায়েন্স একটি অস্পষ্ট ধারণা যা লোকেরা শুনেছে কিন্তু পুরোপুরি বুঝতে পারে না, বিশেষ করে সিনিয়র ম্যানেজমেন্ট লেভেলে।

আমি একশোরও বেশি মডেল তৈরি করেছি, কিন্তু তাদের মধ্যে মাত্র এক তৃতীয়াংশ ব্যবহার করা হয়েছে কারণ আমি জানতাম না কীভাবে তাদের মূল্য দেখাতে হয়, যদিও মডেলগুলি প্রাথমিকভাবে বিপণনের মাধ্যমে অনুরোধ করা হয়েছিল।

আমার দলের একজন সদস্য এমন একটি মডেল তৈরি করতে কয়েক মাস ব্যয় করেছেন যা সিনিয়র ম্যানেজমেন্ট মনে করেছিল যে ডেটা সায়েন্স টিমের মূল্য প্রদর্শন করবে। ধারণাটি ছিল মডেলটি তৈরি হয়ে গেলে পুরো প্রতিষ্ঠানে ছড়িয়ে দেওয়া এবং বিপণন দলগুলিকে এটি গ্রহণ করতে উত্সাহিত করা।

এটি একটি সম্পূর্ণ ব্যর্থতায় পরিণত হয়েছে কারণ মেশিন লার্নিং মডেল কী তা কেউ বুঝতে পারেনি বা এটি ব্যবহারের মূল্য বুঝতে পারেনি। ফলস্বরূপ, মাসগুলি এমন কিছুতে নষ্ট হয়েছিল যা কেউ চায়নি।

এই ধরনের পরিস্থিতি থেকে আমি কিছু পাঠ শিখেছি, যা আমি নীচে দেব।

একজন সফল ডেটা সায়েন্টিস্ট হওয়ার জন্য আমি যে পাঠগুলি শিখেছি

1. সঠিক কোম্পানি বেছে নিয়ে নিজেকে সফলতার জন্য সেট আপ করুন।
একটি কোম্পানিতে সাক্ষাত্কার দেওয়ার সময়, ডেটা সংস্কৃতি এবং কতগুলি মেশিন লার্নিং মডেল গ্রহণ করা হয় এবং সিদ্ধান্ত গ্রহণে ব্যবহৃত হয় সে সম্পর্কে জিজ্ঞাসা করুন। উদাহরণের জন্য জিজ্ঞাসা করুন. মডেলিং শুরু করার জন্য আপনার ডেটা পরিকাঠামো সেট আপ করা হয়েছে কিনা তা খুঁজে বের করুন। আপনি যদি আপনার 90% সময় কাঁচা ডেটা টানতে এবং এটি পরিষ্কার করার চেষ্টা করেন তবে ডেটা বিজ্ঞানী হিসাবে আপনার মূল্য প্রদর্শনের জন্য কোনও মডেল তৈরি করতে আপনার কাছে খুব কম সময় থাকবে না। আপনি যদি প্রথমবারের মতো ডেটা সায়েন্টিস্ট হিসেবে নিয়োগ পান তবে সতর্ক থাকুন। ডেটা সংস্কৃতির উপর নির্ভর করে এটি একটি ভাল জিনিস বা খারাপ জিনিস হতে পারে। আপনি মডেলটি বাস্তবায়নে আরও প্রতিরোধের সম্মুখীন হতে পারেন যদি সিনিয়র ম্যানেজমেন্ট একজন ডেটা সায়েন্টিস্ট নিয়োগ করে শুধুমাত্র এই কারণে যে কোম্পানিটি পরিচিত হতে চায় ভালো সিদ্ধান্ত নিতে ডেটা সায়েন্স ব্যবহার করে, কিন্তু এটা আসলে কি মানে কোন ধারণা নেই. এছাড়াও, আপনি যদি ডেটা চালিত এমন একটি সংস্থা খুঁজে পান তবে আপনি এটির সাথে বৃদ্ধি পাবেন।

2. ডেটা এবং মূল কর্মক্ষমতা সূচক (KPIs) জানুন।
শুরুতে, আমি উল্লেখ করেছি যে একজন ডেটা ইঞ্জিনিয়ার হিসাবে, আমি ডেটা বিজ্ঞানীদের একটি দলের জন্য একটি বিশ্লেষণমূলক ডেটা মার্ট তৈরি করেছি। আমি নিজে একজন ডেটা সায়েন্টিস্ট হয়েছি, আমি নতুন সুযোগগুলি খুঁজে পেতে সক্ষম হয়েছি যা মডেলগুলির নির্ভুলতা বাড়িয়েছে কারণ আমি আমার আগের ভূমিকায় কাঁচা ডেটা নিয়ে নিবিড়ভাবে কাজ করেছি।

আমাদের প্রচারাভিযানের ফলাফল উপস্থাপন করার মাধ্যমে, আমি উচ্চতর রূপান্তর হার (শতাংশ হিসাবে) তৈরি করে এবং তারপরে প্রচারাভিযানের একটি কেপিআই পরিমাপ করতে সক্ষম হয়েছি। এটি ব্যবসায়িক পারফরম্যান্সের জন্য মডেলের মূল্য প্রদর্শন করে যার সাথে মার্কেটিং লিঙ্ক করা যেতে পারে।

3. স্টেকহোল্ডারদের কাছে এর মূল্য প্রদর্শন করে মডেলটি গ্রহণ নিশ্চিত করুন
আপনার স্টেকহোল্ডাররা ব্যবসায়িক সিদ্ধান্ত নেওয়ার জন্য আপনার মডেলগুলি ব্যবহার না করলে আপনি কখনই ডেটা সায়েন্টিস্ট হিসাবে সফল হতে পারবেন না। মডেল গ্রহণ নিশ্চিত করার একটি উপায় হল একটি ব্যবসায়িক ব্যথার বিন্দু খুঁজে বের করা এবং মডেলটি কীভাবে সাহায্য করতে পারে তা দেখানো।

আমাদের সেলস টিমের সাথে কথা বলার পর, আমি বুঝতে পেরেছি যে দুইজন প্রতিনিধি কোম্পানির ডাটাবেসের লক্ষ লক্ষ ব্যবহারকারীর মাধ্যমে ম্যানুয়ালি কম্বিং করে কাজ করছেন একক লাইসেন্সধারী ব্যবহারকারীদের সনাক্ত করার জন্য যাদের টিম লাইসেন্সে আপগ্রেড করার সম্ভাবনা বেশি। নির্বাচনটি মানদণ্ডের একটি সেট ব্যবহার করেছে, কিন্তু নির্বাচনটি দীর্ঘ সময় নিয়েছে কারণ প্রতিনিধিরা একবারে একজন ব্যবহারকারীর দিকে তাকান। আমি যে মডেলটি তৈরি করেছি তা ব্যবহার করে, প্রতিনিধিরা টিম লাইসেন্স কেনার এবং কম সময়ে রূপান্তরের সম্ভাবনা বাড়াতে সম্ভবত ব্যবহারকারীদের লক্ষ্য করতে সক্ষম হয়েছিল৷ এর ফলে সেলস টিম সম্পর্কিত হতে পারে এমন মূল কর্মক্ষমতা সূচকগুলির জন্য রূপান্তর হার বৃদ্ধি করে সময়ের আরও দক্ষ ব্যবহার হয়েছে।

বেশ কয়েক বছর কেটে গেছে এবং আমি একই মডেলগুলি বারবার বিকাশ করেছি এবং অনুভব করেছি যে আমি আর নতুন কিছু শিখছি না। আমি অন্য অবস্থানের সন্ধান করার সিদ্ধান্ত নিয়েছি এবং ডেটা বিশ্লেষক হিসাবে একটি অবস্থান পেয়ে শেষ হয়েছি। আমি যখন ডেটা সায়েন্টিস্ট ছিলাম তখন দায়িত্বের মধ্যে পার্থক্যটা বেশি উল্লেখযোগ্য হতে পারত না, যদিও আমি মার্কেটিংকে সমর্থন করেছিলাম।

এই প্রথমবার আমি A/B পরীক্ষা বিশ্লেষণ করেছি এবং খুঁজে পেয়েছি সব যে উপায়ে একটি পরীক্ষা ভুল হতে পারে। একজন ডেটা সায়েন্টিস্ট হিসেবে, আমি A/B টেস্টিং এ মোটেও কাজ করিনি কারণ এটি পরীক্ষামূলক দলের জন্য সংরক্ষিত ছিল। আমি বিপণন-প্রভাবিত বিশ্লেষণের বিস্তৃত পরিসরে কাজ করেছি - প্রিমিয়াম রূপান্তর হার বৃদ্ধি থেকে ব্যবহারকারীর ব্যস্ততা এবং মন্থন প্রতিরোধ পর্যন্ত। আমি ডেটা দেখার বিভিন্ন উপায় শিখেছি এবং ফলাফলগুলি সংকলন করতে এবং স্টেকহোল্ডার এবং সিনিয়র ম্যানেজমেন্টের কাছে উপস্থাপন করতে অনেক সময় ব্যয় করেছি। একজন ডেটা সায়েন্টিস্ট হিসেবে, আমি বেশিরভাগই এক ধরনের মডেলে কাজ করেছি এবং খুব কমই আলোচনা করেছি। আমি একজন সফল বিশ্লেষক হতে যে দক্ষতা শিখেছি তার জন্য কয়েক বছর ধরে দ্রুত এগিয়ে যান।

একজন সফল ডেটা বিশ্লেষক হওয়ার দক্ষতা আমি শিখেছি

1. ডেটা সহ গল্প বলতে শিখুন
বিচ্ছিন্নভাবে কেপিআইগুলিকে দেখবেন না। তাদের সংযুক্ত করুন, ব্যবসার দিকে সামগ্রিকভাবে দেখুন। এটি আপনাকে একে অপরকে প্রভাবিত করে এমন ক্ষেত্রগুলি সনাক্ত করতে অনুমতি দেবে। সিনিয়র ম্যানেজমেন্ট একটি লেন্সের মাধ্যমে ব্যবসা দেখেন, এবং একজন ব্যক্তি যিনি এই দক্ষতা প্রদর্শন করেন যখন এটি প্রচারের সিদ্ধান্ত নেওয়ার সময় আসে তখন লক্ষ্য করা যায়।

2. কর্মযোগ্য ধারণা প্রদান করুন।
ব্যবসা প্রদান কার্যকর ধারণা সমস্যাটি সমাধান করতে. এটি আরও ভাল যদি আপনি সক্রিয়ভাবে একটি সমাধান অফার করেন যখন এটি এখনও বলা হয়নি যে আপনি অন্তর্নিহিত সমস্যার সাথে কাজ করছেন।

উদাহরণস্বরূপ, আপনি যদি মার্কেটিংকে বলেন: "আমি লক্ষ্য করেছি যে সম্প্রতি সাইট ভিজিটরের সংখ্যা প্রতি মাসে কমছে।". এটি একটি প্রবণতা যা তারা ড্যাশবোর্ডে লক্ষ্য করেছে এবং আপনি একজন বিশ্লেষক হিসাবে কোনো মূল্যবান সমাধান অফার করেননি কারণ আপনি শুধুমাত্র পর্যবেক্ষণটি বলেছেন।

পরিবর্তে, কারণ খুঁজে পেতে এবং একটি সমাধান প্রস্তাব করতে ডেটা পরীক্ষা করুন। বিপণনের জন্য একটি ভাল উদাহরণ হবে: “আমি লক্ষ্য করেছি যে সম্প্রতি আমাদের ওয়েবসাইটে ভিজিটরের সংখ্যা কমে গেছে। আমি আবিষ্কার করেছি যে সমস্যার উৎস হল অর্গানিক সার্চ, সাম্প্রতিক পরিবর্তনের কারণে আমাদের গুগল সার্চ র‍্যাঙ্কিং কমে গেছে।". এই পদ্ধতিটি দেখায় যে আপনি কোম্পানির কেপিআই ট্র্যাক করেছেন, পরিবর্তন লক্ষ্য করেছেন, কারণ অনুসন্ধান করেছেন এবং সমস্যার সমাধানের প্রস্তাব করেছেন।

3. একজন বিশ্বস্ত উপদেষ্টা হন
আপনি যে ব্যবসাকে সমর্থন করেন সে সম্পর্কে পরামর্শ বা প্রশ্নগুলির জন্য আপনার স্টেকহোল্ডাররা আপনাকে প্রথম ব্যক্তি হতে হবে। কোন শর্টকাট নেই কারণ এই ক্ষমতাগুলি প্রদর্শন করতে সময় লাগে। এর মূল চাবিকাঠি হল ন্যূনতম ত্রুটির সাথে ধারাবাহিকভাবে উচ্চ-মানের বিশ্লেষণ প্রদান করা। যেকোন ভুল গণনার জন্য আপনার বিশ্বাসযোগ্যতা পয়েন্ট খরচ হবে কারণ পরের বার যখন আপনি একটি বিশ্লেষণ প্রদান করবেন, লোকেরা ভাবতে পারে: গতবার ভুল হলে এবারও হয়তো ভুল?. সবসময় আপনার কাজ দুইবার চেক. আপনার বিশ্লেষণ সম্বন্ধে কোনো সন্দেহ থাকলে তা উপস্থাপন করার আগে আপনার ম্যানেজার বা সহকর্মীকে আপনার নম্বরগুলি দেখতে বলাও ক্ষতি করে না।

4. জটিল ফলাফল স্পষ্টভাবে যোগাযোগ করতে শিখুন।
আবার, কীভাবে কার্যকরভাবে যোগাযোগ করতে হয় তা শেখার কোন শর্টকাট নেই। এটি অনুশীলন করে এবং সময়ের সাথে সাথে আপনি এটিতে আরও ভাল হয়ে উঠবেন। মূল বিষয় হল আপনি যা করতে চান তার মূল পয়েন্টগুলি চিহ্নিত করা এবং আপনার বিশ্লেষণের ফলস্বরূপ, স্টেকহোল্ডাররা ব্যবসার উন্নতির জন্য নিতে পারে এমন কোনো পদক্ষেপের সুপারিশ করা। আপনি একটি প্রতিষ্ঠানে যত উপরে থাকবেন, আপনার যোগাযোগের দক্ষতা তত বেশি গুরুত্বপূর্ণ। জটিল ফলাফলের সাথে যোগাযোগ করা একটি গুরুত্বপূর্ণ দক্ষতা প্রদর্শন করা। আমি একজন ডেটা বিজ্ঞানী এবং ডেটা বিশ্লেষক হিসাবে সাফল্যের গোপনীয়তা শিখতে বছর কাটিয়েছি। মানুষ সাফল্যকে ভিন্নভাবে সংজ্ঞায়িত করে। একজন "আশ্চর্যজনক" এবং "নক্ষত্র" বিশ্লেষক হিসাবে বর্ণনা করা আমার চোখে সাফল্য। এখন যেহেতু আপনি এই গোপনীয়তাগুলি জানেন, আমি আশা করি আপনার পথটি আপনাকে দ্রুত সাফল্যের দিকে নিয়ে যাবে, যদিও আপনি এটি সংজ্ঞায়িত করেন।

এবং আপনার সাফল্যের পথ আরও দ্রুত করতে, প্রচার কোড রাখুন HABR, যার মাধ্যমে আপনি ব্যানারে নির্দেশিত ডিসকাউন্টের অতিরিক্ত 10% পেতে পারেন।

• ডেটা সায়েন্স অনলাইন বুটক্যাম্প
• স্ক্র্যাচ থেকে ডেটা বিশ্লেষক পেশা প্রশিক্ষণ
• ডেটা বিশ্লেষণ অনলাইন বুটক্যাম্প
• স্ক্র্যাচ থেকে ডেটা সায়েন্সের পেশা শিক্ষকতা
• ওয়েব ডেভেলপমেন্ট কোর্সের জন্য পাইথন

আরও কোর্স

• ডেটা অ্যানালিটিক্স কোর্স
• DevOps কোর্স
• পেশা ওয়েব ডেভেলপার
• স্ক্র্যাচ থেকে পেশা iOS বিকাশকারী
• স্ক্র্যাচ থেকে পেশা অ্যান্ড্রয়েড বিকাশকারী
• স্ক্র্যাচ থেকে পেশা জাভা বিকাশকারী
• জাভাস্ক্রিপ্ট কোর্স
• মেশিন লার্নিং কোর্স
• কোর্স "ডেটা সায়েন্সের জন্য গণিত এবং মেশিন লার্নিং"
• উন্নত কোর্স "মেশিন লার্নিং প্রো + ডিপ লার্নিং"

বৈশিষ্ট্যযুক্ত প্রবন্ধ

• অনলাইন কোর্স ছাড়াই কীভাবে ডেটা সায়েন্টিস্ট হওয়া যায়
• 450 ফ্রি আইভি লীগ কোর্স
• কিভাবে সপ্তাহে 5 দিন মেশিন লার্নিং পড়া যায় একটানা 9 মাস
• একজন ডেটা বিশ্লেষক কত উপার্জন করেন: 2020 সালে রাশিয়া এবং বিদেশে বেতন এবং শূন্যপদগুলির একটি ওভারভিউ
• মাইনিং শিল্পে মেশিন লার্নিং এবং কম্পিউটার ভিশন

উত্স: www.habr.com