شارك
الرئيسية
2 دقائق 
تعتبر مهارات البيانات الضرورية عصب الاقتصادات الحديثة، ويتم تعريفها على أنها المهارات اللازمة لتحويل البيانات إلى رؤية وعمل. وبحسب "المنتدى الاقتصادي العالمي"، فإن الوظائف التي تركز على الحوسبة والرياضيات تحقق نمواً أكبر مقارنة بالوظائف الكمية.
لذا، وسواء أكان الأمر يتعلق بزيادة دورنا الذي نلعبه في النمو الاقتصادي المستند إلى البيانات إلى أقصى حد ممكن، أو ببساطة
التأكد من بقائنا نحن وفرقنا على معرفة بالمجال ولدينا المهارات الكافية للتوظيف، فإننا بحاجة إلى التفكير في الانتقال إلى مهارات أكثر اتصالاً بالبيانات. ولكن ما هي المهارات التي ينبغي عليك التركيز عليها؟ هل يمكن أن يتوقع معظمنا مواكبة هذا الاتجاه بأنفسنا، أم سيكون من الأفضل البقاء ضمن مجالات الاقتصاد الآخذة بالتراجع وترك المهارات المتصلة بالبيانات للمتخصصين؟
اقرأ أيضاً: بسّط البيانات كي يتمكن فريقك من استخدامها
قمنا وبغرض المساعدة في الإجابة عن هذا السؤال بإعادة استخدام منهجية سبق لنا وأن استخدمناها لتحديد المهارات التي يجب تعلمها في تطبيق "مايكروسوفت إكسيل" وذلك انطلاقاً من مزايا اكتساب كل مهارة والتكلفة المترتبة عليها. وطبقنا في حالتنا هذه تحليل "الوقت-المنفعة" على مهارات البيانات. وكان "الوقت" يمثل الفترة اللازمة للتعلم ويرمز إلى التكاليف المترتبة على اكتسابك أنت أو فريقك المهارة؛ وكانت "المنفعة" ترمز إلى مدى حاجتك إلى تلك المهارة، وترمز إلى القيمة التي تضيفها إلى الشركة وإلى فرصك للترقي المهني.
"المصفوفة 2×2" ومهارات البيانات الضرورية
ولدى الدمج بين الوقت والمنفعة، حصلنا على مصفوفة 2×2 بسيطة مؤلفة من أربعة مربعات:
-
تعلّم:
فائدة مرتفعة ووقت قليل لازم للتعلم. تمثل هذه المهارة مكسباً كبيراً لك من شأنه إضافة قيمة لك ولفريقك دون بذل مجهود كبير.
-
تخطيط:
فائدة مرتفعة إنما تحتاج لوقت تعلم طويل. صحيح أنها مهارة قيّمة، إلا أن اكتسابها يعني وضعها كأولوية على حساب مهارات تعلم وأنشطة أخرى. عليك أن تتأكد هنا أنها تستحق الاستثمار فيها.
-
اطلاع:
فائدة منخفضة ووقت تعلم لازم قليل. لست بحاجة إلى تلك المهارة الآن، ولكن من السهل اكتسابها في حال أردت زيادة المنفعة.
-
تجاهل:
فائدة منخفضة ووقت تعلم طويل. ليس لديك وقت لهذه المهارة.
اقرأ أيضاً: القانون العام لحماية البيانات ونهاية الصفقة الكبرى للإنترنت
وبغرض مساعدتك على معرفة موضع تركيز جهود التطوير الخاصة بك، عملنا على تصنيف مهارات البيانات الأساسية بحسب تلك المصفوفة. وقمنا في البداية، بعمل قائمة أولية بمهارات مرتبطة بالأدوار مثل: محلل أعمال ومحلل بيانات وعالم بيانات ومهندس تعلم آلة أو هكر النمو. ثم رتبناها بحسب أولوية التأثير بناء على مدى تكرار ظهورها في إعلانات الوظائف والتقارير الصحفية وتعليقات المتعلمين لدينا. وأخيراً، ربطنا هذه بمعلومات عن مدى صعوبة تعلم المهارات من حيث توظيف الوقت لامتلاك الكفاءة كمقياس وتقييم عمق واتساع كل مهارة.
اقرأ أيضاً: استخدام "بلوك تشين" يحافظ على شفافية البيانات
وكان قرارنا أن نطبق ذلك على المهارات الخاصة بالأساليب التقنية وليس تقنيات محددة. بمعنى آخر، اخترنا "تعلم الآلة" بدل تعلم العمل على تطبيق "تنسورفلو" (TensorFlow)؛ و"ذكاء الأعمال" بدلاً من إتقان "مايكروسوفت إكسيل" وهكذا دواليك. وبمجرد تحديد الأساليب التقنية ذات الأولوية لك، ستتمكن وقتها من اختيار البرامج المناسبة والمهارات المرتبطة بها التي تدعمها بشكل أفضل.
ويمكنك أيضاً تطبيق إطار العمل هذا على السياق الخاص بك، حيث قد ينتج لديك مصفوفة مهارات بيانات مختلفة. وفيما يلي النتائج التي توصلنا إليها:
وجدنا في شركتنا "فيلترد" أن بناء هذه المصفوفة ساعدنا على اتخاذ قرارات صعبة متصلة بمعرفة نقطة انطلاقنا. للوهلة الأولى، تبدو كل المهارات في قائمتنا الأولية مهمة، ولكن كان علينا فعلياً اختيار بعضها. لقد توصلنا إلى أن أفضل عائد على الاستثمار فيما يتعلق بتعلم تلك المهارات في شركتنا هو تصور البيانات، نظراً لفائدتها المرتفعة ووقت التعلم القليل المطلوب. ولقد انتهينا بالفعل من تحليلنا وبدأنا للتو استخدام تلك المصفوفة لتحسين طريقة تقديم تحليلات الاستخدام للعملاء.
جرب المصفوفة في شركتك لمساعدة فريقك على تحديد مهارات البيانات الضرورية الأكثر أهمية بالنسبة لهم لبدء التعلم الآن.
اقرأ أيضاً: التجارب المستقبلية للأدوية سوف تفضي إلى تقديم بيانات أفضل ومراقبة مستمرة