تحويل مشاكل الأعمال إلى مشاكل علوم البيانات

نشرت: 2018-07-03

في الكثير من مقابلات علوم البيانات ، من الشائع طرح أسئلة متعلقة بالعمل. من المتوقع أن يحل الشخص الذي تمت مقابلته التحدي الذي تواجهه الشركة في مقابلة. على سبيل المثال ، تنخفض الأرباح التي حققتها شركة صحفية ، ما الذي يمكن فعله لإنقاذ الموقف. كيف يمكن لـ Reliance Jio أن تقرر ما إذا كان من المفيد بدء عملياتها من موقع جديد. كيف سيؤثر إطلاق Baba Ramdev SIM على أعمال Reliance Jio ، إلخ.

من الشائع أن يستعد الأشخاص الذين تمت مقابلتهم جيدًا لأسئلة علوم البيانات. إنهم يتوقعون ويستعدون جيدًا لأسئلة مثل ، "كيفية نسب القيم المفقودة" ، "كيف يمكنك تحديد الخوارزمية المناسبة لمجموعة البيانات". ومع ذلك ، فإن المرشحين محيرون تمامًا عندما يواجهون قضايا العمل. جزء من السبب هو أن المرشحين لا يتوقعون أسئلة حالة العمل في المقابلة. سبب آخر لعدم وجود مدونات أو دورات في علوم البيانات لا يتطرق إلى كيفية تحويل مشاكل الأعمال إلى مشاكل في علوم البيانات. هناك أطر عمل متاحة لتحليل البيانات لكنها هادئة بشكل مدهش بشأن كيفية تحويل الأعمال إلى مشاكل البيانات. على سبيل المثال ، يشتهر إطار عمل CRISP-DM بتحليل البيانات. الخطوتان الأولى والثانية من CRISP-DM هما "فهم الأعمال" و "فهم البيانات". لا يعرف معظم علماء البيانات الطموحين كيفية المتابعة من الخطوة الأولى إلى الخطوة الثانية. الهدف من هذه المقالة هو سد هذه الفجوة. ساعدني كتاب فيكتور تشينج ومقاطع الفيديو في فهم كيفية تحويل مشاكل العمل إلى مشاكل بيانات. هذه المقالة على أساس تعاليمه.
مشاكل الأعمال لمشاكل علوم البيانات

جدول المحتويات

عقلية المحاور

قبل الخوض في كيفية الرد على مقابلات الحالة ، دعونا نفهم عقلية القائم بإجراء المقابلة. ما الذي يبحث عنه المحاورون عندما يطرحون أسئلة تجارية؟ بعض الأشياء التي يبحث عنها المحاورون هي: -

  • هل يمتلك المرشحون عقلية تفكير مستقلة؟
  • هل الإجابات جيدة بما يكفي إن لم تكن دقيقة؟
  • هي الحلول التي يقدمها العميل المرشح صديقة (في حالة الشركات الاستشارية)
  • هل الحل المقدم من المرشحين خطي؟
  • هل شرح المرشح الحل بصريا؟
  • هل حل المرشح عملي للتنفيذ؟

يجب أن ينتقل الحل المرشح خطيًا ومنطقيًا من التحدي إلى الحل. إذا كان الحل مبعثرًا ، والقفز من نقطة إلى أخرى بشكل تعسفي ، فستنتهي تلك المقابلة على الفور في ذهن القائم بإجراء المقابلة. بالإضافة إلى ذلك ، يفضل اتباع نهج صحيح مع إجابة خاطئة على الإجابة الصحيحة بنهج خاطئ. إذا كان النهج خاطئًا وكانت الإجابة صحيحة ، فسيفترض القائمون على المقابلات أن المرشح كان محظوظًا. لن يكون هذا هو الحال في جميع الحالات. إذا كان النهج صحيحًا ، فإنه قابل للتكرار ويمكن تطبيقه على العديد من مواقف العمل.
ما هو علم البيانات؟ من هو عالم البيانات؟ ما هو التحليلات؟

الإجابة على أسئلة "حالة أنا المقابلة"

يمكن تقسيم إجابات أسئلة المقابلة الشخصية إلى ثلاث مراحل. فتح وتحليل وإغلاق. الصراحة والغلبة صيغة ويمكن الرد عليها بسهولة بالممارسة. تختلف مرحلة التحليل وفقًا لمشكلة العمل وتتضمن التفكير والإبداع. دعونا نرى ما يجب القيام به في كل مرحلة من مراحل الإجابة على السؤال.
خطوات الإجابة على أسئلة مقابلة الحالة هي: -

  • توقف
  • تحقق من فهمك
  • تحديد هيكل المشكلة
  • حلل
  • يغلق

المماطلة (مرحلة الافتتاح)

يطلب فيكتور تشينج أن يأخذ وقفة لمدة خمس ثوان قبل أن يقول شيئًا مشابهًا ، "آه ، هذه مشكلة مثيرة جدًا للاهتمام". يُعرف هذا باسم "المماطلة". إذا كنت تنتظر أكثر من خمس ثوانٍ للإجابة ، فسيعتقد القائم بإجراء المقابلة أنك لا تعرف الحل. يساعد المماطلة في الحصول على بعض الوقت الثمين للتفكير في المشكلة.

تحقق من فهمك

عادة ما تكون أسئلة "مقابلة الحالة" في سطر واحد. لن يتم توفير جميع المعلومات المطلوبة للإجابة على السؤال. يتوقع من المرشحين طرح الأسئلة والتحقق من فهمهم. كما ذكرنا سابقًا ، إذا كان الأمر يتعلق بزيادة أرباح الصحيفة ، فيمكنك طرح أسئلة مثل "ما هي الموضوعات التي تغطيها الجريدة؟" ، "ما هو الجمهور المستهدف لهذه الصحيفة" ، إلخ. وضح بشأن أي مصطلحات استخدمها القائم بإجراء المقابلة والتي لست متأكدا منها. من المهم هنا ألا تتحمل أي شيء. الافتراض قد يؤدي إلى حل مشاكل خاطئة لا تواجهها الشركة. سيُعلم هذا التمرين أيضًا القائم بإجراء المقابلة بمدى جودتك في طلب المساعدة عندما تكون مطلوبة.
خلال المراحل الأولية للإجابة ، ستتمتع بحرية طرح أسئلة مفتوحة. مع مرور الوقت ، ستفقد الحرية ولن تكون قادرًا إلا على طرح أسئلة مغلقة. سيؤدي طرح أسئلة مفتوحة في النهاية إلى تفكير القائم بإجراء المقابلة أنك تحاول طرح الإجابات. لذلك ، لا تتردد في طرح الأسئلة التي تشعر بأنها ذات قيمة للإجابة عليها.
أجاب "كيف تصبح عالم بيانات"!

تحديد الهيكل

بمجرد حصولك على المعلومات المطلوبة بعد طرح الأسئلة ، حدد الهيكل الذي ينتمي إليه السؤال. يحدد فيكتور أربعة أطر عمل مختلفة يمكن أن ينتمي إليها سؤال مقابلة الحالة. الأطر حسب ترتيب أهميتها (حسب التكرار المطلوب في المقابلات) هي:

  • ربح
  • الوضع التجاري
  • اكتساب الاندماج
  • العرض والطلب

أمثلة إطار عمل وضع الأعمال هي - إطلاق منتج جديد ، والاستجابة لسلوك المنافس ، والتغيرات في الطلب ، واستراتيجيات النمو للشركة ، وما إلى ذلك. ومن أمثلة مشاكل العرض / الطلب بناء مصنع جديد أو إغلاق مصنع ، التغيير في السعة من خلال الاستحواذ ، التغيير في الطلب ، إلخ.
هذه الأطر ليست صعبة وسريعة. قد تنتهي مشكلة الربح في نهاية المطاف في حالة العمل أو مشكلة العرض / الطلب. ومع ذلك ، فإن هذا التصنيف سيوفر هيكلًا لتفكيرنا ويساعدنا في المضي قدمًا في التحدي الذي نحن بصدده.
بمجرد تحديد هيكل المشكلة ومطابقته مع إطار العمل المناسب ، فإن الخطوة التالية هي وصف المكونات الرئيسية لإطار العمل. على سبيل المثال ، في حالة زيادة أرباح إحدى الصحف ، يمكنك التحدث عن الإيرادات والتكلفة. كن حذرًا ولا تسمي إطار العمل صراحةً. الإطار مخصص فقط لهيكلة تفكيرك وليس لذكره للمحاور. ارسم المكونات الرئيسية لإطار العمل مع الوصف الخاص بك. أثناء ممارسة هذه الخطوات ، ستصبح طبيعة ثانية بالنسبة لك. النقاط الرئيسية في تحديد الهيكل هي:

  • تحديد طبيعة المشكلة
  • تطابق المشكلة مع الإطار المناسب
  • وصف المكونات الرئيسية لإطار العمل
  • ألفت

بمجرد الانتهاء من ذلك ، انتقل إلى الخطوة التالية في العملية وهي تحليل المشكلة.
أفضل 17 سؤال وجواب لمحلل البيانات

حلل

هنا تحليل لا يعني تحليل البيانات. لا يزال بعيدا. تأتي البيانات في النهاية. قبل طلب البيانات ، هناك أشياء أخرى تحتاج إلى معالجة.
ابدأ تحليلك بالسؤال من أين تبدأ. لتحسين ربحية إحدى الصحف ، اسأل عما إذا كان يجب عليك المضي قدمًا في حساب التكلفة أو العائد. اعتمادًا على اختيار المحاور ، تابع إجابتك.
تصور المشكلة الأساسية كشجرة قرار وتبدأ من الجذر. اذكر الفرضية واختر فرعًا وفقًا لاختيار المحاور. تحديد وتوضيح القضايا الرئيسية داخل الفرع. اطرح أسئلة قياسية واستمر في البحث. في هذه العملية استمر في تنقيح فرضيتك. إذا وصلت إلى طريق مسدود لفرع دون أي دقة ، فتابع حتى عقدة الفرع واجتاز الاتجاه المعاكس.
فكر بصوت عالٍ أثناء العملية برمتها. سيساعد هذا المحاورين على معرفة مهارات التفكير والتحليل لديك. إذا كان هناك أي خلل في تفكيرك ، فقد يشيرون إليه ويساعدونك في الاتجاه الصحيح. من الجيد دائمًا التفكير بصوت عالٍ في أسئلة مقابلة الحالة.
بمجرد أن تصل إلى ورقة شجرة قرارك بفرضية أو تصل إلى نقطة لا يكون فيها القائمون بالمقابلات متأكدين من الفرضية ، يمكنك حينها المضي قدمًا وطلب البيانات. البيانات التي يمكن أن تساعد في قبول أو دحض فرضيتك. البيانات التي ستساعد في استخلاص الأفكار واتخاذ القرارات التجارية. النقطة التي يجب تذكرها هي أن جميع طلبات البيانات يجب أن تكون مدعومة بشرح قوي. إن طلب البيانات دون أي تفسير لن يتم بشكل جيد مع المحاورين أو العملاء في حالة الاستشارة.
هذا يكمل تحويل مشاكل العمل إلى مشكلة تحليل البيانات. بمجرد الانتهاء من ذلك ، تعرف الآن كيفية المضي قدمًا في تحليل البيانات. من هنا تتبع خطوات CRISP-DM القياسية:

  • فهم البيانات
  • نمذجة البيانات
  • التحقق من صحة النموذج
  • نشر النموذج
  • تحديث النموذج وإبقائه ملائمًا

نصائح وحيل للإجابة على أسئلة مقابلة الحالة

  • قسّم أرقامك
  • شركة مقابل منافس
  • العام الحالي مقابل العام الماضي
  • فكر بصوت عالٍ
  • اشرح لماذا تحتاج البيانات قبل أن تطلبها
  • لا تفترض أي شيء
  • تدرب على حل مشاكل العمل
كيف تصنع مهنة مشرقة في البيانات

قسّم أرقامك

يدور علم البيانات حول تقسيم المشكلة إلى الأجزاء المكونة لها. تحليل الأجزاء واستنباط الرؤى. اجمع الأجزاء معًا وقدم توصيات مدعومة بتحليل البيانات. يُعرف هذا المزيج من الأجزاء أيضًا باسم "التركيب" في لغة الاستشارات.
يمكن اشتقاق رؤى أفضل عندما يتم تقسيم البيانات إلى أجزاء. لنفترض أن أرباح الصحف قد انخفضت بسبب الخسائر في الإيرادات. لا تقدم الخسارة في الإيرادات ككل الكثير من الأفكار. إذا تم تقسيم هذه الإيرادات إلى مجموعات مختلفة بناءً على عمر المشتركين ، فقد توفر رؤى أكثر قيمة. يمكن للشركة تنفيذ إجراء يستهدف فئة عمرية معينة لتحسين الإيرادات. بالنظر إلى مشكلة العمل ، انظر دائمًا إلى أفضل السبل لتقسيمها إلى أجزاء مختلفة.
بالنظر إلى مشكلة العمل ، فكر فيما إذا كانت تواجهها شركة معينة فقط أو الصناعة بأكملها. سيكون الحل والتوصيات مختلفة في كلتا الحالتين. خط آخر في التفكير هو المقارنة بين الأداء في الماضي والحاضر. سيوفر كلا الخطين من الأفكار اتجاهًا للمضي قدمًا في الإجابة على سؤال مقابلة الحالة.
مشاكل الأعمال لمشاكل علوم البيانات
إن معرفة الخطوات والأطر المختلفة سيأخذك فقط إلى نقطة معينة. ما سيساعدك في الإجابة على أسئلة مقابلة الحالة بنجاح هو "الممارسة ، الممارسة والمزيد من الممارسة". هذه ليست طريقة أخرى للتغلب عليها. الطلاقة في طرح أسئلة التحقق ، وتحديد الهيكل ، ومطابقة المشكلة مع إطار العمل ، وصياغة الفرضية ، والعبور على طول شجرة القرار ، وما إلى ذلك ، لن تأتي إلا من خلال الممارسة. من المستحيل حل سؤال مقابلة الحالة أو تحويل مشكلة العمل إلى مشكلة تحليل البيانات دون ممارسة.
علماء البيانات: الأساطير مقابل الحقائق

للتلخيص ، يمكن معادلة تحويل مشاكل العمل إلى مشكلة علوم البيانات بسؤال مقابلة الحالة. للإجابة بنجاح على أسئلة مقابلة الحالة ، فإن الخطوات التي يجب اتباعها هي - تعطيل القائم بإجراء المقابلة ، وتحديد هيكل المشكلة ، ومطابقتها مع الإطار الأساسي ، وصياغة فرضية ، واجتياز شجرة القرار عن طريق طرح الأسئلة ذات الصلة ، ثم طلب البيانات في النهاية عن طريق تشرح لماذا تريد ذلك. أخيرًا ، للنجاح في الإجابة على أسئلة مقابلة الحالة ، مارسها. بمجرد أن تكون قادرًا على تحويل مشكلة العمل إلى مشكلة في علم البيانات ، اتبع إطار عمل CRISP-DM لتحليل النتائج وتقديم توصيات مدعومة بالبيانات.

انضم إلى برنامج الشهادة الاحترافية في علوم البيانات لاتخاذ قرارات الأعمال من IIM-Kozhikode اليوم!

هل يمكن حل مشكلة العمل باستخدام علوم البيانات؟

الجواب نعم. في هذه الأيام يتم حل معظم مشاكل العمل باستخدام علوم البيانات والتحليلات. يستخدم علم البيانات 5 خطوات للتعامل مع مشاكل العمل وحلها

1. فهم مشكلة العمل
2. استخدام التحليلات لحل مشاكل العمل
3. تجهيز البيانات
4. تطوير النموذج
5. اختبار الأداء

لا يمكن لعلوم البيانات والتحليلات أن تصلح بشكل سحري جميع مشاكل المؤسسة. هذه أدوات مفيدة للغاية تساعد الشركات على اتخاذ قرارات دقيقة وأتمتة الأعمال المتكررة والخيارات التي تحتاج الفرق إلى اتخاذها. يمكن للشركات استخدام مناهج علوم البيانات لمساعدة إدارتها على اتخاذ قرارات أفضل وتوقع الأرباح المستقبلية وتطوير محتوى أفضل.

كيف يمكن ترجمة مشكلة العمل إلى حلول الذكاء الاصطناعي وعلوم البيانات؟

لترجمة تحدٍ تجاري إلى حل للذكاء الاصطناعي وعلوم البيانات ، يجب على عالم البيانات أولاً فهم المشكلة ، بالإضافة إلى الأهداف ومؤشرات الأداء الرئيسية لتحليل البيانات ، بالإضافة إلى مناهج الذكاء الاصطناعي وعلوم البيانات التي يمكن استخدامها لحل المشكلة . يجب أن يفهم عالم البيانات أيضًا ما تتوقع المنظمة تحقيقه من تحليل البيانات وكيف تخطط لاستخدام النتائج.

كيف تطبق علم البيانات لحل مشاكل العمل الفعلية؟

في الوقت الحاضر ، تستثمر الشركات في علوم البيانات لأغراض مختلفة. يمكن لجميع قطاعات الأعمال المختلفة تقريبًا مثل التمويل والتسويق والتجزئة والتصنيع وما إلى ذلك الاستفادة من علوم البيانات بطرق مختلفة. لكن الهدف الوحيد لكل شركة لاستخدام Data Science هو حل مشاكل العمل.

يستخدم عالم البيانات مهاراتهم بطرق مختلفة لحل مشاكل العمل مثل

1. الابتكار - يطور علماء البيانات طرقًا جديدة لحل مشاكل العمل التي كانت موجودة في الشركة لفترة طويلة من الزمن والتي لا يمكن حلها بالطرق السابقة. باختصار ، هم يستبدلون الحلول القديمة بالحلول الجديدة.
2. التحسين المستمر - يقوم علماء البيانات بإجراء تحسينات مستمرة في مشروع علوم البيانات الحالي لجعله يعمل بشكل أفضل.
3. استكشاف قيمة البيانات: عندما تبدأ الشركات في استخدام "علم البيانات" ، يكون لديها الكثير من البيانات المحفوظة بطريقة غير منظمة. يلعب عالم البيانات هنا دورًا حيويًا من خلال استخلاص رؤى مفيدة من جميع البيانات المتاحة واستكشافها بحثًا عن الفرص المحتملة.