داده ها در قلب تمام کارهایی است که انجام می دهیم. همه چیز در کار روزمره ما به داده هایی گره خورده است که به ما امکان می دهد وضعیت جهان و چگونگی تغییر آن را درک کنیم. به عنوان یک دانشمند داده جوان، شما بخشی از تیمی خواهید بود که مسئول جمع‌آوری، تبدیل، مستندسازی و انتشار داده‌های ما در مورد بسیاری از موضوعاتی هستید که ما در مورد آنها پوشش می‌دهیم. دنیای ما در داده ها.
کاندیدای ایده آل باید به تجزیه و تحلیل داده ها، مهندسی داده ها و تجسم داده ها علاقه داشته باشد. آنها باید در این زمینه ها مهارت هایی داشته باشند و تمایل به توسعه تخصص در آنها داشته باشند. آنها باید علاقه مند به یادگیری در مورد موضوعات تحقیقاتی باشند که ممکن است قبلاً روی آنها کار نکرده باشند و قادر به درک انتشارات دانشگاهی و مجموعه داده ها باشند.
این فقط مهارت های فنی برای تجزیه و تحلیل و مدیریت داده ها نیست که ضروری است. همچنین توانایی درک اینکه این داده ها در مورد جهان به ما چه می گوید و چگونه از آن برای برقراری ارتباط با میلیون ها کاربرمان استفاده کنیم، مهم است. کاندیدای ایده‌آل ترکیبی از برخی مهارت‌های فنی و تفسیر داده‌ها را دارد که به دنبال توسعه بیشتر در این نقش هستند.
ما معمولاً با مجموعه داده‌هایی کار می‌کنیم که بر اساس استانداردهای صنعت می‌توانند کوچک در نظر گرفته شوند. ما قویاً معتقدیم که آنچه مهم‌تر است داده‌های تمیز، قابل اعتماد و مستند است که به تیم تحقیقاتی و کاربران ما اجازه می‌دهد تصاویر واضح، قابل درک و دقیقی تولید کنند.
اگر مشتاق هستید که در مأموریت ما برای دستیابی و درک کردن داده‌های مربوط به بزرگترین مشکلات جهان مشارکت کنید، از این نقش لذت خواهید برد.
مسئولیت های کلیدی
مدیریت اطلاعات
- نوشتن اسکریپت های پایتون برای وارد کردن، تمیز کردن و جمع آوری داده ها از منابع و فرمت های مختلف.
- طراحی و اجرای خطوط لوله داده برای تسهیل یا خودکارسازی به روز رسانی منظم مجموعه داده های ما.
- نوشتن ابرداده (عنوان، زیرنویس‌ها، توضیحات) برای متغیرها و نمودارهای ما که قابل درک، کاملاً دقیق و در بین منابع سازگار باشد. این شامل نوشتن توضیحات دقیق داده ها به زبان واضح قابل درک برای افراد غیر متخصص است.
- پیاده سازی و نگهداری مستندات شفاف و واضح از منابع، از جمله داده های اصلی و تبدیل شده.
تحلیل داده ها
- کمک به شناسایی مجموعه داده های جدید مورد علاقه و ارزیابی ارتباط آنها بر اساس اسناد و تجزیه و تحلیل داده های اکتشافی.
- طراحی و پیاده‌سازی متغیرهای مشتق‌شده در یا در میان مجموعه داده‌ها، مانند معیارهای سرانه، میانگین‌ها، مجموع‌ها و سری‌های زمانی هموار.
- آزمایش کامل متغیرهای تازه ایجاد شده برای اطمینان از قابلیت اطمینان آنها در مکان‌های جغرافیایی و زمان.
- همکاری با تیم توسعه ما برای شناسایی و آزمایش بهبود ابزارهای اکتشاف داده ما.
ارتباطات
- تعامل با ارائه دهندگان داده های خارجی در مورد در دسترس بودن داده ها، کیفیت، و آنچه که در بسیاری از موضوعاتی که پوشش می دهیم به ما می گوید.