شرکتها و پلتفرمهای مطرح حوزه کلانداده در سال 2018!
https://goo.gl/v18FS9
در تصویر زیر تمامی شرکتها و پلتفرمهای مطرح در حوزه Big Data و هوش مصنوعی در بخشهای زیرساخت، تحلیل، کاربرد، منابع منبعباز، دسترسی به داده و... معرفی گردیده است.
1-زیرساخت(Infrastructure)
در این بخش کمپانیها و پلتفرمهای فعال در ارائه خدمات مبتنی بر هدوپ، اسپارک، زیرساختهای کلانداده مبتنی بر رایانش ابری، پایگاه دادههای Nosql و... قرار دارند.
2-تحلیل(Analytics):
محصولات و خدمات مرتبط با حوزه علمداده، هوش تجاری، ابزارهای مصورسازی، یادگیری ماشین و... در بخش تحلیل معرفی شدهاند.
3-کاربرد سازمانی( Application):
شرکتهای فعال در حوزههای بازاریابی، مالی، مدیریت ارتباط با مشتری، امنیت و... در مولفه کاربردهای سازمانی معرفی گردیدهاند.
4-منابع Open Source:
در صورتی که علاقهمند به منابع منبع باز معروف در کلانداده و علمداده هستید در بخش Open Source میتوانید با ابزارها و پلتفرمهای این حوزه آشنا بشوید.
5- دسترسی به منابع داده و Api:
تمرکز بر ابزارها و شرکتهای فعال در حوزه اینترنت اشیا، سلامت، فینتک و.... که نیازمند استفاده از Data Source و Api میباشد در این بخش قرار دارند.
@DataAnalysis
https://goo.gl/v18FS9
در تصویر زیر تمامی شرکتها و پلتفرمهای مطرح در حوزه Big Data و هوش مصنوعی در بخشهای زیرساخت، تحلیل، کاربرد، منابع منبعباز، دسترسی به داده و... معرفی گردیده است.
1-زیرساخت(Infrastructure)
در این بخش کمپانیها و پلتفرمهای فعال در ارائه خدمات مبتنی بر هدوپ، اسپارک، زیرساختهای کلانداده مبتنی بر رایانش ابری، پایگاه دادههای Nosql و... قرار دارند.
2-تحلیل(Analytics):
محصولات و خدمات مرتبط با حوزه علمداده، هوش تجاری، ابزارهای مصورسازی، یادگیری ماشین و... در بخش تحلیل معرفی شدهاند.
3-کاربرد سازمانی( Application):
شرکتهای فعال در حوزههای بازاریابی، مالی، مدیریت ارتباط با مشتری، امنیت و... در مولفه کاربردهای سازمانی معرفی گردیدهاند.
4-منابع Open Source:
در صورتی که علاقهمند به منابع منبع باز معروف در کلانداده و علمداده هستید در بخش Open Source میتوانید با ابزارها و پلتفرمهای این حوزه آشنا بشوید.
5- دسترسی به منابع داده و Api:
تمرکز بر ابزارها و شرکتهای فعال در حوزه اینترنت اشیا، سلامت، فینتک و.... که نیازمند استفاده از Data Source و Api میباشد در این بخش قرار دارند.
@DataAnalysis
کتاب تخصصی هوش تجاری؛ از یکپارچگی داده تا تحلیل!
کتاب فوق که توسط انتشارات Morgan Kaufmann با حمایت ELSEVIER منتشر شده است جز کتابهای مفید و کاربردی حوزه هوشتجاری میباشد.
این کتاب از جنبههای کلان و مدیریتی حوزه هوش تجاری تا حوزههای فنی و پیادهسازی مدلهای تحلیلی را پوشش میدهد.
@DataAnalysis
کتاب فوق که توسط انتشارات Morgan Kaufmann با حمایت ELSEVIER منتشر شده است جز کتابهای مفید و کاربردی حوزه هوشتجاری میباشد.
این کتاب از جنبههای کلان و مدیریتی حوزه هوش تجاری تا حوزههای فنی و پیادهسازی مدلهای تحلیلی را پوشش میدهد.
@DataAnalysis
ساختار پیشنهادی یک تیم Data!
در این ساختار پیشنهادی به موقعیتها و تخصصهایی در حوزههای تحلیلگر داده، متخصص علمداده، مهندس داده، حاکمیت داده و مهندس یادگیری ماشین نیاز میباشد. هر یک از موقعیتهای فوق به ابزارها، مفاهیم و دانشهای تخصصی خود نیاز دارند.
در بسیاری از شرکتها خصوصی و سازمانهای دولتی کشور مشکلات متعددی در حوزه طراحی ساختار یک تیم Data وجود دارد. در صورت بهرهگیری از ساختارهای بهینه و متناسب با نیازها و پروژهها، بهرهوری و اثربخشی به مراتب افزایش خواهد یافت.
@DataAnalysis
در این ساختار پیشنهادی به موقعیتها و تخصصهایی در حوزههای تحلیلگر داده، متخصص علمداده، مهندس داده، حاکمیت داده و مهندس یادگیری ماشین نیاز میباشد. هر یک از موقعیتهای فوق به ابزارها، مفاهیم و دانشهای تخصصی خود نیاز دارند.
در بسیاری از شرکتها خصوصی و سازمانهای دولتی کشور مشکلات متعددی در حوزه طراحی ساختار یک تیم Data وجود دارد. در صورت بهرهگیری از ساختارهای بهینه و متناسب با نیازها و پروژهها، بهرهوری و اثربخشی به مراتب افزایش خواهد یافت.
@DataAnalysis
برترین مهارتهای مورد نیاز در حوزه علمداده!
زبانهای برنامهنویسی پایتون، SQL, R و پلتفرمهای مرجع کلانداده همانند آپاچی هدوپ و موتور پردازشی اسپارک جز پرکارترین مهارتهای تخصصی حوزه علمداده است.
به نسبت سال گذشته میزان استفاده از پایتون و اسپارک توسط متخصصین علمداده افزایش یافته است. این میزان برای SQL, هدوپ و زبان برنامهنویسی R کاهش یافته است.
@DataAnalysis
زبانهای برنامهنویسی پایتون، SQL, R و پلتفرمهای مرجع کلانداده همانند آپاچی هدوپ و موتور پردازشی اسپارک جز پرکارترین مهارتهای تخصصی حوزه علمداده است.
به نسبت سال گذشته میزان استفاده از پایتون و اسپارک توسط متخصصین علمداده افزایش یافته است. این میزان برای SQL, هدوپ و زبان برنامهنویسی R کاهش یافته است.
@DataAnalysis
مهارتهای مورد نیاز یک مهندس یادگیری ماشین!
مهندسی یادگیری ماشین یکی از جذابترین مشاغل تخصصی در حوزه Data میباشد. در سال 2018 یک مهندس یادگیری ماشین بیشترین درآمد را به نسبت سایر مشاغل در ایالات متحده آمریکا داشته است.
برای ورود تخصصی به این حوزه نیازمند کسب دانش تخصصی در مهارتهای Soft و مهارتهای فنی میباشید. توجه به موضوعات کسبوکار، برنامهنویسی، ریاضی و مهارتهای ارتباطی از مهمترین مولفههای کسب موفقیت در این مسیر شغلی است.
جزئیات مهارتهای مورد نیاز در شکل پیوست ذکر شده است.
@DataAnalysis
مهندسی یادگیری ماشین یکی از جذابترین مشاغل تخصصی در حوزه Data میباشد. در سال 2018 یک مهندس یادگیری ماشین بیشترین درآمد را به نسبت سایر مشاغل در ایالات متحده آمریکا داشته است.
برای ورود تخصصی به این حوزه نیازمند کسب دانش تخصصی در مهارتهای Soft و مهارتهای فنی میباشید. توجه به موضوعات کسبوکار، برنامهنویسی، ریاضی و مهارتهای ارتباطی از مهمترین مولفههای کسب موفقیت در این مسیر شغلی است.
جزئیات مهارتهای مورد نیاز در شکل پیوست ذکر شده است.
@DataAnalysis
کتاب Text Analytics with Python
در صورتی که علاقهمند به کسب تخصص در فیلد متنکاوی و پردازش زبان طبیعی هستید مطالعه کتاب Text Analytics with Python مفید خواهد بود.
آموزش و پیادهسازی الگوریتمهای طبقهبندی متن، خوشهبندی، خلاصهسازی خودکار اخبار و تحلیل احساسات از سرفصلهای این کتاب است.
پینوشت:
1-حوزه متنکاوی و پردازش زبان طبیعی یکی از جذابترین فیلدهای کاری در حوزه علمداده میباشد. توجهات به این فیلدکاری در سازمانها و شرکتهای داخلی نیز با توجه به کاربردها و کارکردهای آن در سالهای اخیر بسیار افزایش یافته است.
2-جهت کسب تخصصهای تکمیلی در حوزه متنکاوی شرکت در دوره Applied Text Mining in Python دانشگاه میشیگان آمریکا در وبسایت Coursera نیز توصیه میشود.
ارادتمند
محمدرضا محتاط
@DataAnalysis
در صورتی که علاقهمند به کسب تخصص در فیلد متنکاوی و پردازش زبان طبیعی هستید مطالعه کتاب Text Analytics with Python مفید خواهد بود.
آموزش و پیادهسازی الگوریتمهای طبقهبندی متن، خوشهبندی، خلاصهسازی خودکار اخبار و تحلیل احساسات از سرفصلهای این کتاب است.
پینوشت:
1-حوزه متنکاوی و پردازش زبان طبیعی یکی از جذابترین فیلدهای کاری در حوزه علمداده میباشد. توجهات به این فیلدکاری در سازمانها و شرکتهای داخلی نیز با توجه به کاربردها و کارکردهای آن در سالهای اخیر بسیار افزایش یافته است.
2-جهت کسب تخصصهای تکمیلی در حوزه متنکاوی شرکت در دوره Applied Text Mining in Python دانشگاه میشیگان آمریکا در وبسایت Coursera نیز توصیه میشود.
ارادتمند
محمدرضا محتاط
@DataAnalysis
پروژههای کلیدی حوزه علمداده در کسبوکار!
https://bit.ly/2S7hn1p
ایجاد قابلیتهای تحلیلی در کسبوکار و بهرهگیری از پتانسیلهای حوزه علمداده در جهت اخذ تصمیمات دادهمحور در شرکتها و سازمانها، سبب افزایش کارایی و اثربخشی بسیاری خواهند شد. در ادامه برخی از کاربردهای کلیدی و مفید این حوزه در کسبوکارها معرفی خواهند شد.
1- خوشهبندی و تقسیمبندی مشتریان در جهت بازاریابی هوشمند
2-پیادهسازی سامانههای توصیهگر جهت ارائه پیشنهادات هدفمند به مشتریان
3-تحلیل و بررسی بازار در جهت ارائه محصولات جدید
4- تحلیل کامنتهای مشتریان در شبکههای اجتماعی با روشهای متنکاوی
5- طراحی رباتهای هوشمند جهت تعامل با مشتریان
6- بهینهسازی در تولید محصولات
7- کشف تقلبهای مالی
8-پیشبینی میزان وفاداری مشتری
9- کشف الگوهای خرید مشتریان
10- ارائه داشبوردهای تعاملی به مدیران سازمان
از موارد فوق در شرکت و سازمان شما کدام موارد پیادهسازی و در حال بهرهبرداری میباشد؟!
پاسخ به این سوال میزان بلوغ سازمان شما را در بهرهگیری از قابلیتهای کلیدی تحلیلداده مشخص میکند.
پینوشت:
1- به تفکیک صنابع و حوزههای مختلف کسبکار همانند بانکداری، بیمه، خردهفروشی، نفت و گاز و پتروشیمی، سلامت، تلکام و... کاربردها و کارکردهای تخصصی حوزه علمداده در آینده در کانال معرفی خواهند گردید.
2- جهت پیادهسازی قابلیتهای تحلیلی فوق به تخصصها و مهارتهای دادهکاوی، آمار، متنکاوی، تحلیل شبکه اجتماعی، هوشتجاری، کلانداده و... نیاز خواهید داشت.
ارادتمند
محمدرضا محتاط
@DataAnalysis
https://bit.ly/2S7hn1p
ایجاد قابلیتهای تحلیلی در کسبوکار و بهرهگیری از پتانسیلهای حوزه علمداده در جهت اخذ تصمیمات دادهمحور در شرکتها و سازمانها، سبب افزایش کارایی و اثربخشی بسیاری خواهند شد. در ادامه برخی از کاربردهای کلیدی و مفید این حوزه در کسبوکارها معرفی خواهند شد.
1- خوشهبندی و تقسیمبندی مشتریان در جهت بازاریابی هوشمند
2-پیادهسازی سامانههای توصیهگر جهت ارائه پیشنهادات هدفمند به مشتریان
3-تحلیل و بررسی بازار در جهت ارائه محصولات جدید
4- تحلیل کامنتهای مشتریان در شبکههای اجتماعی با روشهای متنکاوی
5- طراحی رباتهای هوشمند جهت تعامل با مشتریان
6- بهینهسازی در تولید محصولات
7- کشف تقلبهای مالی
8-پیشبینی میزان وفاداری مشتری
9- کشف الگوهای خرید مشتریان
10- ارائه داشبوردهای تعاملی به مدیران سازمان
از موارد فوق در شرکت و سازمان شما کدام موارد پیادهسازی و در حال بهرهبرداری میباشد؟!
پاسخ به این سوال میزان بلوغ سازمان شما را در بهرهگیری از قابلیتهای کلیدی تحلیلداده مشخص میکند.
پینوشت:
1- به تفکیک صنابع و حوزههای مختلف کسبکار همانند بانکداری، بیمه، خردهفروشی، نفت و گاز و پتروشیمی، سلامت، تلکام و... کاربردها و کارکردهای تخصصی حوزه علمداده در آینده در کانال معرفی خواهند گردید.
2- جهت پیادهسازی قابلیتهای تحلیلی فوق به تخصصها و مهارتهای دادهکاوی، آمار، متنکاوی، تحلیل شبکه اجتماعی، هوشتجاری، کلانداده و... نیاز خواهید داشت.
ارادتمند
محمدرضا محتاط
@DataAnalysis
#استخدام
برای پروژه های بانکی نیاز به یک متخصص
SQL/SERVER
که بتواند جابهایی با توانمندی پرفورمنس داشته باشد نیازمند است.
اشنایی با مفاهیم زیر مزیت محسوب می شود.
ETL, BI, Bank bussiness
mn.nasiri@gmail.com برای ارسال رزومه
در صورت نیاز تماس گرفته خواهد شد تا یک هفته بعد از ارسال
برای پروژه های بانکی نیاز به یک متخصص
SQL/SERVER
که بتواند جابهایی با توانمندی پرفورمنس داشته باشد نیازمند است.
اشنایی با مفاهیم زیر مزیت محسوب می شود.
ETL, BI, Bank bussiness
mn.nasiri@gmail.com برای ارسال رزومه
در صورت نیاز تماس گرفته خواهد شد تا یک هفته بعد از ارسال
رایجترین مهارتهای موردنیاز در فرصتهای شغلی حوزه علمداده!
یادگیری زبانهای برنامهنویسی پایتون، SQL, R، تخصص در اکوسیستم هدوپ و... از پیشنیازهای موفقیت در حوزه Data Science خواهد بود.
پینوشت:
1- از میان زبانهای برنامهنویسی پایتون، جاوا یا R، کسب تخصص در یکزبان و آشنایی کلی با زبانهای برنامهنویسی دیگر کفایت میکند. بر اساس بازار کار ایران توصیه به کسب تخصص در زبان برنامهنویسی پایتون است.
2- با توجه به نزدیکی دو حوزه Big Data و Data Science مهارتهای این دو حوزه نیز به یکدیگر نزدیکتر گردیده است. اگر بهصورت تخصصی قصد فعالیت در حوزه علمداده را دارید نیاز هست تا در اکوسیستم هدوپ و موتور پردازشی اسپارک نیز تخصص داشته باشید.
@DataAnalysis
یادگیری زبانهای برنامهنویسی پایتون، SQL, R، تخصص در اکوسیستم هدوپ و... از پیشنیازهای موفقیت در حوزه Data Science خواهد بود.
پینوشت:
1- از میان زبانهای برنامهنویسی پایتون، جاوا یا R، کسب تخصص در یکزبان و آشنایی کلی با زبانهای برنامهنویسی دیگر کفایت میکند. بر اساس بازار کار ایران توصیه به کسب تخصص در زبان برنامهنویسی پایتون است.
2- با توجه به نزدیکی دو حوزه Big Data و Data Science مهارتهای این دو حوزه نیز به یکدیگر نزدیکتر گردیده است. اگر بهصورت تخصصی قصد فعالیت در حوزه علمداده را دارید نیاز هست تا در اکوسیستم هدوپ و موتور پردازشی اسپارک نیز تخصص داشته باشید.
@DataAnalysis
معرفی دو کتابی که مطالعه ان بسیار مفید است.
Book: An Introduction to Statistical Learning, Using R
برای دانلود رایگان از لینک زیر می توان انجام داد
https://lnkd.in/dxtV_49
The Elements of Statistical Learning.
لینک زیر اسلایدها و ویدیوهای مرتبط است
https://lnkd.in/dFsr-Ab
Book: An Introduction to Statistical Learning, Using R
برای دانلود رایگان از لینک زیر می توان انجام داد
https://lnkd.in/dxtV_49
The Elements of Statistical Learning.
لینک زیر اسلایدها و ویدیوهای مرتبط است
https://lnkd.in/dFsr-Ab
نحوه انتخاب الگوریتم مناسب برای یادگیری ماشین
https://www.datasciencecentral.com/profiles/blogs/how-to-choose-a-machine-learning-model-some-guidelines
https://www.datasciencecentral.com/profiles/blogs/how-to-choose-a-machine-learning-model-some-guidelines
Data Science Central
How to Choose a Machine Learning Model – Some Guidelines
In this post, we explore some broad guidelines for selecting machine learning models The overall steps for Machine Learning/Deep Learning are: Collect data Check for anomalies, missing data and clean the data Perform statistical analysis and initial…
محبوبترین IDE زبان پایتون در حوزه علمداده!
براساس نظرسنجی وبسایت KDnuggets از متخصصین علمداده به ترتیب واسطهای برنامهنویسی Jupyter و PyCharm جز پرکاربردترین و محبوبترین IDE در زبان برنامهنویسی پایتون هستند.
پینوشت:
1. جهت استفاده از Jupyter که یک واسط Interactive است میتوانید دستور زیر را در محیط cmd ویندوز در مسیر محل نصب پایتون اجرا نمایید.
Jupyter notebook
2. برای دانلود و نصب Pycharm نیز از طریق لینک زیر اقدام نمایید.
http://p30download.com/fa/entry/43943/
@DataAnalysis
براساس نظرسنجی وبسایت KDnuggets از متخصصین علمداده به ترتیب واسطهای برنامهنویسی Jupyter و PyCharm جز پرکاربردترین و محبوبترین IDE در زبان برنامهنویسی پایتون هستند.
پینوشت:
1. جهت استفاده از Jupyter که یک واسط Interactive است میتوانید دستور زیر را در محیط cmd ویندوز در مسیر محل نصب پایتون اجرا نمایید.
Jupyter notebook
2. برای دانلود و نصب Pycharm نیز از طریق لینک زیر اقدام نمایید.
http://p30download.com/fa/entry/43943/
@DataAnalysis
کتاب The Data Science Handbook
در این کتاب که در سال 2017 توسط انتشارات WILEY منتشر گردیده محورهای زیر پوشش داده شده است. قابل ذکر است که پیادهسازیهای صورت پذیرفته در این کتاب به زبان پایتون میباشد.
1- مسیر اجرایی پروژههای علمداده
2- آشنایی با زبانهای برنامهنویسی مطرح حوزه علمداده
3-پاکسازی داده
4-مصورسازی دادهها
5- آموزش الگوریتمهای یادگیری ماشین
6- معرفی پلتفرمهای کلانداده
7- آشنایی با پایگاهدادههای مطرح
8- پردازش زبان طبیعی
9-تحلیلهای پیشرفته
@DataAnalysis
در این کتاب که در سال 2017 توسط انتشارات WILEY منتشر گردیده محورهای زیر پوشش داده شده است. قابل ذکر است که پیادهسازیهای صورت پذیرفته در این کتاب به زبان پایتون میباشد.
1- مسیر اجرایی پروژههای علمداده
2- آشنایی با زبانهای برنامهنویسی مطرح حوزه علمداده
3-پاکسازی داده
4-مصورسازی دادهها
5- آموزش الگوریتمهای یادگیری ماشین
6- معرفی پلتفرمهای کلانداده
7- آشنایی با پایگاهدادههای مطرح
8- پردازش زبان طبیعی
9-تحلیلهای پیشرفته
@DataAnalysis
ده مهارت کلیدی لازم در سال 2020
یکی از جنبههای مورد نیاز جهت کسب موفقیت در تمامی حوزههای کاری به خصوص حوزه علمداده، توجه به مهارتهای نرم یا Soft Skills است. در زیر 10 مهارت کلیدی مورد نیاز تا سال 2020 معرفی گردیده است.
1- مهارت حل مسئله
2- تفکر انتقادی
3- خلاقیت
4- توانایی مدیریت افراد
5- روحیه همکاری و کار تیمی
6- هوش هیجانی
7- مهارت قضاوت و تصمیمگیری
8- تفکر سرویسگرا
9-فنون مذاکره
10- هوش شناختی
پینوشت:
مطالعه کتاب "ذهن کامل نو؛ گذر از عصر اطلاعاتی به عصر مفهومی" را به علاقهمندانی که به توسعه مهارتهای فردی خود توجه لازم دارند را پیشنهاد میکنم. در این کتاب مهارتها و پیشنیازهای کلیدی عصر جدید معرفی و گامهای لازم در جهت کسب موفقیت پیشنهاد گردیده است.
@DataAnalysis
یکی از جنبههای مورد نیاز جهت کسب موفقیت در تمامی حوزههای کاری به خصوص حوزه علمداده، توجه به مهارتهای نرم یا Soft Skills است. در زیر 10 مهارت کلیدی مورد نیاز تا سال 2020 معرفی گردیده است.
1- مهارت حل مسئله
2- تفکر انتقادی
3- خلاقیت
4- توانایی مدیریت افراد
5- روحیه همکاری و کار تیمی
6- هوش هیجانی
7- مهارت قضاوت و تصمیمگیری
8- تفکر سرویسگرا
9-فنون مذاکره
10- هوش شناختی
پینوشت:
مطالعه کتاب "ذهن کامل نو؛ گذر از عصر اطلاعاتی به عصر مفهومی" را به علاقهمندانی که به توسعه مهارتهای فردی خود توجه لازم دارند را پیشنهاد میکنم. در این کتاب مهارتها و پیشنیازهای کلیدی عصر جدید معرفی و گامهای لازم در جهت کسب موفقیت پیشنهاد گردیده است.
@DataAnalysis
روندهای حوزه کلان داده در سال 2019
https://bit.ly/2BgVo1k
1- گسترش حجم دادگان ناشی از اینترنت اشیا
2- افزایش استفاده از تحلیلهای پیشگویانه در صنایع
3- بهرهگیری از Dark Data در سازمانها
4- افزایش جایگاه مدیر ارشد داده(CDO) در سازمانها
5-گسترش پردازشهای کوانتومی(Quantum Computing)
6- افزایش تعداد ابزارهای Open Source در حوزه تحلیلداده
7- بهرهگیری از پردازشیهای لبهای(Edge Computing) در سازمانها
شناسایی روندها و بهرهبرداری صحیح از آنها یکی از عوامل موفقیت شرکتهای بزرگ در جهت کسب مزیت رقابتی پایدار میباشد!
پینوشت:
از میان روندهای فوق توجه به جایگاه مدیر ارشد داده و تعریف ساختار سازمانی مربوطه، گسترش استفاده از تحلیلهای پیشگویانه و بهرهگیری از Dark Data در سازمانها جز مهمترین مؤلفههای کلیدی در بازار کار ایران برای شرکتهای فعال در حوزه کلان داده و تحلیلداده خواهد بود.
ارادتمند
محمدرضا محتاط
@DataAnalysis
https://bit.ly/2BgVo1k
1- گسترش حجم دادگان ناشی از اینترنت اشیا
2- افزایش استفاده از تحلیلهای پیشگویانه در صنایع
3- بهرهگیری از Dark Data در سازمانها
4- افزایش جایگاه مدیر ارشد داده(CDO) در سازمانها
5-گسترش پردازشهای کوانتومی(Quantum Computing)
6- افزایش تعداد ابزارهای Open Source در حوزه تحلیلداده
7- بهرهگیری از پردازشیهای لبهای(Edge Computing) در سازمانها
شناسایی روندها و بهرهبرداری صحیح از آنها یکی از عوامل موفقیت شرکتهای بزرگ در جهت کسب مزیت رقابتی پایدار میباشد!
پینوشت:
از میان روندهای فوق توجه به جایگاه مدیر ارشد داده و تعریف ساختار سازمانی مربوطه، گسترش استفاده از تحلیلهای پیشگویانه و بهرهگیری از Dark Data در سازمانها جز مهمترین مؤلفههای کلیدی در بازار کار ایران برای شرکتهای فعال در حوزه کلان داده و تحلیلداده خواهد بود.
ارادتمند
محمدرضا محتاط
@DataAnalysis