The Skills That Matter for Statistician

Data berada di mana-mana tidak kira sektor awam, sektor swasta, bidang perniagaan mahupun dalam kehidupan seharian. Ini bermakna data, keperluan aplikasi dan analisis data tersebut menjadi lebih penting dalam setiap jabatan, dari operasi kepada pengurusan juga kepada pasukan Research and Development (R & D).

Kajian McKinsey & Company pada tahun 2018 menunjukan permintaan jawatan seorang Professional Data-Savvy diramalkan semakin banyak iaitu berjumlah 1.5 juta kekosongan jawatan di seluruh Amerika.

Kesediaan seorang Perangkawan perlu mempersiapkan diri dari segi budaya analitik dalam pelaksanaan tugasan untuk menjadi Data Savvy Professional. Kemudian melalui pendedahan dan penguasaan teknologi terkini, seorang Data Savvy Professional akan bersedia memikul tanggungjawab sebagai seorang Data Scientist.

Berita baiknya adalah kita tidak perlu tahu bagaimana untuk menyahkod atau melakukan pengiraan matematik untuk menjadi data-savvy.

Apakah Data-Savvy

Data Savvy atau Data Smart Professionals adalah orang-orang yang bagaimana untuk mengendalikan data dari segi memacu perniagaan dan keputusan. Data Smart Professionals mempunyai minat yang mendalam dalam memacu pemilihan keputusan yang didorong data di pelbagai peringkat dalam organisasi. Data Smart Professionals ini juga kadang-kadang dipanggil Data Savvy Professional. Data Savvy Professional (DSavvy) juga dikenali sebagai Data Smart Manager dan Data Smart Professionals. Takrifan Smart Data Manager yang digunakan adalah orang yang mempunyai kemahiran menilai data, multi-tasking dan berorientasikan pengurusan, pemahaman yang baik mengenai prinsip data science, algoritma, statistik, dan matematik.

Ciri-ciri Data Savvy Profesional

Antara ciri-ciri seorang Data Savvy Profesional yang perlu disemai kedalam diri setiap anggota Jabatan adalah seperti berikut:

• Kemahiran Intepretasi Data.
• Memahami nilai tambah data terbuka.
• Leveraging Penggunaan Machine Learning
• Membudayakan ilmu data analisis.
• Menghargai idea bahawa data di mana-mana sahaja.
• Menekankan aspek cara bertanya soalan yang betul dan bukan cara untuk menjawab soalan.
• Ketahui cara bagaimana data dapat membantu anda dalam tugasan.
• Fokus kepada proses.
• Memahami bahawa tidak ada data yang sempurna.
• Menghargai idea bahawa data adalah pelengkap kepada kehidupan.