Najlepším spôsobom, ako vstúpiť do sveta dátovej vedy, je vlastná praktická skúsenosť. Teória, online kurzy alebo rôzne odborné knihy poskytujú síce dôležité základy, no skutočné pochopenie práce s dátami prichádza až v momente, keď človek začne riešiť konkrétny problém.
Vlastný dátový projekt umožňuje prepojiť získané vedomosti s reálnou praxou. Človek si tak počas neho vyskúša, ako analyzovať problém, pracovať s informáciami a hľadať riešenia založené na dátach. A preto je vlastný projekt práve ten najlepší spôsob, ako si budovať skúsenosti v oblasti dátovej vedy. Podobný prístup je dôležitý aj pri práci s podnikových informačnými systémami, kde kvalitná analýza procesov a správne využitie dát pomáhajú firmám robiť lepšie rozhodnutia.
A práve pri prvom projekte sa často objaví jedna z najväčších otázok..
Akú tému si vybrať a čomu by sa mal dátový projekt venovať?
Mnohí začínajúci dátoví nadšenci majú pocit, že ich prvý projekt musí byť výnimočný, komplexný alebo založený na pokročilých metódach strojového učenia. Podobne som na začiatku uvažoval aj ja a mal som predstavu, že kvalitný dátový projekt musí obsahovať náročné modely a komplikované postupy. Postupne som však zistil, že oveľa dôležitejšie je správne pochopiť problém, vedieť si položiť vhodné otázky a pracovať s dátami systematicky. V skutočnosti totiž najväčšou výzvou nebýva technická náročnosť projektu, ale schopnosť správne si vybrať tému, ktorá bude zaujímavá, zvládnuteľná a zároveň umožní ukázať spôsob analytického myslenia.
Vyberte si oblasť, ktorá vás zaujíma
Pri výbere prvého dátového projektu je veľmi dôležité zvoliť si tému, ku ktorej máte určitý vzťah alebo ktorá Vás prirodzene zaujíma. Nemusí pritom ísť o oblasť, v ktorej profesionálne pracujete. Často úplne postačí obyčajná zvedavosť, záujem o konkrétnu tému alebo snaha lepšie pochopiť daný problém.
Výhodou dátovej vedy je, že svoje uplatnenie nachádza prakticky vo všetkých oblastiach života. Dáta sa dajú analyzovať napríklad v športe, cestovaní, hudbe, financiách, vzdelávaní, zdravotníctve alebo verejnej správe. Každá oblasť vytvára množstvo údajov, ktoré odhalia súvislosti, alebo odpovede na konkrétne otázky.
Napríklad človek so záujmom o ekonomiku sa môže zaoberať vývojom cien, infláciou alebo tiež ekonomickým ukazovateľom jednotlivých krajín. Alebo športový fanúšik môže skúmať výkony hráčov, výsledky jednotlivých tímov alebo faktory ovplyvňujúce úspešnosť mužstiev.
Výhodou témy, ktorá človeka prirodzene zaujíma, je najmä väčšia motivácia pokračovať aj v prípade, keď projekt narazí na problémy. Práca s dátami totiž nie je vždy jednoduchá a často si vyžaduje hľadanie riešení, skúšanie rôznych postupov a postupné zlepšovanie.
Nehľadajte dokonalý projekt
Jednou z najčastejších chýb pri prvom dátovom projekte je, ako som už spomenul v úvode článku, snaha vytvoriť niečo príliš veľké alebo komplikované. Začiatočníci si často predstavujú projekt, ktorý bude obsahovať rozsiahle dátové súbory, komplexné modely strojového učenia alebo komplikované algoritmy.
Problémom ale je, že takýto prístup môže viesť k tomu, že projekt bude príliš náročný a pravdepodobne, nikdy nebude dokončený.
Cieľom prvého projektu by nemalo byť vytvorenie dokonalého analytického riešenia, ale získanie praktickej skúsenosti a tiež pochopenie základného spôsobu práce s dátami. Dôležité je aj vedieť vysvetliť aký problém projekt rieši, prečo bola zvolená práve konkrétna téma, aké informácie je možné z dostupných dát získať a súčasne aké závery alebo zaujímavé zistenia analýza priniesla.
Medzi vhodné prvé projekty môžu patriť napríklad analýza filmových hodnotení a hľadanie trendov medzi jednotlivými žánrami, porovnanie cien nehnuteľností vo vybraných lokalitách, sledovanie vývoja cien produktov, analýza športových štatistík, alebo vytvorenie prehľadu meteorologických údajov.
Takéto projekty nemusia byť náročné a pritom poskytnú dostatok priestoru na učenie sa práce s dátami.
Dôležitým faktorom sú dostupné dáta
Pri výbere vhodnej témy dátového projektu je dôležité zvážiť aj dostupnosť relevantných dát. Samotný zaujímavý nápad totiž nemusí stačiť, ak nie sú k dispozícii kvalitné a použiteľné údaje. Nedostatok vhodných dát môže projekt skomplikovať alebo obmedziť možnosti získania zmysluplných výsledkov.
Na internete však existuje veľké množstvo verejne dostupných dátových zdrojov, o niektorých som už písal v článkoch na tomto blogu. Tieto zdroje predstavujú základ pre rôzne typy projektov a to od jednoduchých analýz až po väčšie dátové riešenia.
Pri výbere dát je ale dôležité posúdiť ich vhodnosť z viacerých hľadísk. V prvom rade je potrebné overiť, či sú dáta dostupné a dostatočne aktuálne. Rovnako je vhodné zvážiť, či dáta obsahujú informácie potrebné na zodpovedanie stanovenej otázky. No a nakoniec je potrebné posúdiť, či sú uložené vo formáte, ktorý umožňuje ich jednoduché a efektívne ďalšie spracovanie.
Ty by som chcel upozornil na to, že nie vždy je najlepší ten projekt, ktorý pracuje s najväčším množstvom údajov. Často môže byť hodnotnejšia menšia, ale dobre pochopená dátová sada, ktorá umožní vytvoriť jasné a zrozumiteľné závery.
Premýšľajte ako analytik, nie iba ako programátor
Podobnú skúsenosť som mal aj ja na začiatku svojej práce s dátami. Pri dátových projektoch je totiž veľmi jednoduché sústrediť sa predovšetkým na technickú stránku. Človek začne riešiť programovanie, výber vhodných knižníc alebo tvorbu vizualizácií, no pritom môže ľahko zabudnúť na najdôležitejšiu časť celého procesu a to samotnú otázku, na ktorú sa pomocou dát snaží nájsť odpoveď.
Dobrý dátový projekt nezačína nástrojom, ale zvedavosťou.
Namiesto otázky..
Aký model strojového učenia môžem použiť?
Je často lepšie začať otázkou..
Čo sa chcem z týchto dát dozvedieť?
Treba si uvedomiť, že takýto spôsob uvažovania pomáha vytvárať projekty, ktoré majú jasný význam a nie sú iba ukážkou technických schopností. Je síce pravdou, že technológie a nástroje sú dôležitou súčasťou dátovej práce, ale samotná hodnota projektu vzniká najmä schopnosťou správne prezentovať informácie a premeniť ich na hodnotné informácie.
Dokumentácia je súčasťou úspešného projektu
Ak má dátový projekt slúžiť aj ako prezentácia schopností, napríklad v osobnom portfóliu, jeho kvalitné spracovanie a dokumentácia sú veľmi dôležitou súčasťou.
Samotný výsledný zdrojový kód alebo grafy často nestačia. Totiž každý, kto sa s projektom oboznámi, by mal určite pochopiť, aká bola jeho hlavná myšlienka, prečo ten projekt vlastne vznikol, aký problém sa snaží vyriešiť, s akými dátami pracuje, ktoré metódy boli použité a tiež, aké závery vyplynuli z vykonanej analýzy.
Na dokumentovanie projektov je veľmi praktickým nástrojom napríklad Jupyter Notebook. Jeho výhodou je možnosť prepojiť zdrojový kód, vysvetľujúci text, vizualizácie a samotné výsledky analýzy do jedného uceleného a prehľadného dokumentu. Takto spracovaný projekt umožňuje nielen prezentovať výsledky, ale zároveň ukazuje spôsob uvažovania a postup práce pri riešení dátového problému.
Pri projektoch určených do portfólia, je určite vhodné ich zverejniť napríklad na platformách určených na zdieľanie kódu alebo na vlastnej webovej stránke. Dôležité však nie je iba samotné riešenie, ale najmä schopnosť vysvetliť postup a rozhodnutia, ktoré počas práce vznikli.
Na záver ešte doplním..
Výber témy prvého dátového projektu nemusí byť komplikovaný. Nie je potrebné hľadať najväčší problém ani vytvárať projekt, ktorý bude konkurovať profesionálnym riešeniam.
Oveľa dôležitejšie je začať.
Dobrá téma je taká, ktorá človeka zaujíma, má dostupné dáta a umožňuje postupne rozvíjať analytické schopnosti. Každý projekt prináša nové skúsenosti a pomáha lepšie pochopiť, ako funguje práca s dátami v praxi. Dátová veda nie je iba o technológiách, tabuľkách alebo algoritmoch. Je najmä o schopnosti klásť správne otázky, hľadať v dátach súvislosti a premieňať informácie na užitočné poznatky.
Zaujal Vás článok?
Zvážte možnosť jeho zdieľania na sociálnych sieťach alebo sa podeľte o svoj názor a pripomienky k článku a to odoslaním správy na e-mailovú adresu info@dataspark.sk.
