https://virgool.ir/feed/@dawnghanadiدانشجوی علوم کامپیوتر و علاقه مند به دیتا ساینسfa2026-11-12 05:07:42https://files.virgool.ir/upload/users/162746/avatar/2NYWMz.jpeghttps://virgool.ir/@dawnghanadihttps://virgool.ir/@dawnghanadi/غریزه-و-علم-دادهیین-و-یانگ-fylqqwnfhqbvآیا علم داده قراره نقش تجربه و تصمیمات غریزی در کسب و کارها رو بی اهمیت کنه؟قبل از هر چیزی میخوام پاسخ این سوال رو بگم و در ادامه ی این نوشته بگم که چرا این پاسخ منه!پاسخ اینه که آیا آدم ها همیشه به کامپیوتر اعتماد می کنن؟همونطور که شما هم حدس میزنین، جواب این سوال و همینطور سوال بالا، خیره!اما چرا؟ اجازه بدید با این نقل قول از رید هیستینگز موسس کمپانی نتفلیکس شروع کنم که گفته:((ما کارمون رو با داده ها شروع میکنیم، اما همیشه هوش طبیعی انسانه که حرف آخر رو میزنه، شهودِ اطلاعاتی همینه)). خب این که بگیم هوش و تجربه ی انسان در کار تحلیل مداخله میکنه چیز جدید و عجیبی نیست، اما سوالاتی مطرح میشه مثلا اینکه آیا ممکنه روزی استفاده از هوش و غریزه ی انسانی یا همون شهود منسوخ بشه و ما انسان ها در کار تحلیل و تصمیم گیری داده محور، تمام و کمال به اعداد، الگوریتم ها و چارت ها اعتماد کنیم؟ یا اینکه این شهود تا چه حد قابل استناده؟ کجا به کمک تحلیل های محاسبه شده میاد و چه لزومی برای بودنش هست؟آیا شهود طبیعی روزی منسوخ خواهد شد؟ببینید حقیقت اینه که اگر چه کارشناس های حوزه تحلیل داده و افراد بیزنسی بینش انسانی و شهود رو یه ابزار خیلی قدرتمند می دونن اما حرفه ای ترین آدم ها و بهترین تصمیم گیرنده ها هم ممکنه تصمیمات و برداشت های اشتباه از یک موضوع داشته باشن و یا ممکنه ابعادی از دیتا که بسیار اهمیت داره براشون در نقطه کور قرار بگیره و بی توجه به المان های مهم تصمیم گیری کنن یا با توجه به تجربیاتشون حین تصمیم گیری پیش قضاوت و سوگیری های ذهنی داشته باشن. از طرفی هم سپردن تمام تصمیمات به محاسبات کار منطقی و قابل اجرایی نیست، چرا که جزئی نگری در این روش حرف اول و میزنه و گاهی وقتها تصمیم گیری با در نظر گرفتن همه ی جزییات فقط حجم اطلاعات سنگین و گیج کننده رو افزایش میده و ما رو از هدف دور می کنه.حالا چه باید کرد؟شما، بعنوان یک فرد تصمیم گیرنده یک آشپز هستید، تحلیل هایی که با استفاده از محاسبات آماری و تحلیل های پیش بینی کننده به دست آوردید دستور پخت غذای شما هستند اما نهایتا تصمیم گیرنده شمایید که با شناخت و دید انسانیتون چه چیزی به غذا اضافه یا از اون کم کنید، دستور پخت یا همون دیتای طبقه بندی و تحلیل شده ی شما، شما و اعمالتون رو هدایت میکنه اما تا وقتی شهود شما همراهش نباشه همچنان ناقص و خارج از واقعیته.به همون مثال آشپز برمیگردیم شما با توجه به مهمونهاتون و شناختی که از ذائقه ی اونها دارید نوع غذا رو انتخاب میکنید و بعد به سراغ دستور پخت میرید! شروع به پختن غذا میکنید و با چشیدن متوجه میشید علی رغم اینکه تمام مقیاس های دستور پخت رو رعایت کردید طعم یک ادویه ی شاخص غذا به چشم نمیاد.آیا به صرف وفاداری به دستور پخت غذای بدون طعم سرو میکنید؟نه! به دلخواه خودتون دستور رو تغییر میدید و از بعضی شاخص ها صرف نظر میکنین.گذشته از همه ی اینها این روزها حجم زیادی از اطلاعات در سازمان ها و ارگان های مختلف وجود داره اما چالش اصلی اینه که از این داده ها چطور میشه در جهت بهینه سازی منابع یک سازمان و کمک به یک بیزنس استفاده کرد، از نظر من تحلیل داده یک تعامل بین ابزار ها،محاسبات و بینش آدمهای حرفه ایه.اگر شما یک دانشجوی تحلیل یا علم داده باشید بارها با این جمله برخورد کردید که در علم داده پیدا کردن سوال درست به اندازه ی پیدا کردن جواب معتبر مهمه، اما سوال کجا متولد میشه؟بله، در ذهن. چیزی که نمیشه ازش چشم پوشی کرد دقیقا همینه! هر چقدر هم که کسب و کار شما متکی به تکنولوژی و مدرن باشه در نهایت لیدر و گرداننده ی اون، کامپیوتر یا الگوریتم ها نیستن، حتی اگر فقط از بعد مالی نگاه کنیم حداقل چیزی که وجود داره اینه که یک یا چند انسان با همه ی ویژگی های انسانیشون تحت تاثیر سود یا ضرر اون کسب و کار قرار خواهند گرفت پس غالبا همون آدم ها به دنبال راهی هستن که بیزنس خودشون رو به سمت هدف مد نظرشون هدایت کنن، این هدایت در ساده ترین بیان ممکن به شکل یک سوال و جواب مطرح میشه. سوالاتی که ذهن پویا، هوشمند و عاطفه‌مند انسان با توجه به شرایط و اهداف مطرح میکنه و پاسخ های جامع و دقیقی که علمِ داده به ما میده.در عنوان این نوشته اسم یین و یانگ رو آوردم، یین و یانگ به وحدت تضاد ها در جهان اشاره میکنه. دو جزء متضاد که همدیگه رو کامل میکنن و بدون هم، از معنای کلیشون، دور و ناقص هستن و اینجا هم همینطوره پاسخ بدون مسئله و مسئله ی بدون پاسخ، عملا ناقص و بلا استفاده هستن.ممنونم که تا اینجا همراه من بودید، هدف اصلی من از این نوشته مشخص کردن موضع این دو ابزار تحلیل مقابل هم بود، در ویرگول های بعدی به صورت مجزا راجع به اهمیت و چگونگی مطرح کردن درست سوال و مسئله ی داده محور خواهم نوشت.امیدوارم که مفید باشه براتون.سپیده قنادیسپیده قنادیSun, 16 May 2021 01:36:45 +0430