Datatieteilijän kompetenssien määritteleminen

Abstract

Tässä pro gradu – tutkielmassa tarkasteltiin datatieteilijän kompetensseja. Kompetensseja lähestyttiin kahdesta eri näkökulmasta, tieteellisen kirjallisuu- den pohjalta sekä empiirisesti työpaikkailmoitusten kautta. Tutkimusmenetel- mänä käytettiin sisällönanalyysiä. Tieteellisen kirjallisuuden pohjalta määritel- tiin keskeiset käsitteet massadata ja massadata-analytiikka, sekä valittiin tutki- muksessa käytetty viitekehys. Tutkimuksessa koottiin tieteellisessä kirjallisuu- dessa esiintyneet datatieteilijän kompetenssit. Empiirinen aineisto koostui 94 työpaikkailmoituksesta, joista eriteltiin datatieteilijältä vaaditut kompetenssit. Tieteellisestä kirjallisuudesta ja empiirisestä aineistosta kerättyjä kompetensseja vertailtiin yhtenäisen viitekehyksen avulla. Aiempaa tutkimustietoa datatieteili- jän kompetensseista on hyvin vähän. Tulevaisuudessa datatieteilijöistä odote- taan olevan pulaa, joten on tärkeää tietää mitä datatieteilijän tulisi osata. Tämä on oleellista, jotta organisaatiot osaisivat rekrytoida oikein ja koulutusorgani- saatiot opettaa oikeita asioita. Tutkimustulokset osoittavat, että tieteellisessä kirjallisuudessa ja työpaikkailmoituksissa datatieteilijältä vaadituissa kompe- tensseissa ei ollut kovin suuria eroja. Yllättävin ero oli datatieteilijältä odotetus- sa toimialaosaamisessa. Kirjallisuudessa datatieteilijältä odotettiin toimialao- saamista, mutta sitä ei vaadittu kuin yhdessä työpaikkailmoituksessa. Tutki- mustulosten perusteella datatieteilijän tärkeimmät kompetenssit ovat tilastotie- teellinen ja liiketoiminnallinen osaaminen, sekä analyyttiset taidot, ohjelmointi- ja kommunikointitaidot, koneoppiminen ja tiedonlouhinta. Lisäksi datatieteili- jältä odotettiin intohimoa ja kykyä ratkaista liiketoiminnan ongelmia massada- ta-analytiikan avulla.

The purpose of this master’s thesis is to study data scientist competencies, which were analyzed through scientific literature and job advertisements. The data was analyzed by using content analysis. Based on previous research the framework for this study was selected and key concepts big data and big data analytics were defined. The competencies of data scientist were collected from scientific literature. The empirical data consists of 94 job advertisements, from which the competencies required for data scientist were extracted. The compe- tencies from these two sources where then compared by using the selected framework. Previous research considering data scientist competencies is lacking. In future there is expected to be a shortage of data scientists, so it is important to be aware of requirements for this job title. Furthermore this information is important for the recruitment as well as training of data scientists. The results of this study show that there were little differences between data scientist compe- tencies from scientific literature and job advertisements. The most surprising difference was domain knowledge. In scientific literature domain knowledge was an important competency but it was mentioned only in one of the job ad- vertisements. Based on the results of this study the most important competen- cies for data scientists are statistical and business knowledge, analytical, pro- gramming and communication skills, machine learning and data mining. In addition data scientist was required to be passionate and skilled in solving business problems through the use of big data analytics.