خودتو معرفی می کنی؟
من سینا سالمی هستم. بیست و نه سالمه. من کارشناسی دانشگاه امیرکبیر بودم رشته ی عمران و ارشد دانشگاه تهران بودم رشته ی مدیریت منابع آب

از علایق و تفریحاتت بهمون بگو!
خب بیرون رفتن و طبیعت‌گردی و سفر جز علایقمه. توی خونه معمولا با فیلم دیدن، ویدیو گیم بازی کردن و بردگیم بازی کردن با رفقا وقتم رو می‌گذرونم.

سینا رو با چه خصوصیات مثبتی میشناسن؟
خب من تا حالا از کسی نپرسیدم حقیقتا که خصوصیات اخلاقی مثبتم چیه! اگه از خودم بگم به نظرم مهم‌ترین نقطه‌ی قوتم اینه که از مواجهه با موضوعات جدید و چالش‌های جدید نمی‌ترسم. اصلا دوست دارم که چیزهای جدید یاد بگیرم. اینو از تغییر مسیر کاریم هم میشه دید دیگه! من عمران خوندم بعد رفتم سمت تحلیل دیتا که خیلی واقعا قرابتی نداره با عمران.
همیشه هم اینطوری نبودم. سر یه پروژه‌ای یادمه توی کارشناسی، که این پروژه گروهی بود دو نفره بود و هم‌گروهیم که اصلا در جریان نبود و مجبور شدم خودم کل پروژه رو انجام بدم و پروژه‌ی خیلی سختی هم بود. بعد با یه سری نرم‌افزار جدید کار می‌کردیم یه سری مفاهیم جدید باید یاد می‌گرفتیم که از صفر نشستم به اجبار اون موقع یاد گرفتم، ولی خب به نظرم خیلی نقطه‌ی مهمی بود که این قابلیت رو توی من ایجاد کرد.

روی کدوم خصوصیات اخلاقیت باید بیشتر کار کنی؟
احتمالا بحث ارتباطات و تعامل با آدم ها!
توی پروژه‌هایی که دارم توی تعامل با همکارا گاهاً حس می‌کنم که اون ارتباط و تعامل خوب رو باهاشون ندارم. شاید اونجا که باید سوال بپرسم سوال نمی‌پرسم و این باعث میشه که وقتم گرفته بشه و اون قسمت از پروژه بیشتر طول بکشه. البته چیزیه که خیلی بهتر شدم توش خیلی تلاش کردم ولی هنوز جا داره به نظرم بهتر بشم.

الان شغلت چیه؟ و چند سال سابقه ی کار تو این حوزه داری؟
من الان توی تیم بی‌آی دپارتمان دلیوری اسنپ فود به عنوان دلیوری دیتا ساینس آنالیست، درحال کارم. کارم یه خورده عجیبه! یه هیبریدیه بین دیتا آنالیست و دیتا ساینتیست! کارم همونطور که از اسمش معلومه یه ترکیبی هست از کارهای تیپیکال دیتا آنالیست ها، گاها پیش‌بینی با استفاده از مدل های هوش مصنوعی و طبیعتا اتومیت کردن کارهای دستی فایننشال(مالی) بخش دلیوری. سابقه کارم دو ساله. تو این دو سال سه تا شرکت مختلف بودم. از دکتر نکست شروع کردم، بعدش رفتم بلد، و الانم که توی اسنپ فودم.

قصه‌ی ورودت به تحلیل دیتا و نقطه‌ی شروعت رو برامون تعریف کن!
خب نقطه شروع من برای ورود به این مسیر شغلی پایان‌نامه کارشناسی ارشدم بود. حالا وارد جزییات نمی شم، ولی اینطوری بود که باید از منابع مختلف دیتا رو می‌گرفتم و اینا رو با هم یکپارچه می‌کردم و یه ارزیابی انجام می‌دادم. اون موقع خب من خیلی ابزارهای تحلیل داده رو نمی‌شناختم درست، تنها ابزاری که ازش استفاده می‌کردم اکسل بود. بعد یه روز تو کتابخونه مرکزی دانشگاه تهران بودیم و خیلی اعصابم خورد شده بود از یه کاری که می‌خواستم بکنم و خیلی سخت بود اون کار. داشتم با یکی از بچه‌ها صحبت می‌کردم و غر میزدم براش که سخته و فلان! گفتش که بیا از پاندس استفاده کن. پاندس یه کتابخونه‌ی پایتونه برای تحلیل داده و تحلیل دیتاهای جدولی. این که بهم گفت، من خودم حالا جداگونه نمی‌دونم چرا واقعا(!!) اون موقع ولی داشتم یه دوره‌ی پایتون می دیدم. بیسیک پایتونو دیده بودم، شروع کردم با پانداس کار کردن و پایان‌نامه رو با اون پیش بردم.
کم‌کم دیدم که واقعا برام جالبه، یعنی انجام اون کاری که برای پایان‌نامه داشتم می‌کردم برام جالب بود. رفتم یه ذره سرچ کردم که مثلا با این مهارت هایی که من دارم چه کاری میشه کرد. حس می‌کردم باید یه مسیر شغلی باشه که از این ابزارها استفاده کنه برای تحلیل دیتا برای رسیدن به اینسایت. توی سرچ هام دیدم که آره اصلا یه عنوان شغلی هست به عنوان دیتا آنالیست که واقعا قبلا اصلا نشنیده بودم! یعنی راجع به مثلا هوش مصنوعی راجع به الگوریتم‌ها و اینا شنیده بودم اما این مسیر شغلی رو از اونجا خودم یه جورایی کشفش کردم برای خودم! پایان نامه ی ارشدمو که دفاع کردم، شروع کردم دیدن یه سری دوره در راستای این مسیر شغلی. یعنی SQL خیلی مهمه برای تحلیل داده، و پایتون طبیعتا و مصور سازی با پایتون و الگوریتم‌های هوش مصنوعی مثل ماشین لرنینگ. یه سری پیش نیاز ریاضی هم وجود داره مثل جبر خطی و آمار و چیزهای شکلی. یه سری دوره‌ی اینطوری دیدم و بعد سه چهار ماه هم توی دکتر نکست مشغول به کار شدم.

چه کسی بیشترین تاثیر رو روی سینا داشت برای شروع یا ادامه‌ی این رشته؟‌
اینکه من این مسیر شغلی رو پی بگیرم و یاد بگیرم کار کردن توشو، واقعا کس خاصی کمکم نکرد. ولی خب اولین استخدام همیشه خیلی سخته دیگه. یعنی شما بدون سابقه یا یه زمینه کاری غیر مرتبط وقتی می‌خواین وارد یه شغلی بشید خب خیلی سخته. برا من خوشبختانه خیلی خوب و به نسبت سریع این اتفاق افتاد و سر همین اگه بخوام یه آدم بگم که تاثیر داشته محمد عسکری، که مدیر تیم دیتا بود توی دکتر نکست و الان فکر می کنم CTO دکتر نکسته. این که به من اعتماد کرد که با یه همچین سابقه‌ای شروع به کار کنم خب خیلی اثرگذار بود و کمک کرد بهم واقعا.

تو مسیر شغلیت چه دوره هایی رو گذروندی و کدوماش رو و به دیگران پیشنهاد میدی؟
خب کلا ابزارها و مفاهیمی که یه دیتا آنالیست یا یه دیتا ساینتیست نیاز داره اگه بخوایم یه تقسیم‌بندی کلی بکنیم، SQL که خیلی مهمه و خیلی ازش استفاده میشه. پایتون یا آر به عنوان زبان برنامه نویسی که خب نود و نه درصد از پایتون استفاده می کنن. یه ابزار ویژوالیزیشن مثل تبلو، پاور بی ای یا متابیس. یه سری بیسیک ریاضی مثل آمار و احتمال و جبر خطی، و بعد اون الگوریتم‌های هوش مصنوعی و ماشین لرنینگ.
این پنج تا بخشه که من تو هر کدوم دوره‌های مختلفی دیدم. چیزایی که برام خیلی چشمگیر بود و جالب بود برام تو دوره‌ها و کتاب‌هایی که استفاده کردم، کلا خب Andrew NG تقریبا هر دوره‌ی آموزشی که ساخته به نظر خیلی خفن میاد، من خودم دوره ی ماشین لرنینگش رو دیدم و دوره ی دیپ لرنینگش رو هم دیدم عالیه حرف نداره.
قبل اینکه اینا رو ببینم یه سری بیسیک جبر خطی طبیعتا نیاز داشتم که اینارو از کانال 3blue 1 brown که با تصویرسازی‌های خیلی واقعا سطح بالا یعنی خیلی با کیفیت آموزش میده راجع به هر موضوعی که ویدیو می‌سازه و واقعا جذابه دیدنش.
یه کتاب هست Practical statistics for data scientist خیلی کتاب خوبیه. خیلی جمع و جور و واضح مفاهیم آماری مورد نیاز یه دیتا آنالیست یا دیتا ساینتیست رو توضیح میده، همراه با کد پایتونش. توی دوره‌های ایرانی هم من یه سری ویدیوهای پایتون جادی رو دیدم جالب بود. یه دوره‌ی بیسیک SQL نیک آموز هم دیدم که خب خیلی طولانی بود ولی یه سری قسمتهاش واقعا باعث شد که فهم بهتری از لاجیک پشت SQL به دست بیارم.

اگه برگردی عقب با دانش و تجربه ی امروزت برای اینکه مسیر شغلیت رو بهتر طی کنی چیکارا میکنی و چیکارا نمیکنی؟
من مسیر شغلیم به نسبت سریع و راحت بوده. اگه بخوام کلی بگم که چی رو می‌تونستم عوض کنم طبیعتا قسمت تحصیلیه دیگه! یعنی خب عمران خیلی مرتبط نیست و اگه برگردم طبیعتا یا کامپیوتر می‌خوندم یا آمار یا صنایع که اون زمانی که اونجا گذاشتم اثر مثبتی توی مسیر شغلیم داشته باشه.

برای کسی که میخواد تازه این مسیرو شروع کنه چه پیشنهادی داری؟ از کجا و چجوری شروع کنه؟
خب طبیعتا مثل هر شغل دیگه‌ای برای وارد شدن بهش باید ابزارها و مفاهیمی که نیاز داره رو بلد باشی به جز حالا یه سری شرکتا که با اکسل کار می‌کنن کلا و با اکسل کارشون راه میفته، اکثرا شرکت‌ها دیتابیس ریلیشنال دارن، که خب باید با استفاده از SQL دیتا رو ازش بکشی بیرون. پس SQL خیلی مهم می‌شه و طبیعتا با اون دیتایی که از اونجا کشیدی باید یه سری داشبورد و ویژوالیزشن و گزارش ایجاد کنیم که اونم یه ابزار بی آی نیاز داره، که پاوربی آی و تبلو و متابیسه. حالا جاهایی که من دیدم تو سه تا شرکتی که بودم دوتاش متابیس بوده یکیش تبلو. ولی خب فکر کنم تو دنیا پاور بی آی بیشتر از بقیه استفاده میشه. یعنی با یاد گرفتن این دو تا ابزار و داشتن یه سری دانش کلی ریاضی و آمار می‌شه کار رو شروع کرد.
خب طبیعتا شروع با کارآموزی توی یه شرکت مسیریه که اکثرا میرن، من خوش شانس بودم تونستم مستقیم وارد کار بشم. با بلد بودن ابزار ها احتمالا می‌شه کار رو شروع کرد، و طبیعتا پایتون یاد گرفتنش ناگزیره تو این مسیر شغلی. شاید تو شروع اونقدر ضروری نباشه ولی هر چی که جلوتر بریم قطعا نیاز داریم که پایتون رو یاد بگیریم.

برای موفق بودن تو حوزه ی تحلیل دیتا چه ویژگی هایی لازمه داشته باشیم؟
بین ویژگی‌های رفتاری به نظرم مهمترین چیز توجه به جزئیاته. یعنی شما یه گزارش می‌زنی یه کوئری براش می‌نویسی ولی باید مطمئن بشی که این دیتات درسته و باید به شکل‌های مختلف دیتات رو ولیدیت یا اعتبارسنجی کنی که نیاز به دقت واقعا بالایی داره. من چیزی که خودم دیدم واقعا خیلی وقتا این قسمت ولیدیت کردن از قسمتی که حالا خود SQL رو مینویسی یا حتی داشبورد رو درست می کنی می‌تونه بیشتر طول بکشه. مخصوصا برای من که وارد قسمت مالی شدم و اونجا خیلی دیگه دقت اهمیت پیدا می‌کنه.
ویژگی بعدی اینه که شما خودت بری دنبال یه کاری. وقتی یه چیزی رو بلد نیستی بری یاد بگیری. به یه مفهومی برمی خوری نمی‌دونی چه جوری باید محاسبه کنی خودت باید بری یاد بگیری چجوری این کار رو انجام بدی. طبیعتا تو همه ی شغل ها این مسئله وجود داره ولی خب تو کار ما به نظرم خیلی اهمیتش بیشتره. یعنی کسی که صرفا یه سری مهارت ثابت داشته باشه و با اونا بخواد مسیرش رو ادامه بده خیلی زود به مشکل می‌خوره. من نمونه‌شم حقیقتا دیدم! یعنی کسی که سابقه کاری بالایی داره ولی این قابلیت رو نداشته که بتونه چیز جدید یاد بگیره و بیفته دنبال یاد گرفتن یه مفهوم تازه‌ای، و خب خیلی کارش لنگ مونده. طبیعتا برای پیشرفت بهتر مثل هر شغل دیگه‌ای توانایی پرزنت کردن خوب کاری که انجام دادی خیلی توی پیشرفتت می‌تونه اثرگذار باشه. و خب طبیعتا ارائه ی کارت به یک شنونده ی غیر تکنیکال کار سخت تریه. عمدتا ما با استیک هولدرهای بیزنیس سر و کار داریم تو این شغل و کارمون رو باید به اون ها ارائه بدیم و این نحوه‌ی ارائه باید یجوری باشه که برای اون آدم خیلی قابل فهم باشه و اینم به نظرم خیلی قابلیت مهمیه.

از نظر تو آینده این شغل چه شکلیه؟
آینده‌ی شغلی دیتا مثل خیلی از شغل های دیگه خیلی تاثیر پذیر خواهد بود از پیشرفت هوش مصنوعی. احتمالا این اثر رو خواهد داشت که یه دیتا آنالیست با ابزارهای هوش مصنوعی بتونه کار چندتا دیتا آنالیست رو بکنه که خب این متاسفانه منجر به کاهش بازار شغلی خواهد شد. ممکنه بیاد و تعریف دیتا آنالیست رو عوض بکنه. یعنی یه سری از مسئولیت‌هاش رو کم کنه یه سری مسئولیت جدید بهش اضافه کنه ولی کلا خیلی به نظرم غیر قابل پیش‌بینیه. احتمالا توی پنج تا ده سال آینده کماکان شغل پرتقاضایی بمونه ولی بعد از اون رو نمی‌دونم.

بازار کار این شغل رو چطور می بینی؟
در حال حاضر بازار کارش بد نیست خوبه. یعنی شما شرکتهای بزرگ ایرانی رو ببینید عمده ی اوقات یه سری پوزیشن باز دارن برای دیتا آنالیست. دیجیکالا، ونچرهای مختلف اسنپ و … معمولا همیشه سه چهار تا پوزیشن باز دارن تو این حوزه.

کتاب، فیلم، پادکست برای آشنایی بیشتر با این حوزه؟
من بیشتر چنل یوتیوب می‌شناسم و خب احتمالا هر کسی که خودش یه ذره بیفته دنبال این قضیه این چنل هارو پیدا می‌کنه.
3blue1brown که گفتم قبل تر. البته بحث های ریاضی‌ بیشتر شاید به دیتا ساینتیست ها بخوره ولی خب خیلی چیز جالبیه.
یه چنل دیگه هست statsquest که خیلی راحت فهم می‌کنه مسائل رو.
Alex the analyst برای شناخت این مسیر شغلی ویدیوهای خوبی داره.
جادی هم طبیعتا خوبه واسه هر کسی که تو حوزه‌ی تک کار می‌کنه.

پایان گفت و گوی رد ما با سینا سالمی!