Datatieteilijän kompetenssien määritteleminen

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 poh...

Full description

Bibliographic Details
Main Author: Pinola, Teemu
Other Authors: Faculty of Information Technology, Informaatioteknologian tiedekunta, Tietojenkäsittelytieteiden laitos, Department of Computer Science and Information Systems, University of Jyväskylä, Jyväskylän yliopisto
Format: Master's thesis
Language:fin
Published: 2015
Subjects:
Online Access: https://jyx.jyu.fi/handle/123456789/48355
_version_ 1826225778340134912
author Pinola, Teemu
author2 Faculty of Information Technology Informaatioteknologian tiedekunta Tietojenkäsittelytieteiden laitos Department of Computer Science and Information Systems University of Jyväskylä Jyväskylän yliopisto
author_facet Pinola, Teemu Faculty of Information Technology Informaatioteknologian tiedekunta Tietojenkäsittelytieteiden laitos Department of Computer Science and Information Systems University of Jyväskylä Jyväskylän yliopisto Pinola, Teemu Faculty of Information Technology Informaatioteknologian tiedekunta Tietojenkäsittelytieteiden laitos Department of Computer Science and Information Systems University of Jyväskylä Jyväskylän yliopisto
author_sort Pinola, Teemu
datasource_str_mv jyx
description 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.
first_indexed 2023-03-22T09:57:17Z
format Pro gradu
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "Luoma, Eetu", "language": null, "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Pinola, Teemu", "language": null, "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2016-01-15T05:54:14Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2016-01-15T05:54:14Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2015", "language": null, "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.other", "value": "oai:jykdok.linneanet.fi:1507344", "language": null, "element": "identifier", "qualifier": "other", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/48355", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "T\u00e4ss\u00e4 pro gradu \u2013 tutkielmassa tarkasteltiin datatieteilij\u00e4n kompetensseja. \nKompetensseja l\u00e4hestyttiin kahdesta eri n\u00e4k\u00f6kulmasta, tieteellisen kirjallisuu-\nden pohjalta sek\u00e4 empiirisesti ty\u00f6paikkailmoitusten kautta. Tutkimusmenetel-\nm\u00e4n\u00e4 k\u00e4ytettiin sis\u00e4ll\u00f6nanalyysi\u00e4. Tieteellisen kirjallisuuden pohjalta m\u00e4\u00e4ritel-\ntiin keskeiset k\u00e4sitteet massadata ja massadata-analytiikka, sek\u00e4 valittiin tutki-\nmuksessa k\u00e4ytetty viitekehys. Tutkimuksessa koottiin tieteellisess\u00e4 kirjallisuu-\ndessa esiintyneet datatieteilij\u00e4n kompetenssit. Empiirinen aineisto koostui 94 \nty\u00f6paikkailmoituksesta, joista eriteltiin datatieteilij\u00e4lt\u00e4 vaaditut kompetenssit. \nTieteellisest\u00e4 kirjallisuudesta ja empiirisest\u00e4 aineistosta ker\u00e4ttyj\u00e4 kompetensseja \nvertailtiin yhten\u00e4isen viitekehyksen avulla. Aiempaa tutkimustietoa datatieteili-\nj\u00e4n kompetensseista on hyvin v\u00e4h\u00e4n. Tulevaisuudessa datatieteilij\u00f6ist\u00e4 odote-\ntaan olevan pulaa, joten on t\u00e4rke\u00e4\u00e4 tiet\u00e4\u00e4 mit\u00e4 datatieteilij\u00e4n tulisi osata. T\u00e4m\u00e4 \non oleellista, jotta organisaatiot osaisivat rekrytoida oikein ja koulutusorgani-\nsaatiot opettaa oikeita asioita. Tutkimustulokset osoittavat, ett\u00e4 tieteellisess\u00e4 \nkirjallisuudessa ja ty\u00f6paikkailmoituksissa datatieteilij\u00e4lt\u00e4 vaadituissa kompe-\ntensseissa ei ollut kovin suuria eroja. Yll\u00e4tt\u00e4vin ero oli datatieteilij\u00e4lt\u00e4 odotetus-\nsa toimialaosaamisessa. Kirjallisuudessa datatieteilij\u00e4lt\u00e4 odotettiin toimialao-\nsaamista, mutta sit\u00e4 ei vaadittu kuin yhdess\u00e4 ty\u00f6paikkailmoituksessa. Tutki-\nmustulosten perusteella datatieteilij\u00e4n t\u00e4rkeimm\u00e4t kompetenssit ovat tilastotie-\nteellinen ja liiketoiminnallinen osaaminen, sek\u00e4 analyyttiset taidot, ohjelmointi- \nja kommunikointitaidot, koneoppiminen ja tiedonlouhinta. Lis\u00e4ksi datatieteili-\nj\u00e4lt\u00e4 odotettiin intohimoa ja kyky\u00e4 ratkaista liiketoiminnan ongelmia massada-\nta-analytiikan avulla.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.abstract", "value": "The purpose of this master\u2019s thesis is to study data scientist competencies, \nwhich were analyzed through scientific literature and job advertisements. The \ndata was analyzed by using content analysis. Based on previous research the \nframework for this study was selected and key concepts big data and big data \nanalytics were defined. The competencies of data scientist were collected from \nscientific literature. The empirical data consists of 94 job advertisements, from \nwhich the competencies required for data scientist were extracted. The compe-\ntencies from these two sources where then compared by using the selected \nframework. Previous research considering data scientist competencies is lacking. \nIn future there is expected to be a shortage of data scientists, so it is important \nto be aware of requirements for this job title. Furthermore this information is \nimportant for the recruitment as well as training of data scientists. The results of \nthis study show that there were little differences between data scientist compe-\ntencies from scientific literature and job advertisements. The most surprising \ndifference was domain knowledge. In scientific literature domain knowledge \nwas an important competency but it was mentioned only in one of the job ad-\nvertisements. Based on the results of this study the most important competen-\ncies for data scientists are statistical and business knowledge, analytical, pro-\ngramming and communication skills, machine learning and data mining. In \naddition data scientist was required to be passionate and skilled in solving \nbusiness problems through the use of big data analytics.", "language": "en", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted using Plone Publishing form by Miia Hakanen (mihakane) on 2016-01-15 05:54:14.525218. Form: Admin-lomake opinn\u00e4ytteiden julkaisuun (https://kirjasto.jyu.fi/julkaisut/julkaisulomakkeet/admin-lomake-opinnaytteet). JyX data: [jyx_publishing-allowed (fi) =True]", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by jyx lomake-julkaisija (jyx-julkaisija.group@korppi.jyu.fi) on 2016-01-15T05:54:14Z\nNo. of bitstreams: 2\nURN:NBN:fi:jyu-201601151108.pdf: 784747 bytes, checksum: fecdeca2eedff5f29031ef8fe5be896f (MD5)\nlicense.html: 107 bytes, checksum: a7d86e598caa500b1b433bbb9dc8ef1c (MD5)", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2016-01-15T05:54:14Z (GMT). No. of bitstreams: 2\nURN:NBN:fi:jyu-201601151108.pdf: 784747 bytes, checksum: fecdeca2eedff5f29031ef8fe5be896f (MD5)\nlicense.html: 107 bytes, checksum: a7d86e598caa500b1b433bbb9dc8ef1c (MD5)\n Previous issue date: 2015", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "1 verkkoaineisto (53 sivua)", "language": null, "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.format.mimetype", "value": "application/pdf", "language": null, "element": "format", "qualifier": "mimetype", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.subject.other", "value": "datatieteilij\u00e4", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "kompetenssikehys", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "massadata", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "massadata-analytiikka", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.title", "value": "Datatieteilij\u00e4n kompetenssien m\u00e4\u00e4ritteleminen", "language": null, "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "master thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-201601151108", "language": null, "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Master\u2019s thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Pro gradu -tutkielma", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Information Technology", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Informaatioteknologian tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Tietojenk\u00e4sittelytieteiden laitos", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Department of Computer Science and Information Systems", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Information Systems Science", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tietoj\u00e4rjestelm\u00e4tiede", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.date.updated", "value": "2016-01-15T05:54:15Z", "language": null, "element": "date", "qualifier": "updated", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": null, "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_bdcc", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": "fi", "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "masterThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "601", "language": null, "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "kompetenssi", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "big data", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "analyysi", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.format.content", "value": "fulltext", "language": null, "element": "format", "qualifier": "content", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}, {"key": "dc.type.okm", "value": "G2", "language": null, "element": "type", "qualifier": "okm", "schema": "dc"}]
id jyx.123456789_48355
language fin
last_indexed 2025-02-18T10:54:20Z
main_date 2015-01-01T00:00:00Z
main_date_str 2015
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/14212f18-c847-4bf7-8e45-27898bae4e5f\/download","text":"URN:NBN:fi:jyu-201601151108.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2015
record_format qdc
source_str_mv jyx
spellingShingle Pinola, Teemu Datatieteilijän kompetenssien määritteleminen datatieteilijä kompetenssikehys massadata massadata-analytiikka Information Systems Science Tietojärjestelmätiede 601 kompetenssi big data analyysi
title Datatieteilijän kompetenssien määritteleminen
title_full Datatieteilijän kompetenssien määritteleminen
title_fullStr Datatieteilijän kompetenssien määritteleminen Datatieteilijän kompetenssien määritteleminen
title_full_unstemmed Datatieteilijän kompetenssien määritteleminen Datatieteilijän kompetenssien määritteleminen
title_short Datatieteilijän kompetenssien määritteleminen
title_sort datatieteilijän kompetenssien määritteleminen
title_txtP Datatieteilijän kompetenssien määritteleminen
topic datatieteilijä kompetenssikehys massadata massadata-analytiikka Information Systems Science Tietojärjestelmätiede 601 kompetenssi big data analyysi
topic_facet 601 Information Systems Science Tietojärjestelmätiede analyysi big data datatieteilijä kompetenssi kompetenssikehys massadata massadata-analytiikka
url https://jyx.jyu.fi/handle/123456789/48355 http://www.urn.fi/URN:NBN:fi:jyu-201601151108
work_keys_str_mv AT pinolateemu datatieteilijänkompetenssienmääritteleminen