تحلیلگر داده (Data Analyst)

ما در زمان پرداز به دنبال یک تحلیلگر داده هستیم که بتواند داده های خام را به اطلاعات ارزشمند و آماده برای مدل سازی تبدیل کند. پروژه فعلی ما شامل تحلیل داده های حضور و غیاب کارکنان با هدف پیش بینی غیبت ها، استهلاک کاری و شناسایی الگوهای مرتبط است. اگر به داده ها علاقه دارید و توانایی کشف روابط پنهان در میان داده ها را دارید، این فرصت برای شماست!
---
### مسیولیت های شما:
- استخراج داده ها: جمع اوری داده ها از منابع مختلف (مانند پایگاه های داده سیستم حضور و غیاب) با استفاده از زبان های پرس و جویی مثل SQL.
- پاک سازی داده ها: شناسایی و رفع داده های پرت، مدیریت داده های گمشده، و آماده سازی داده ها برای تحلیل.
- یافتن همبستگی ها: کشف روابط میان متغیرهای مختلف (مانند الگوهای غیبت و بهره وری) با استفاده از تحلیل های آماری.
- استخراج ویژگی ها (Feature Engineering): شناسایی و استخراج ویژگی های کلیدی از داده های خام برای استفاده در مدل های یادگیری ماشین.
- تحلیل داده ها: استفاده از تکنیک های آماری.و ابزارهای تجسم داده برای شناسایی روندها و الگوهای رفتاری.
- گزارش دهی: ارائه یافته ها به صورت گزارش ها و تجسم های قابل فهم برای تیم و مدیران.
---
### مهارت ها و توانایی های مورد نیاز:
#### مهارت های فنی:
- تسلط بر SQL برای استخراج و دستکاری داده ها.
- مهارت در Python (کتابخانه هایی مثل Pandas، NumPy، Matplotlib، Seaborn) یا R (کتابخانه هایی مثل dplyr، ggplot2).
- آشنایی با ابزارهای تجسم داده مانند Tableau، Power BI یا کتابخانه های گرافیکی در Python.
- دانش آماری.پایه برای درک مفاهیمی مثل همبستگی (Correlation)، رگرسیون (Regression) و تحلیل های پیشرفته.
- تجربه در پاک سازی داده ها، ویژگی سازی (Feature Engineering) و آماده سازی داده برای مدل های یادگیری ماشین.
#### مهارت های نرم:
- توانایی تفکر تحلیلی و حل مسئله برای شناسایی الگوها و روابط پنهان در داده ها.
- مهارت های ارتباطی قوی برای ارائه یافته ها به تیم و مدیران به زبان ساده و قابل فهم.
- توانایی مدیریت زمان و اولویت بندی وظایف.
#### مهارت های اضافی (مزیت محسوب می شود):
- آشنایی با مفاهیم اولیه یادگیری ماشین و درک نیازهای مدل سازی.
- تجربه کار با داده های منابع انسانی یا سیستم های حضور و غیاب.
---
### ویژگی های شخصیتی مورد توجه:
- دقت و توجه به جزئیات در کار با داده های حساس.
- علاقه به یادگیری و بهبود مهارت ها در حوزه تحلیل داده.
- توانایی کار مستقل و همچنین تعامل موثر با اعضای تیم.
---
### چرا پیوستن به تیم ما؟
- فرصت مشارکت در پروژه های نواورانه: شما بخشی از تیمی خواهید بود که روی پروژه های هوش مصنوعی و تحلیل داده های واقعی کار می کند.
- محیط کاری پویا و حرفه ای: ما به رشد و یادگیری اعضای تیم خود اهمیت می دهیم.
- حقوق و مزایای رقابتی: بر اساس تجربه و توانایی شما.
- فرصت یادگیری: همکاری نزدیک با متخصصان هوش مصنوعی و توسعه مهارت های پیشرفته.
---
### شرایط احراز:
- مدرک کارشناسی یا بالاتر در رشته های مرتبط با علوم داده، امار، ریاضیات، مهندسی نرم افزار یا حوزه های مشابه.
- حداقل 2 سال تجربه کاری مرتبط در حوزه تحلیل داده.
- نمونه کارها یا تجربه های مرتبط با پروژه های واقعی تحلیل داده مزیت محسوب می شود.