Profession datalog

Dataloger finder og fortolker rige datakilder, forvalter store datamængder, sammensmelter datakilder, sikrer sammenhæng mellem datasæt og skaber visualiseringer til hjælp for forståelse af data. De opbygger matematiske modeller baseret på data, præsenterer og formidler viden og resultater til specialister og videnskabsfolk i deres team og om nødvendigt til et ikke-sagkyndigt publikum og anbefaler, hvordan dataene kan anvendes.

Vil du vide, hvilken form for karriere og hvilke professioner der passer bedst til dig? Tag vores gratis Holland-kode-karrieretest, og find ud af det.

Personlighedstype

• Undersøgende / Realistisk

Viden

• Onlineanalysebehandling

  Online værktøjer, der analyserer, aggregerer og præsenterer flerdimensionelle data, så brugerne sættes i stand til interaktivt og selektivt at udtrække og se data fra specifikke synsvinkler.

• Forespørgselssprog til ressource description framework

  Forespørgselssprogene som f.eks. SPARQL, der anvendes til at hente og bearbejde data, der opbevares i et Resource Description Framework (RDF)-format.

• Forespørgselssprog

  Området for standardiserede computersprog til søgning efter oplysninger fra en database og dokumenter, der indeholder de nødvendige oplysninger.

• Informationsudvinding

  De teknikker og metoder, der anvendes til at tilvejebringe og udtrække oplysninger fra ustrukturerede eller halvstrukturerede digitale dokumenter og kilder.

• Statistik

  Studiet af statistisk teori, metoder og praksis såsom indsamling, tilrettelæggelse, analyse, fortolkning og præsentation af data. Det vedrører alle datamæssige aspekter, herunder planlægning af dataindsamling i form af udarbejdelse af spørgeundersøgelser og eksperimenter med henblik på at forudsige og planlægge arbejdsrelaterede aktiviteter.

• Datamining

  Metoder inden for kunstig intelligens, maskinindlæring, statistikker og databaser, der anvendes til at udtrække indhold fra et datasæt.

• Datamodeller

  De teknikker og eksisterende systemer, der anvendes til at strukturere dataelementer og vise deres indbyrdes forhold, samt metoder til fortolkning af datastrukturer og -relationer.

• Kategorisering af information

  Proceduren for klassificering af oplysninger i kategorier og påvisning af forhold mellem dataene til nogle klart definerede formål.

• Visuelle præsentationsteknikker

  De visuelle repræsentations- og interaktionsteknikker, f.eks. histogrammer, spredningsdiagrammer, overfladeareal, treemaps og parallelkoordinatdiagrammer, der kan anvendes til at præsentere abstrakte numeriske data og ikkenumeriske data for at styrke den menneskelige forståelse af disse oplysninger.

Færdigheder

• Udføre analytiske matematiske beregninger

  Anvende matematiske metoder og anvende beregningsteknologier til at foretage analyser og finde løsninger på specifikke problemer.

• Fastlægge dataprocesser

  Anvende IKT-værktøjer til at implementere matematiske, algoritmiske eller andre datamanipulationsprocesser med henblik på at skabe information.

• Udføre datarensning

  Påvise og korrigere forvanskede registreringer fra datasæt, sikre, at dataene bliver og forbliver strukturerede i overensstemmelse med retningslinjerne.

• Fortolke eksisterende data

  Analysere data indsamlet fra kilder, f.eks. markedsdata, videnskabelige dokumenter, kundekrav og spørgeskemaer, der er aktuelle og ajourførte, med henblik på at vurdere udvikling og innovation inden for ekspertiseområder.

• Berette om analyseresultater

  Udarbejde forskningsdokumenter eller give præsentationer for at rapportere om resultaterne af et gennemført forsknings- og analyseprojekt med angivelse af de analyseprocedurer og -metoder, der har ført til resultaterne, samt potentielle fortolkninger af resultaterne.

• Bygge recommender-systemer

  Bygge recommender-systemer baseret på store datasæt ved hjælp af programmeringssprog eller computerværktøjer til at skabe en underklasse af informationsfiltreringssystemer, der har til formål at forudsige en brugers rating eller præference.

• Administrere dataindsamlingssystemer

  Udvikle og forvalte metoder og strategier, der anvendes til at maksimere datakvaliteten og den statistiske effektivitet i indsamlingen af data, for at sikre at de indsamlede data optimeres til yderligere behandling.

• Levere visuel præsentation af data

  Skabe visuelle gengivelser af data, f.eks. skemaer eller diagrammer, for at gøre det lettere at forstå.

• Udvikle databehandlingsapplikationer

  Oprette skræddersyet software til behandling af data ved at vælge og anvende det relevante computerprogrammeringssprog, således at et IKT-system kan producere krævet output baseret på det forventede input.

• Håndtere dataprøver

  Indsamle og udvælge en gruppe data fra en population ved hjælp af en statistisk eller anden defineret procedure.

• Normalisere data

  Reducere dataene til deres nøjagtige kerneformular (i det følgende benævnt "normale formularer") for at opnå resultater såsom minimering af afhængighed, afskaffelse af afskedigelser og øget konsistens.

• Anvende datakvalitetsproces

  Anvende kvalitetsanalyser, validering og verificeringsteknikker på data med henblik på at kontrollere dataenes kvalitet.

• Designe databaseskema

  Udarbejde et udkast til en databaseskema ved at følge reglerne for forvaltning af databaser (RDBMS) for at oprette en logisk ordnet gruppe af genstande såsom tabeller, kolonner og processer.

• Indsamle IKT-data

  Indsamle data ved at udforme og anvende metoder til søgning og prøveudtagning.

Source: Sisyphus ODB