يعلن أحد البنوك اليمنية عن حاجته لشغر وظيفة  

مختص نمذجة وتحليل البيانات. (Data modeling and analysis specialist)  

مكان العمل : صنعاء  

الهدف العام للوظيفة:

جمع البيانات من مصادر متعددة، وتنظيفها وتحسين جودتها، و تحليلها ونمذجتها باستخدام الأساليب الإحصائية وتقنيات الذكاء الاصطناعي وتعلم الآلة للكشف عن الاتجاهات والأنماط التي تدعم التخطيط الاستراتيجي .

المهام والمسؤوليات:

دراسة الجدوى ودعم استراتيجيات الذكاء الاصطناعي

• دراسة مشاريع الذكاء الاصطناعي وأتمتة الأعمال وتحليل جدواها لضمان العائد على الاستثمار ورفع الكفاءة التشغيلية.
• المساهمة في تطوير استراتيجيات البيانات التحليلية.
• متابعة وتحليل نتائج المشاريع القائمة بهدف التحسين المستمر وتعزيز فعالية المبادرات

. التعاون مع الإدارات الأخرى

• العمل مع الإدارات المختلفة لفهم احتياجات الأعمال من البيانات.
• تحويل المشكلات  إلى أسئلة تحليلية واضحة.
• تقديم الدعم التحليلي للمشاريع المشتركة والمبادرات الاستراتيجية.

الأتمتة وتحسين الكفاءة

• تطوير خطوط أنابيب بيانات مؤتمتة باستخدام Python وSQL.
• أتمتة عمليات جمع البيانات وتحويلها وإعداد التقارير.
• تقديم رؤى قابلة للتنفيذ تسهم في تحسين جودة مخرجات الأعمال وزيادة السرعة والموثوقية.)

تعلم الآلة والنماذج التنبؤية

• بناء وتقييم ونشر نماذج تعلم الآلة والنماذج الإحصائية.
• مراقبة أداء النماذج وإعادة تدريبها عند الحاجة.
• التعاون مع علماء البيانات والمهندسين في المبادرات المتقدمة.

تجهيز بيانات الذكاء الاصطناعي وقواعد الحقيقة 

• دعم مشاريع الذكاء الاصطناعي من خلال إعداد وبناء قواعد البيانات ومجموعات البيانات المطلوبة لتطوير وتخصيص النماذج.
• بناء "قواعد الحقيقة" (Ground Truth) وضمان أن تكون البيانات نظيفة ومتكاملة ومصحوبة بتعريفات موثقة للميزات.
• متابعة تحديث البيانات بصورة دورية بما يدعم مهندسي الذكاء الاصطناعي في تطوير النماذج وتحسين دقتها.

. التنقيب عن البيانات والتحليلات المتقدمة

• استخدام تقنيات التنقيب لاكتشاف الأنماط الخفية في البيانات المهيكلة وغير المهيكلة.
• التعامل مع نصوص وصور وسجلات وبيانات غير مهيكلة عند الحاجة.

جمع البيانات وتنظيمها

• جمع كميات كبيرة من البيانات من مصادر داخلية وخارجية متعددة.
• هيكلة البيانات ونمذجتها وتوثيقها وتخزينها بما يضمن سهولة الوصول والدمج والتحليل.

تنظيف البيانات وضمان جودتها

• تنظيف البيانات ومعالجة الأخطاء والتكرارات والقيم المفقودة.
• التأكد من دقة البيانات واتساقها وفق معايير الجودة المعتمدة.
• تنفيذ فحوصات دورية لجودة البيانات ومراقبة مؤشرات الجودة.

تحليل البيانات واستخراج الرؤى

• استخدام SQL وPython  عند الحاجة) للتحليل المتقدم.
• تنفيذ التحليل الاستكشافي (EDA) لاكتشاف الأنماط والعلاقات.
• تطبيق النماذج الإحصائية وتقنيات تعلم الآلة للتحليل التنبؤي والوصفـي.
• تحويل النتائج إلى رؤى قابلة للتطبيق لأصحاب المصلحة.

دعم بنية البيانات وتخزينها

• المشاركة في تصميم وتحسين قواعد البيانات ومستودعات البيانات وبحيرات البيانات.
• دعم بناء بنية تخزين قابلة للتوسع للتعامل مع البيانات الضخمة.
• التعاون مع فرق تقنية المعلومات لتعزيز أداء الاستعلامات وسرعة الوصول.

دعم اتخاذ القرار والأثر على الأعمال

• تقديم تحليلات تشخيصية وتنبؤية لتحديد الفرص والمخاطر.
• التوصية بإجراءات مُعتمدة على البيانات لتحسين الأداء والكفاءة.
• قياس وتتبع أثر التوصيات على مؤشرات الأداء الرئيسية (KPIs).

التدريب ونشر ثقافة البيانات

• تدريب الموظفين على فهم واستخدام لوحات المؤشرات والمخرجات التحليلية.
• توجيه أعضاء الفريق في التعامل مع البيانات وتحليلها.
• تعزيز ثقافة الاعتماد على البيانات داخل المؤسسة.

المؤهلات الأكاديمية:

•  درجة البكالوريوس كحد أدنى في أحد التخصصات التالية أو ما يعادلها: علم البيانات، وعلوم الحاسوب، نظم المعلومات أو أي مجال ذي صلة .

المهارات والخبرات التقنية

•  خبرة عملية لا تقل عن 3 سنوات في تحليل البيانات والذكاء الاصطناعي أو في مجال يرتبط مباشرة بتحليلات البيانات وتطبيقات BI/AI
• إتقان قوي للغة SQL للاستعلام عن البيانات وتحويلها والتحقق من صحتها.
• خبرة متقدمة في Python لمعالجة البيانات والأتمتة والتحليل (pandas, NumPy, matplotlib, scikit-learn).
• خبرة عملية في Power BI (ويُفضّل الإلمام بأدوات BI أخرى مثل Tableau)، بما في ذلك:
  • بناء نماذج البيانات (Data Modeling)
  • كتابة مقاييس DAX
  • تصميم لوحات مؤشرات تفاعلية
• إلمام بمفاهيم تعلم الآلة وتطوير نماذج أساسية (تصنيف، انحدار، عنقدة، RAG، وسم، اكتشاف كائنات...(.
• خبرة في العمل مع البيانات المهيكلة وغير المهيكلة (نصوص، صور، سجلات)....
• خبرة في تقنيات التعلم المراقب او غير المراقب أو التعلم الاستنتاجي 
• القدرة على التعامل مع البيانات الضخمة (Big Data) ومفاهيم التخزين المتقدم.
• فهم قوي للطرق الإحصائية، اختبارات الفرضيات، وتصميم التجارب (Hypothesis Testing & Experiment Design).