استاد سلام

سلام مي‌كنيم به آقاي حميدرضا پازكي عزيز و بزرگوار، از مجرب‌ترين اساتيد استادسلام، كه لطف كردن وقتشون رو در اختيار ما قرار دادن؛

جناب پازكي اگر در ابتدا صحبتي هست بفرماييد كه بريم سراغ سؤالاتمون.

بسم الله الرحمن الرحيم

با سلام به استادسلام و استاد سلامي ها،

بنده حميدرضا پازكي هستم، مشاور گروه صنعتي ملي.

خب جناب پازكي، همونجوري كه مستحضريد، اول آبان ماه در تقويم به نام روز آمار ثبت شده، اگر اجازه بديد با يه سوال كلي بحث رو شروع كنيم، آمار در يك نگاه كلي چي هست و مفاهيم آماري در چه‌مواردي به كمك ما ميان؟

آمار در نگاه كلي، علم تبديل داده به اطلاعات تعريف ميشه؛

البته علم آمار تعاريف متعددي داره، در يك تعبير، علم آمار به‌صورت علمي تعريف ميشه كه به جمع‌آوري، سازمان دادن، تجزيه و تحليل داده‌ها و تفسير و تعميم نتايج مي‌پردازه.

اينكه آمار در چه‌مواردي به ما كمك ميكنه بستگي به خودمون داره؛ هرجايي كه لازم باشه داده‌ها رو به اطلاعات تبديل كنيم و اين اطلاعات رو تجزيه و تحليل كنيم، آمار به‌كمك ما مياد؛ پس ميتونيم بگيم ما تقريباً در تمامي علوم به آمار احتياج داريم.

خب جناب پازكي، ميشه بگين دليل اهميت آمار چيه؟

يا به‌عبارت ديگه، ما چرا و چقدر به آمار احتياج داريم؟

چرايي نياز به آمار رو ميشه از تعريفش هم استنتاج كرد؛

ما به‌روش‌هايي نيازمنديم كه وقتي داريم با داده‌ها كار مي‌كنيم و اونا رو تجزيه و تحليل مي‌كنيم، از نتايج به‌دست اومده مطمئن بشيم؛ يعني ما به يكسري روش‌هايي احتياج داريم كه از طريق اونها داده‌ها رو جمع‌آوري و تجزيه و تفسير كنيم.

وقتي صحبت از علم آماره ما با يكسري مشاهدات سر و كار داريم، و طبيعيه كه در اين مشاهدات ما ممكنه خطاهايي وجود داشته‌باشه؛

پس ما نيازمند سلسله روش‌هايي هستيم كه بتونيم از صحت داده‌هامون مطمئن بشيم و بتونيم ادعا كنيم اين داده‌ها و نتايج واقعاً وجود دارن.

براي مثال، ما در علم رياضي، براي دو عدد مختلف به‌راحتي ميتونيم اختلافشون رو محاسبه كنيم و بيان كنيم اما در آمار، وقتي ما مي‌خوايم دو گروه رو كه ميانگين يك كميتي(مثلاً سنشون) رو با اين اعداد مشخص كرديم، مقايسه كنيم، تا زمانيكه با روش‌هاي آماري اين دو گروه و اعداد متناظرشون رو مقايسه نكنيم نمي‌تونيم مطمئن باشيم كه مقايسه‌ي ما معني داره يا خير.

و در پاسخ به سوالتون راجع به اينكه ما چقدر به آمار احتياج داريم، ميشه گفت پايه‌ي تمام مطالعات و اكثر علوم بر علم آمار استواره؛ چون ما نيازمند يكسري روش‌ها هستيم كه بتونيم با استفاده از اونها داده‌ها رو جمع‌آوري كنيم و پالايش كنيم و به‌نتيجه موردنظرمون دست پيدا كنيم.

حالا باتوجه به اين توضيحات، درمورد نقطه‌(نقاط) اشتراك آمار و ساير علوم چي ميتونيم بگيم؟

نقطه‌ي اشتراك آمار با ساير علوم در كاربرد اونهاست؛ چون همونجور كه عرض كردم پايه و اساس هر علمي آمار هست.

خب مي‌دونيم كه عصر عصرِ تكنولوژي و نرم‌افزارهاست؛

مهم‌ترين و كارامدترين نرم‌افزارهاي آماري كدوم‌ها هستن و كاربرد هر نرم‌افزار در چه بخشي از علم آماره؟

نرم‌افزارهاي زيادي در زمينه علوم آماري وجود داره كه هركدومشون در كارهاي مختلفي به‌كار ميرن؛

با توجه به زمينه‌اي كه ما در اون مي‌خوايم مطالعه انجام بديم نرم‌افزارمون رو انتخاب مي‌كنيم و خب طبيعتاً نرم‌افزاري رو انتخاب مي‌كنيم كه توي اون زمينه ابزارهاي كاربردي‌تري داشته‌باشه و بتونه نيازهاي ما رو تأمين كنه.

مثلاً در رشته‌هاي رياضي و خود آمار، ما بيشتر از نرم‌افزار < R > استفاده مي‌كنيم؛ كه قابليت‌ها و كاربردهاي زيادي داره اما با توجه به‌اينكه اين برنامه براساس كدنويسي عمل مي‌كنه، براي ساير علوم، مخصوصاً علومي كه با اين مفاهيم آشنا نيستند چندان محبوب نيست.

يكي ديگه از نرم‌افزارهاي محبوب آماري، < spss > هست كه همونطور كه از اسمش پيداست، يك بسته آماري براي علوم اجتماعي بود كه بعدها البته كاربرد خيلي وسيع‌تري پيدا كرد.

اين نرم‌افزار گرافيك بسيار خوبي داره و بيشتر توي علوم اجتماعي و مديريتي به‌كار ميره.

يكي ديگه از نرم‌افزارهاي خيلي خوب و كاربردي، <‌ sas > هست اما اين نرم‌افزار هم به‌دليل كار كردن بر پايه كدها محبوبيت خيلي زيادي نداره.

نرم‌افزارهاي قديمي‌تري هم هستند كه امروزه ديگه خيلي طرفداري ندارن.

حالا اين داده‌هاي به‌دست اومده از تحقيقات آماري در چه‌مواردي استفاده ميشن؟

اين داده‌ها طي فرآيندي به اطلاعات تبديل ميشن و بعد ما باتوجه به كاري كه ميخوايم انجام بديم از اين اطلاعات استفاده مي‌كنيم؛

ما در علم آمار، گاهي درمورد گذشته، گاهي درمورد زمان حال و زمان‌هايي هم درمورد آينده و پيش‌بيني اتفاقات آتي مطالعه و تحقيق مي‌كنه و همونجور كه از اسمش پيداست، ريشه‌ي اين كلمه واژه‌ي state به‌معني دولت و دولتمرد هست كه نشون ميده اين علم از گذشته‌ي دور (شايد حدود 4000سال قبل از ميلاد مسيح)

ابداع شده و اهميت داشته؛

و از همون زمان اطلاعات نيروهاي انساني و جمعيت و منابع و... كشور جمع‌آوري و تجزيه و تحليل ميشده.

علم داده‌ها يا data science چيه و چه ارتباطي با آمار داره؟

با پيشرفت تكنولوژي داده‌هاي توليدي حجم بيشتري به‌خودشون اختصاص دادن و علاوه بر اون متغيرهامون هم روز به روز تعدادشون بيشتر شد؛

مثلاً دستگاه‌هاي pos رو در نظر بگيريد، ميليون‌ها دستگاه روزانه تعداد زيادي تراكنش انجام ميدن و هر تراكنش براي ما داده‌هايي توليد ميكنه و مسيري كه اين اطلاعات طي ميكنن تا به حساب بانك واريز بشن براي ما متغيرهايي توليد ميكنه و درنتيجه داده‌هاي ما تعدادشون گاه به چندين ميليون يا حتي ميليارد در روز ميرسه و خب جمع‌آوري و تجزيه و تحليل و حتي پيش‌بيني اين تعداد داده با امكانات گذشته كار خيلي دشواري بود؛

ما براي تفسير اين داده‌ها و نتيجه‌گيري از اونها نيازمند ابزارها و روش‌هايي هستيم كه علم داده رو شكل ميدن؛

علم داده‌، علميه كه اخيراً خيلي مورد توجه قرار گرفته و ما به‌دليل حجم بالاي داده‌هاي توليدشده، نيازمند روش‌هايي براي كار روي اين داده‌ها هستيم.

ارتباط آمار و علم داده‌ هم باز در بستر كاري‌ست كه روي داده‌ها انجام ميشه و پايه و اساس اين دو رو ميتونيم يكي در نظر بگيريم.

براي كسي كه مي‌خواد كار آماري انجام بده، در كنار تحصيلات دانشگاهي تسلط به چه مهارت‌هايي لازمه؟

شخصي كه در رشته‌ي آمار تحصيل ميكنه، قطعاً بايد به نرم‌افزارهاي آماري تسلط داشته‌باشه؛

همچنين بايد مطالعات تئوريك خودش رو در عمل و با انجام پروژه‌هاي عملي محك بزنه؛

و بايد ذهن تحليلگري داشته‌باشه و به مهارت فكر كردن و تصميم‌گيري درست مسلط باشه و حتي از خلاقيت هم بهره ببره تا بتونه در شرايط واقعي از تركيب روش‌ها به نتيجه لازم برسه.

خيلي از مشكلات ما از اين ناشي ميشه كه يا افراد پايه‌ي مطالعاتي قوي ندارن و يا توانايي پياده كردن اطلاعات در شرايط واقعي رو ندارن؛

ما افرادي رو داريم كه پايه‌ي مطالعاتي‌شون آمار نبوده و از رشته‌هاي غيرآماري به‌تبع تحليل‌هاي آماري كه داشتن با روش‌ها و نرم‌افزارهاي آماري آشنا شدن ولي از لحاظ پايه‌ي علمي مطالعه‌ي كافي رو ندارن و در نتيجه ممكنه بسياري از كارهايي كه انجام ميدن با خطا مواجه بشه چراكه با پيش‌نيازهاي پروژه آشنايي كافي ندارن؛

برعكس اين حالت هم وجود داره و افرادي از رشته‌هاي آماري هم هستن كه از لحاظ تئوريك دانش كافي رو دارن اما تسلط و مهارت كافي براي پياده‌كردن اين دانش‌ها در پروژه‌ها رو ندارن.

جايگاه علم آمار در كشورمون در مقايسه با كشورهاي ديگه كجاست؟

در كشورهاي توسعه‌يافته، علم آمار جايگاه ويژه‌اي داره و در تمام مطالعاتي كه به تحليل نياز داره، يك كارشناس آماري يا متخصص آمار حتماً در پروژه حضور داره؛

و اكثر كارها و پروژه‌ها به‌صورت تيمي هست و قطعاً شخصي وجود داره كه از ابتداي كار و نمونه‌گيري گرفته تا روش‌هاي تحليل و حتي خود پروسه‌ي انجام پروژه نقش مشاور و ناظر رو ايفا ميكنه و به‌عنوان يك متخصص آمار نقش خودش رو ايفا ميكنه.

اما متأسفانه در كشور خودمون به دلايل مختلفي بهاي كافي به علم آمار داده نميشه؛ و شايد يكي از عمده‌ترين دلايلش اين باشه كه در كشور ما كار گروهي خوب جا نيفتاده.

البته اخيراً به‌دليل يه‌سري اجبارها كه وجود داره و بايد نتايج مطالعات به‌صورت گزارش آماري دربياد، يه‌كم بيشتر به علم آمار توجه ميشه اما باز هم اعتقاد چنداني به فرد تحليلگر وجود نداره و هرشخصي با آشنايي هرچند مختصري كه نسبت به نرم‌افزارهاي آماري داره، تحليل‌هاي آماريش رو هم خودش انجام ميده اما باتوجه به نكاتي كه به عرضتون رسوندم اين روش چندان روش مطمئني نيست و ممكنه خطاهاي زيادي درش وجود داشته‌باشه.

پس ميتونيم بگيم آمار، يك علم و مهارت بين‌المللي و ابزاري براي مهاجرت هم ميتونه باشه؟

علم آمار به‌تنهايي نميتونه به‌عنوان يك آپشن براي مهاجرت قلمداد بشه و امروز، كسايي كه تخصص علم داده دارن و يا در كنار آمار به علم ديگه‌اي تسلط دارن و با كاربرد آمار در اون علم آشنايي دارن شانس‌هاي بيشتري براي پيداكردن فرصت‌هاي مهاجرتي خواهند داشت.

شما به‌عنوان يه فرد كه با علم آمار سر و كار داره، تا حالا توي مطالعات‌تون به نتيجه‌اي رسيدين كه شگفت‌زده‌تون كنه؟

من تابحال بالغ‌بر 250 پروژه آماري رو تحليل كردم و حدوداً 12-13 سال هم سابقه تدريس آمار و تدريس خصوصي آمار دارم؛

و كارم هم بيشتر روي ديتا بوده و داده‌هاي كلان مثل سيستم‌هاي پرداخت رو تحليل كردم يا تحقيقات بازار و داده‌هاي خردتر رو هم باهاشون سر و كار داشتم؛

نتايج آماري دركل ما رو شگفت‌زده مي‌كنه، مخصوصاً اگر با داده‌هاي در حجم بالا كار كنيم؛ چون در اين مطالعات شما نمي‌تونيد تك به تك اجزا رو بررسي كنيد و بايد رفتار داده‌ها رو در يك مجموعه مورد بررسي قرار بدين؛

و وقتي اين بررسي‌ها به نتيجه مي‌رسه، شما از تفاوت نتايج حاصله با حدس‌ها و مدل‌سازي‌هاي اوليه شگفت‌زده ميشين!

خب جناب پازكي،اميدوارم تا اينجاي بحث خسته‌تون نكرده‌باشيم و همچنين سوال‌ها و جواب‌هايي كه مطرح شده براي مخاطبامون هم مفيد بوده باشه؛

به‌عنوان سوال آخر، اگر نكته يا نكاتي وجود دارد كه ما بهش اشاره نكرديم، بفرماييد؟

براي جمع‌آوري داده، ما دو روش داريم؛ يكي سرشماري و ديگري نمونه‌گيري.

ترجيح ما در مطالعات آماري سرشماري و جمع‌آوري داده از كل جامعه‌س ولي خب به دلايلي مثل هزينه‌ي زياد، محدوديت زماني، عدم دسترسي به كل جامعه و... در اكثر موارد نمي‌تونيم از سرشماري بهره ببريم؛

اينجور مواقع ما از روش نمونه‌گيري استفاده مي‌كنيم به نحوي كه با داده‌گيري از يك بخشي از جامعه، از روش‌هاي استنباطي استفاده مي‌كنيم و نتايج به‌دست اومده رو تعميم مي‌ديم و به يه نتيجه‌گيري كلي مي‌رسيم؛

در روش نمونه‌گيري يكسري نكات هست كه حتماً بايد رعايت بشه، ما بايد توجه كنيم كه اگر جامعه‌مون پراكندگي زيادي داره حتماً ما هم داده‌هاي گسترده‌تر و بيشتري جمع‌آوري كنيم و اگر جامعه‌مون دسته‌بندي داره، ما هم در نمونه‌گيريمون دسته‌بندي‌ها رو لحاظ كنيم.

در روش سرشماري هم ما اطلاعات كامل و كافي در اختيار داريم و ديگه نيازي به استنباط و تعميم نداريم و فقط كافيه بتونيم داده‌ها رو تحليل كنيم و يك مدل جامعه‌شناختي از جامعه‌ي مورد مطالعه رو ارائه كنيم.

نكته‌ي ديگه‌اي كه وجود داره اينه كه خيلي‌ از افرادي كه دانش آماري كافي ندارن، به تحقيقات آماري هم اعتمادي ندارن؛

همونطور كه عرض كردم، فقط تسلط به روش‌هاي آماري كافي نيست و ما بايد ابتدا با پيش‌فرض‌ها و مفروضات اين روش‌ها آشنا باشيم و بعد به نتايج به‌دست اومده استناد كنيم؛

مثلاً درمورد تجزيه واريانس، مفروضاتي وجود داره(نرمال بودن باقيمانده‌ها، استقلال خطاي واحدهاي آزمايشي، همسان بودن تجانس واريانس تيمارها و... )،وقتي اين فرضيات بررسي نشن و حتي درمورد ماهيت‌ داده‌ها هم بررسي‌هاي لازم به‌عمل نياد، فردي كه فقط اطلاعات محدودي درمورد واريانس داره و از راهنماي برنامه استفاده مي‌كنه، مياد و بدون اطلاعات كافي دست به محاسبه مي‌زنه و خب گاهي اين محاسبات نتايج اشتباه و به‌دور از واقعيت به‌دست ميده و طبيعتاً اعتماد به علم آمار رو هم از بين مي‌بره و انگشت اتهام رو به‌سمت آمار نشونه ميره.

مسلماً اطلاعات ناقص و محدود نميتونه به ما كمك كنه، پس براي انجام محاسبات و تحليل‌هاي درست و به‌جا، لازمه كه به‌اندازه‌ي كافي با پيش‌فرض‌ها و روش‌ها و اطلاعات آماري آشنا باشيم تا بتونيم به نتيجه‌ي مطلوب برسيم.

خيلي خيلي از شما استاد گرامي تشكر مي‌كنيم كه با وجود مشغله‌هاي زياد، فرصتتون رو در اختيار ما قرار دادين.

اميدواريم كه اين مطلب براي مخاطباي ما هم به‌اندازه‌ي كافي جذاب و مفيد بوده‌باشه؛

با آروزي سلامتي و توفيق روزافزون براي شما جناب پازكي!

استاد سلامي‌ها،لطفاً شما هم نظراتتون درمورد اين مطلب رو با ما به اشتراك بذاريد.

سلام مي‌كنيم به آقاي حميدرضا پازكي عزيز و بزرگوار، از مجرب‌ترين اساتيد استادسلام، كه لطف كردن وقتشون رو در اختيار ما قرار دادن؛

جناب پازكي اگر در ابتدا صحبتي هست بفرماييد كه بريم سراغ سؤالاتمون.

بسم الله الرحمن الرحيم

با سلام به استادسلام و استاد سلامي ها،

بنده حميدرضا پازكي هستم، مشاور گروه صنعتي ملي.

خب جناب پازكي، همونجوري كه مستحضريد، اول آبان ماه در تقويم به نام روز آمار ثبت شده، اگر اجازه بديد با يه سوال كلي بحث رو شروع كنيم، آمار در يك نگاه كلي چي هست و مفاهيم آماري در چه‌مواردي به كمك ما ميان؟

آمار در نگاه كلي، علم تبديل داده به اطلاعات تعريف ميشه؛

البته علم آمار تعاريف متعددي داره، در يك تعبير، علم آمار به‌صورت علمي تعريف ميشه كه به جمع‌آوري، سازمان دادن، تجزيه و تحليل داده‌ها و تفسير و تعميم نتايج مي‌پردازه.

اينكه آمار در چه‌مواردي به ما كمك ميكنه بستگي به خودمون داره؛ هرجايي كه لازم باشه داده‌ها رو به اطلاعات تبديل كنيم و اين اطلاعات رو تجزيه و تحليل كنيم، آمار به‌كمك ما مياد؛ پس ميتونيم بگيم ما تقريباً در تمامي علوم به آمار احتياج داريم.

خب جناب پازكي، ميشه بگين دليل اهميت آمار چيه؟

يا به‌عبارت ديگه، ما چرا و چقدر به آمار احتياج داريم؟

چرايي نياز به آمار رو ميشه از تعريفش هم استنتاج كرد؛

ما به‌روش‌هايي نيازمنديم كه وقتي داريم با داده‌ها كار مي‌كنيم و اونا رو تجزيه و تحليل مي‌كنيم، از نتايج به‌دست اومده مطمئن بشيم؛ يعني ما به يكسري روش‌هايي احتياج داريم كه از طريق اونها داده‌ها رو جمع‌آوري و تجزيه و تفسير كنيم.

وقتي صحبت از علم آماره ما با يكسري مشاهدات سر و كار داريم، و طبيعيه كه در اين مشاهدات ما ممكنه خطاهايي وجود داشته‌باشه؛

پس ما نيازمند سلسله روش‌هايي هستيم كه بتونيم از صحت داده‌هامون مطمئن بشيم و بتونيم ادعا كنيم اين داده‌ها و نتايج واقعاً وجود دارن.

براي مثال، ما در علم رياضي، براي دو عدد مختلف به‌راحتي ميتونيم اختلافشون رو محاسبه كنيم و بيان كنيم اما در آمار، وقتي ما مي‌خوايم دو گروه رو كه ميانگين يك كميتي(مثلاً سنشون) رو با اين اعداد مشخص كرديم، مقايسه كنيم، تا زمانيكه با روش‌هاي آماري اين دو گروه و اعداد متناظرشون رو مقايسه نكنيم نمي‌تونيم مطمئن باشيم كه مقايسه‌ي ما معني داره يا خير.

و در پاسخ به سوالتون راجع به اينكه ما چقدر به آمار احتياج داريم، ميشه گفت پايه‌ي تمام مطالعات و اكثر علوم بر علم آمار استواره؛ چون ما نيازمند يكسري روش‌ها هستيم كه بتونيم با استفاده از اونها داده‌ها رو جمع‌آوري كنيم و پالايش كنيم و به‌نتيجه موردنظرمون دست پيدا كنيم.

حالا باتوجه به اين توضيحات، درمورد نقطه‌(نقاط) اشتراك آمار و ساير علوم چي ميتونيم بگيم؟

نقطه‌ي اشتراك آمار با ساير علوم در كاربرد اونهاست؛ چون همونجور كه عرض كردم پايه و اساس هر علمي آمار هست.

خب مي‌دونيم كه عصر عصرِ تكنولوژي و نرم‌افزارهاست؛

مهم‌ترين و كارامدترين نرم‌افزارهاي آماري كدوم‌ها هستن و كاربرد هر نرم‌افزار در چه بخشي از علم آماره؟

نرم‌افزارهاي زيادي در زمينه علوم آماري وجود داره كه هركدومشون در كارهاي مختلفي به‌كار ميرن؛

با توجه به زمينه‌اي كه ما در اون مي‌خوايم مطالعه انجام بديم نرم‌افزارمون رو انتخاب مي‌كنيم و خب طبيعتاً نرم‌افزاري رو انتخاب مي‌كنيم كه توي اون زمينه ابزارهاي كاربردي‌تري داشته‌باشه و بتونه نيازهاي ما رو تأمين كنه.

مثلاً در رشته‌هاي رياضي و خود آمار، ما بيشتر از نرم‌افزار < R > استفاده مي‌كنيم؛ كه قابليت‌ها و كاربردهاي زيادي داره اما با توجه به‌اينكه اين برنامه براساس كدنويسي عمل مي‌كنه، براي ساير علوم، مخصوصاً علومي كه با اين مفاهيم آشنا نيستند چندان محبوب نيست.

يكي ديگه از نرم‌افزارهاي محبوب آماري، < spss > هست كه همونطور كه از اسمش پيداست، يك بسته آماري براي علوم اجتماعي بود كه بعدها البته كاربرد خيلي وسيع‌تري پيدا كرد.

اين نرم‌افزار گرافيك بسيار خوبي داره و بيشتر توي علوم اجتماعي و مديريتي به‌كار ميره.

يكي ديگه از نرم‌افزارهاي خيلي خوب و كاربردي، <‌ sas > هست اما اين نرم‌افزار هم به‌دليل كار كردن بر پايه كدها محبوبيت خيلي زيادي نداره.

نرم‌افزارهاي قديمي‌تري هم هستند كه امروزه ديگه خيلي طرفداري ندارن.

حالا اين داده‌هاي به‌دست اومده از تحقيقات آماري در چه‌مواردي استفاده ميشن؟

اين داده‌ها طي فرآيندي به اطلاعات تبديل ميشن و بعد ما باتوجه به كاري كه ميخوايم انجام بديم از اين اطلاعات استفاده مي‌كنيم؛

ما در علم آمار، گاهي درمورد گذشته، گاهي درمورد زمان حال و زمان‌هايي هم درمورد آينده و پيش‌بيني اتفاقات آتي مطالعه و تحقيق مي‌كنه و همونجور كه از اسمش پيداست، ريشه‌ي اين كلمه واژه‌ي state به‌معني دولت و دولتمرد هست كه نشون ميده اين علم از گذشته‌ي دور (شايد حدود 4000سال قبل از ميلاد مسيح)

ابداع شده و اهميت داشته؛

و از همون زمان اطلاعات نيروهاي انساني و جمعيت و منابع و... كشور جمع‌آوري و تجزيه و تحليل ميشده.

علم داده‌ها يا data science چيه و چه ارتباطي با آمار داره؟

با پيشرفت تكنولوژي داده‌هاي توليدي حجم بيشتري به‌خودشون اختصاص دادن و علاوه بر اون متغيرهامون هم روز به روز تعدادشون بيشتر شد؛

مثلاً دستگاه‌هاي pos رو در نظر بگيريد، ميليون‌ها دستگاه روزانه تعداد زيادي تراكنش انجام ميدن و هر تراكنش براي ما داده‌هايي توليد ميكنه و مسيري كه اين اطلاعات طي ميكنن تا به حساب بانك واريز بشن براي ما متغيرهايي توليد ميكنه و درنتيجه داده‌هاي ما تعدادشون گاه به چندين ميليون يا حتي ميليارد در روز ميرسه و خب جمع‌آوري و تجزيه و تحليل و حتي پيش‌بيني اين تعداد داده با امكانات گذشته كار خيلي دشواري بود؛

ما براي تفسير اين داده‌ها و نتيجه‌گيري از اونها نيازمند ابزارها و روش‌هايي هستيم كه علم داده رو شكل ميدن؛

علم داده‌، علميه كه اخيراً خيلي مورد توجه قرار گرفته و ما به‌دليل حجم بالاي داده‌هاي توليدشده، نيازمند روش‌هايي براي كار روي اين داده‌ها هستيم.

ارتباط آمار و علم داده‌ هم باز در بستر كاري‌ست كه روي داده‌ها انجام ميشه و پايه و اساس اين دو رو ميتونيم يكي در نظر بگيريم.

براي كسي كه مي‌خواد كار آماري انجام بده، در كنار تحصيلات دانشگاهي تسلط به چه مهارت‌هايي لازمه؟

شخصي كه در رشته‌ي آمار تحصيل ميكنه، قطعاً بايد به نرم‌افزارهاي آماري تسلط داشته‌باشه؛

همچنين بايد مطالعات تئوريك خودش رو در عمل و با انجام پروژه‌هاي عملي محك بزنه؛

و بايد ذهن تحليلگري داشته‌باشه و به مهارت فكر كردن و تصميم‌گيري درست مسلط باشه و حتي از خلاقيت هم بهره ببره تا بتونه در شرايط واقعي از تركيب روش‌ها به نتيجه لازم برسه.

خيلي از مشكلات ما از اين ناشي ميشه كه يا افراد پايه‌ي مطالعاتي قوي ندارن و يا توانايي پياده كردن اطلاعات در شرايط واقعي رو ندارن؛

ما افرادي رو داريم كه پايه‌ي مطالعاتي‌شون آمار نبوده و از رشته‌هاي غيرآماري به‌تبع تحليل‌هاي آماري كه داشتن با روش‌ها و نرم‌افزارهاي آماري آشنا شدن ولي از لحاظ پايه‌ي علمي مطالعه‌ي كافي رو ندارن و در نتيجه ممكنه بسياري از كارهايي كه انجام ميدن با خطا مواجه بشه چراكه با پيش‌نيازهاي پروژه آشنايي كافي ندارن؛

برعكس اين حالت هم وجود داره و افرادي از رشته‌هاي آماري هم هستن كه از لحاظ تئوريك دانش كافي رو دارن اما تسلط و مهارت كافي براي پياده‌كردن اين دانش‌ها در پروژه‌ها رو ندارن.

جايگاه علم آمار در كشورمون در مقايسه با كشورهاي ديگه كجاست؟

در كشورهاي توسعه‌يافته، علم آمار جايگاه ويژه‌اي داره و در تمام مطالعاتي كه به تحليل نياز داره، يك كارشناس آماري يا متخصص آمار حتماً در پروژه حضور داره؛

و اكثر كارها و پروژه‌ها به‌صورت تيمي هست و قطعاً شخصي وجود داره كه از ابتداي كار و نمونه‌گيري گرفته تا روش‌هاي تحليل و حتي خود پروسه‌ي انجام پروژه نقش مشاور و ناظر رو ايفا ميكنه و به‌عنوان يك متخصص آمار نقش خودش رو ايفا ميكنه.

اما متأسفانه در كشور خودمون به دلايل مختلفي بهاي كافي به علم آمار داده نميشه؛ و شايد يكي از عمده‌ترين دلايلش اين باشه كه در كشور ما كار گروهي خوب جا نيفتاده.

البته اخيراً به‌دليل يه‌سري اجبارها كه وجود داره و بايد نتايج مطالعات به‌صورت گزارش آماري دربياد، يه‌كم بيشتر به علم آمار توجه ميشه اما باز هم اعتقاد چنداني به فرد تحليلگر وجود نداره و هرشخصي با آشنايي هرچند مختصري كه نسبت به نرم‌افزارهاي آماري داره، تحليل‌هاي آماريش رو هم خودش انجام ميده اما باتوجه به نكاتي كه به عرضتون رسوندم اين روش چندان روش مطمئني نيست و ممكنه خطاهاي زيادي درش وجود داشته‌باشه.

پس ميتونيم بگيم آمار، يك علم و مهارت بين‌المللي و ابزاري براي مهاجرت هم ميتونه باشه؟

علم آمار به‌تنهايي نميتونه به‌عنوان يك آپشن براي مهاجرت قلمداد بشه و امروز، كسايي كه تخصص علم داده دارن و يا در كنار آمار به علم ديگه‌اي تسلط دارن و با كاربرد آمار در اون علم آشنايي دارن شانس‌هاي بيشتري براي پيداكردن فرصت‌هاي مهاجرتي خواهند داشت.

شما به‌عنوان يه فرد كه با علم آمار سر و كار داره، تا حالا توي مطالعات‌تون به نتيجه‌اي رسيدين كه شگفت‌زده‌تون كنه؟

من تابحال بالغ‌بر 250 پروژه آماري رو تحليل كردم و حدوداً 12-13 سال هم سابقه تدريس آمار و تدريس خصوصي آمار دارم؛

و كارم هم بيشتر روي ديتا بوده و داده‌هاي كلان مثل سيستم‌هاي پرداخت رو تحليل كردم يا تحقيقات بازار و داده‌هاي خردتر رو هم باهاشون سر و كار داشتم؛

نتايج آماري دركل ما رو شگفت‌زده مي‌كنه، مخصوصاً اگر با داده‌هاي در حجم بالا كار كنيم؛ چون در اين مطالعات شما نمي‌تونيد تك به تك اجزا رو بررسي كنيد و بايد رفتار داده‌ها رو در يك مجموعه مورد بررسي قرار بدين؛

و وقتي اين بررسي‌ها به نتيجه مي‌رسه، شما از تفاوت نتايج حاصله با حدس‌ها و مدل‌سازي‌هاي اوليه شگفت‌زده ميشين!

خب جناب پازكي،اميدوارم تا اينجاي بحث خسته‌تون نكرده‌باشيم و همچنين سوال‌ها و جواب‌هايي كه مطرح شده براي مخاطبامون هم مفيد بوده باشه؛

به‌عنوان سوال آخر، اگر نكته يا نكاتي وجود دارد كه ما بهش اشاره نكرديم، بفرماييد؟

براي جمع‌آوري داده، ما دو روش داريم؛ يكي سرشماري و ديگري نمونه‌گيري.

ترجيح ما در مطالعات آماري سرشماري و جمع‌آوري داده از كل جامعه‌س ولي خب به دلايلي مثل هزينه‌ي زياد، محدوديت زماني، عدم دسترسي به كل جامعه و... در اكثر موارد نمي‌تونيم از سرشماري بهره ببريم؛

اينجور مواقع ما از روش نمونه‌گيري استفاده مي‌كنيم به نحوي كه با داده‌گيري از يك بخشي از جامعه، از روش‌هاي استنباطي استفاده مي‌كنيم و نتايج به‌دست اومده رو تعميم مي‌ديم و به يه نتيجه‌گيري كلي مي‌رسيم؛

در روش نمونه‌گيري يكسري نكات هست كه حتماً بايد رعايت بشه، ما بايد توجه كنيم كه اگر جامعه‌مون پراكندگي زيادي داره حتماً ما هم داده‌هاي گسترده‌تر و بيشتري جمع‌آوري كنيم و اگر جامعه‌مون دسته‌بندي داره، ما هم در نمونه‌گيريمون دسته‌بندي‌ها رو لحاظ كنيم.

در روش سرشماري هم ما اطلاعات كامل و كافي در اختيار داريم و ديگه نيازي به استنباط و تعميم نداريم و فقط كافيه بتونيم داده‌ها رو تحليل كنيم و يك مدل جامعه‌شناختي از جامعه‌ي مورد مطالعه رو ارائه كنيم.

نكته‌ي ديگه‌اي كه وجود داره اينه كه خيلي‌ از افرادي كه دانش آماري كافي ندارن، به تحقيقات آماري هم اعتمادي ندارن؛

همونطور كه عرض كردم، فقط تسلط به روش‌هاي آماري كافي نيست و ما بايد ابتدا با پيش‌فرض‌ها و مفروضات اين روش‌ها آشنا باشيم و بعد به نتايج به‌دست اومده استناد كنيم؛

مثلاً درمورد تجزيه واريانس، مفروضاتي وجود داره(نرمال بودن باقيمانده‌ها، استقلال خطاي واحدهاي آزمايشي، همسان بودن تجانس واريانس تيمارها و... )،وقتي اين فرضيات بررسي نشن و حتي درمورد ماهيت‌ داده‌ها هم بررسي‌هاي لازم به‌عمل نياد، فردي كه فقط اطلاعات محدودي درمورد واريانس داره و از راهنماي برنامه استفاده مي‌كنه، مياد و بدون اطلاعات كافي دست به محاسبه مي‌زنه و خب گاهي اين محاسبات نتايج اشتباه و به‌دور از واقعيت به‌دست ميده و طبيعتاً اعتماد به علم آمار رو هم از بين مي‌بره و انگشت اتهام رو به‌سمت آمار نشونه ميره.

مسلماً اطلاعات ناقص و محدود نميتونه به ما كمك كنه، پس براي انجام محاسبات و تحليل‌هاي درست و به‌جا، لازمه كه به‌اندازه‌ي كافي با پيش‌فرض‌ها و روش‌ها و اطلاعات آماري آشنا باشيم تا بتونيم به نتيجه‌ي مطلوب برسيم.

خيلي خيلي از شما استاد گرامي تشكر مي‌كنيم كه با وجود مشغله‌هاي زياد، فرصتتون رو در اختيار ما قرار دادين.

اميدواريم كه اين مطلب براي مخاطباي ما هم به‌اندازه‌ي كافي جذاب و مفيد بوده‌باشه؛

با آروزي سلامتي و توفيق روزافزون براي شما جناب پازكي!

استاد سلامي‌ها،لطفاً شما هم نظراتتون درمورد اين مطلب رو با ما به اشتراك بذاريد.