දත්ත ක්ෂේත්‍රයේ විවිධ භූමිකාවන් හා රැකියා වර්ග හඳුනාගැනීම

        

මම බ්‍රිතාන්‍යයේ දී  නීතිඥ  සමාගම් වලට සේවා හා මෘදුකාංග සපයන  මෘදුකාංග සමාගමක පරිගණක ඉංජිනේරුවකු හෙවත් work flow developer කෙනෙක් හැටියට මුලින් රැකියාව ආරම්භ කලේ . රැකියාව ලැබුනෙත් මම  එවැනි මෘදුකාංගයක් හදල තිබ්බ නිසා එංගලන්තයේ තිබුන ලාංකිකයෙකු ගේ සමාගමකට. පසුව මම දත්ත ඉංජිනේරු සහ ඉන්පසු ව්‍යාපාරික බුද්ධි තොරතුරු උපදේශකවරයෙකු (Business Intelligence consultant ) කෙනෙකු ලෙස රැකියාව කළා. දැන් ජේෂ්ඨ දත්ත විශ්ලේෂකයකු  හා කණ්ඩායම් කළමනාකරුවකු ලෙස රැකියාව කරනවා .  මේ කේෂ්ත්‍රයේ දැනට ඇති පුරප්පාඩු ප්‍රමාණයත් ඉදිරියේ වඩා වැඩි රැකියා ප්‍රමාණයක් නිර්මිත වීමට ඇති නිසා ඒ ගැන ලියන්න හිතුව.  මොකද ඉදිරියට වඩා වැදගත් වෙන ක්ෂේත්‍රයක් නිසා. 

දත්ත ක්ෂේත්‍රයේ විවිධ භූමිකාවන් හඳුනාගැනීම

මුලින්ම, අපි දත්ත ක්ෂේත්‍රය (data space) තුළ ඇති කාර්යයන් ගැන කතා කරමු. මම මේවා 

• දත්ත විද්‍යාව (Data Science), 
• දත්ත ඉංජිනේරු විද්‍යාව (Data Engineering), 
• දත්ත විශ්ලේෂණය (Data Analytics) සහ 
• ව්‍යාපාරික බුද්ධි තොරතුරු (Business Intelligence) 

ලෙස කොටස් හතරකට බෙදා වෙන් කරන්න කැමතියි. දත්ත මගින් ව්‍යාපාරික වටිනාකමක් උත්පාදනය කිරීම සඳහා මෙම කාර්යයන් හතරම එකට එක්ව ක්‍රියා කරනවා.

ඔබ දත්ත වෘත්තිකයෙකු වීමේ ගමන් මග දැන් ආරම්භ කරන්නේ නම්, මා ඔබට ලබා දෙන උපදෙස නම් එක් අංශයක් ප්‍රගුණ කිරීම කෙරෙහි අවධානය යොමු කර, අනෙකුත් අංශවල සිටින ඔබේ සමකාලීන දත්ත වෘත්තිකයන්ගේ සහාය ලබා ගන්නා ලෙසයි. මේ සියලු අංශ එකවර ප්‍රගුණ කිරීමට උත්සාහ නොකරන්න; එය ඔබේ ප්‍රගතියට බාධාවක් වනු ඇති අතර ඔබව ව්‍යාකූලත්වයට පත් කරනු ඇත. 

දත්ත වෘත්තීන් අතරින් ඔබට වඩාත්ම ගැලපෙන ස්ථානය තීරණය කරන්නේ ඔබයි. ඔබ අහම්බෙන් යම් භූමිකාවකට වැටෙනවා වෙනුවට, දැනුවත්ව තෝරා ගැනීමක් කිරීමට ඔබව සූදානම් කිරීම මේ ලිපියේ අරමුණයි.

දත්ත විද්‍යාඥයා (Data Scientist)

 දත්ත විද්‍යාව යනු අතීත සහ වර්තමාන සිදුවීම් ප්‍රමාණාත්මකව අවබෝධ කර ගැනීමටත්, දත්තවල අනාගත හැසිරීම් පුරෝකථනය කිරීමටත්, දත්තවල ව්‍යුහය සහ හැසිරීම පිළිබඳව සිදුකරන ක්‍රමානුකූල අධ්‍යයනයයි.

දත්ත විද්‍යාඥයෙකුගේ ලක්ෂණ:

• අධ්‍යාපනය: සාමාන්‍යයෙන් ප්‍රමාණාත්මක විෂය ක්ෂේත්‍රයක (STEM) උපාධියක් තිබිය යුතුය. (ඉංජිනේරු උපාධියක් හෝ ගණිත ,  ආර්ථික උපාධියක් )  

• ක්‍රමලේඛනය (Programming): ඔවුන් R සහ Python වැනි භාෂාවලින් කේත ලිවීමට සහ SQL වැනි විමසුම් (queries) සෑදීමට දැන සිටිය යුතුය.

• පෞරුෂය: ඔවුන් කුතුහලයෙන් පිරි සහ නොපසුබට උත්සාහයක් ඇති අය විය යුතුය.

• පසුබිම: ඔබ දැනටමත් දත්ත විශ්ලේෂණය හෝ ව්‍යාපාරික බුද්ධි තොරතුරු වාර්තාකරණය වැනි අංශවල අත්දැකීම් ඇත්නම්, ඔබ දත්ත විද්‍යාඥයෙකු වීමට සුදුසු අපේක්ෂකයෙකි.

දත්ත විද්‍යාඥයන් වැඩිපුරම උනන්දු වන්නේ "කොහොමද" (How) යන්නට වඩා "ඇයි" (Why) යන්න පිළිබඳවයි. යමක් සිදුවන්නේ ඇයි දැයි වටහා ගත් විට, ඔවුන්ට ඒ මත පදනම්ව අනාගතය පුරෝකථනය කළ හැකිය.

දත්ත ඉංජිනේරුවා (Data Engineer)

දත්ත ඉංජිනේරු විද්‍යාව යනු දත්ත පද්ධති සැලසුම් කිරීම, තැනීම සහ නඩත්තු කිරීමයි.

• ලක්ෂණ: ඔවුන් දක්ෂ ප්‍රෝග්‍රමර්ස් ලා  වන අතර පරිගණක විද්‍යාව පිළිබඳ පසුබිමක් ඇත. ඔවුන් දත්ත විශ්ලේෂණය කිරීමට වඩා දත්ත පද්ධති (IT systems) ගොඩනැගීමට ප්‍රිය කරයි. එසේම දත්ත සොයා ගැනීම , පිරිසිදු කර ඉදිරිපත් කිරීමද කරයි .  (ETL - extract , transform , load)

• අවධානය: ඔවුන් උනන්දු වන්නේ "කොහොමද" (How) යන්න පිළිබඳවයි. එනම්, දත්ත විද්‍යාඥයන්ට විශ්ලේෂණය කිරීම සඳහා අවශ්‍ය දත්ත පද්ධති විශ්වාසදායක ලෙස ගොඩනගන්නේ කෙසේද යන්නයි.

• භාෂා: Java, C++, සහ Python වැනි භාෂා භාවිතා කරයි.

දත්ත විශ්ලේෂණ වෘත්තිකයන් (Data Analytics Professionals)

දත්ත විශ්ලේෂණය යනු දත්ත සහ එහි හැසිරීම විස්තර කරන නිෂ්පාදන නිර්මාණය කිරීමයි.

• ලක්ෂණ: මොවුන් සංකීර්ණ කේත (code) භාවිතා කරනවා වෙනුවට විවිධ මෘදුකාංග යෙදුම් (applications) හරහා දත්ත විශ්ලේෂණය කරයි. ඔවුන් දත්ත විද්‍යාඥයන් සහ ව්‍යාපාරික අවශ්‍යතා අතර සම්බන්ධීකාරක ලෙස ක්‍රියා කරයි.

• කාර්යයන්: දත්ත මගින් තීරණ ගැනීමට අවශ්‍ය තොරතුරු සැපයීම සහ දත්ත දෘශ්‍යකරණය (visualization) මගින් සොයාගැනීම් ඉදිරිපත් කිරීම.

• භාෂා - සමහරු පයිතන් දන්නා අතර එක්සෙල් වැනි මෘදුකාංගයක්  ඉතා හොඳින් දැන  ගැනීමද  වැදගත්ය. POWER BI  වන්නක් දැන ගැනම වඩා හොඳය.

ව්‍යාපාරික බුද්ධි තොරතුරු උපදේශක  (Business Intelligence) 

මෙය බොහෝවිට දත්ත ඉංජිනේරු සහ දත්ත විශ්ලේෂක යන රැකියා දෙකේම මුසුවකි . 

• ලක්ෂණ: මොවුන් සංකීර්ණ කේත (code) භාවිතා කරනවා වෙනුවට විවිධ මෘදුකාංග යෙදුම් (applications) හරහා දත්ත විශ්ලේෂණය කරන අතර දත්ත එක්රැස් කර , පිරිසිදු කර ඉදිරිපත් කිරීමද කරයි .  මේ සඳහා පවර් බී අයි, SSRS වැනි මෘදුකාංග උපයෝගී කර ගැනේ . ඔවුන් දත්ත විද්‍යාඥයන් සහ ව්‍යාපාරික අවශ්‍යතා අතර සම්බන්ධීකාරක ලෙසද ක්‍රියා කරයි.

• කාර්යයන්: දත්ත මගින් තීරණ ගැනීමට අවශ්‍ය තොරතුරු සැපයීම සහ දත්ත දෘශ්‍යකරණය (visualization) මගින් සොයාගැනීම් ඉදිරිපත් කිරීම.  ව්‍යාපාරය රැක ගැනීමට, දියුණු කිරීමට අවශ්‍ය දත්ත සකස් කිරීම හා පුරෝකථන කිරීමද කරනු ලබයි.

• භාෂා - c#, පයිතන් වැනි භාෂාවල  කේත භාවිතය , POWER BI  වැනි  ටූල් භාවිතාව 

ඔබේ අභියෝගය

ඔබට ඇති අභියෝගය නම්, මොහොතක් නිහඬව සිතා බැලීමයි. ඔබේ පසුබිම සහ ඔබේ සැබෑ උනන්දුව අනුව, ඉහත සඳහන් කළ ක්ෂේත්‍ර තුනෙන් ඔබට වඩාත්ම ගැලපෙන්නේ කුමන ක්ෂේත්‍රයද? ඔබ ඔබේ පෞරුෂයට සහ රුචිකත්වයට වඩාත්ම ගැලපෙන භූමිකාව තෝරා ගන්නේ නම්, ඔබට මෙම වෘත්තීය ගමන් මගේ ඉතා සාර්ථක විය හැකිය.

එබැවින්, ඉහත සඳහන් කළ භූමිකාවන්ගෙන් එකක් තෝරාගෙන ඒ කෙරෙහි ඔබේ අවධානය යොමු කරන්න.

අංශය	ප්‍රධාන කාර්යය (සරලව)	අවධානය යොමු කරන්නේ
Data Engineering	දත්ත ගලා ඒමට අවශ්‍ය "පද්ධතිය" හෝ "නළ මාර්ග" තැනීම.	දත්ත රැස් කිරීම, ගබඩා කිරීම සහ පිරිසිදු කිරීම (How).
Data Science	දත්ත ඇසුරින් අනාගතය ගැන අනාවැකි කීම සහ සංකීර්ණ රටා සෙවීම.	දත්ත ඇසුරින් අනාගතය පුරෝකථනය කිරීම (Why/Future).
Data Analytics	දැනට ඇති දත්ත ඇසුරින් ව්‍යාපාරයට අවශ්‍ය තොරතුරු වාර්තා කිරීම.	වර්තමාන තත්ත්වය සහ රටාවන් හඳුනා ගැනීම (What/Past).

ඔබ දත්ත ක්ෂේත්‍රයට පිවිසෙන්නේ නම්, පහත සඳහන් භාෂා පිළිබඳ දැනුම ඉතා වැදගත් වේ:

Python (පයිතන්)

• භාවිතය: දත්ත විද්‍යාවේ (Data Science) රජු ලෙස හැඳින්වේ. දත්ත පිරිසිදු කිරීම, විශ්ලේෂණය සහ Machine Learning සඳහා බහුලවම භාවිතා වේ.

• විශේෂත්වය: ඉගෙන ගැනීමට ඉතා පහසුය, සරල ඉංග්‍රීසි භාෂාවට සමානය.

SQL (එස්. කියු. එල් - Structured Query Language)

• භාවිතය: දත්ත සමුදායන් (Databases) සමඟ ගනුදෙනු කිරීමට ඇති ප්‍රධාන භාෂාවයි. දත්ත ලබා ගැනීමට (Extracting) සහ කළමනාකරණය කිරීමට මෙය අත්‍යවශ්‍ය වේ.

• ඉගෙන ගත යුතු අය : Engineering, Science, Analytics යන අංශ තුනටම මෙය අත්‍යවශ්‍ය වේ.

R (ආර්)

• භාවිතය: සංඛ්‍යානමය විශ්ලේෂණ (Statistical analysis) සහ දත්ත දෘශ්‍යකරණය (Visualization) සඳහා ඉතා ප්‍රබල භාෂාවකි.

• විශේෂත්වය: වැඩිපුරම අධ්‍යයන කටයුතු සහ පර්යේෂණ (Research) සඳහා භාවිතා වේ.

- අජිත් ධර්මකීර්ති 14/02/2026