What do you do if your data analysis skills as a librarian need improvement for informed decision-making?

Identificar qué habilidades necesito fortalecer para desarrollarlas con formación continua en el campo, buscando información en talleres, curso en línea, foros que puedan ayudarme a fortalecerlas. Poner en práctica lo aprendido porque se afianza lo aprendido con la práctica. Hacer networking con expertos en el tema para conocer otras experiencias y aprender de ellos. Desarrollar proyectos con otros colegas, en los cuales pueda afianzar lo aprendido y visibilizar mi expertis.

In the first place, if my attention is drawn to the need for improvement, my employer or supervisor must be interested in my growth and there could be some level of confidence and value in my service. So, if my data analysis skills as a librarian need improvement for informed decision-making, I will use the appropriate channel to seek understanding where applicable to ascertain the gap and what is required of me, and then I will search for and embrace opportunities to improve.

O primeiro passo é o olhar para o problema, compreender o cliente e a demanda antes de auferir ideias ou come?ar a tratar os dados é fundamental. Após esse passo acredito que tratar os dados fica mais fácil, pois entende-se o que estamos buscando com a análise e, assim o modelo estatístico adequado ou quais variáveis podem ser relevantes se torna fluído. Totalmente normal existir dúvidas no caminho e ser necessário buscar conhecimento e experiências novas para ter essa análise bem estruturada. Por fim, storetelling é um dos skills mais importantes, pois ele une os softskills ao compreender o cliente e une os hardskills com a técnica aplicada na análise, apresentar tudo bem claro e resumido é um ponto alto do processo.

Realizei e continuo sempre aprimorando conhecimento com cursos on-line, primeiro pela praticidade, segundo por ser viável reprisar quantas vezes necessário até fixar o conhecimento. Um recurso poderoso dessa época que ainda é subestimado por muitos mas cada dia se torna comum o estudo a distancia. Utilizo muitas plataformas de conhecimento, mas valorizo muito artigos de profissionais do ramo de TI seja em site do GitHub ou Medium, a ideia por trás de compartilhar conhecimento e códigos abertos possibilitou a IA, ent?o é muito bom ver profissionais agregando continuamente, todos melhoram o ecossistema ajudando.

é muito importante aplicar o que aprendeu, mesmo quando ainda n?o dominar o assunto: é a maneira mais rápida de se tornar um expert.

A experiência sempre é a parte mais interessante para mim, pois aplicar significa um próximo degrau de dificuldade e desafio que nos avalia de verdade em tudo o que aprendemos. N?o há uma forma de ser bom em nada sem prática constante, esse desafiar-se a projetar algo seu ou algo novo é que realmente fixa o que aprendemos e faz buscar conhecimentos específicos cada vez mais especializados, abre portas e você nunca sabe se vai ser isso o seu diferencial no mercado, afinal tudo come?a com o desafio pessoal.

As comunidades s?o vida pura! Amo ver a intera??o e descobrir os desafios de outros em cenários que eu nunca cogitei pensar, sinto que isso amplia a vis?o dos profissionais, e análise de dados é justamente ter essa vis?o abrangente e extrair valor, quanto mais intera??o, mais refinada fica a nossa capacidade de observa??o e análise de cenários e repostas válidas. Trocar ideias me ampliou mentalmente em vários aspectos, desde ferramentas de software que n?o conhecia e vieram a me facilitar no dia a dia por indica??o, seja nos detalhes de fóruns de discuss?o que eu n?o reparava, e ao contribuir com os demais sempre mostra onde podemos avan?ar, o que podemos aprender melhor. Intera??o entre profissionais é vital.

As tendências s?o matéria básica no universo de TI, pois tudo avan?a t?o rápido que precisamos acompanhar o ritmo, se manter informado é um diferencial poderoso, você ganha pontos com os clientes quando entende o contexto e pode avaliar os dados com a realidade de fato. Os dados s?o indicadores do mundo, mas podem ser avaliados erroneamente, para evitar isso, n?o se deve olhar apenas para dados e gráficos, mas sim ter uma estrutura prévia que contextualiza o que estamos estudando pois isso sim agrega na análise, tornando o resultado preditivo estruturado e pautado em critérios válidos, parametros aceitáveis. O algoritmo n?o é inteligente, o profissional sim e, por isso n?o se deve confundir a ferramenta como bola de cristal! ;)