သိထားသင့်သည့် အကြောင်းအရင်း (၈) ချက်
ArcMap နောက်ဆုံး version ကို ဆက်လက်ထုတ်လုပ်မည် မဟုတ်ကြောင်းကို ESRI (Environmental Service Research Institute) မှ မကြာခင်က ကြေညာခဲ့ပါတယ်။ ၂၀၂၆ ခုနှစ် မတ်လ ၁ ရက်နေ့ နောက်ပိုင်းတွင် ArcMap အတွက် အကူအညီအထောက်ပံ့ပေးမည် မဟုတ်ဟုပါရှိပါတယ်။ သူတို့ က data science, machine learning၊ deep learning နှင့် ခွဲခြမ်းစိတ်ဖြာလေ့လာခြင်းများအတွက် သင့်တော်ကိုက်ညီမှုအရှိဆုံးဖြစ်သည့် ၎င်းတို့နောက်ဆုံးထုတ်လုပ်ထားသော ArcGIS-Pro ကို ပြောင်းသုံးရန် အသုံးပြုသူများကို တိုက်တွန်းနေပါတယ်။
ပြီးခဲ့သည့် ၅ နှစ်အတွင်း Geospatial ဆိုင်ရာလုပ်ငန်းများ သိသိသာသာတိုးပွားလာခဲ့ပြီး data science ၊ deep learning နှင့် artificial intelligence (ဉာဏ်ရည်တု) တို့၏ သဘောတရားများကို တဖြေးဖြေး ပေါင်းစပ် လာကြတယ်ဆိုတာ အံ့အားသင့်ဖွယ် မဟုတ်တော့ပါ။
ဒါက နောက် ၅ နှစ်အတွင်းမှာ GIS analyst ဆိုတာ ဒေတာအင်ဂျင်နီယာတစ်ယောက် ဖြစ်လိမ့်မယ်လို့ ဆိုလိုပါသည်။ တစ်နည်းအားဖြင့် ပုံမှန်မဟုတ်တဲ့အပြောင်းအလဲကြီးက ဒီမှာလာပါပြီ။
Data revolution (ဒေတာတော်လှန်ရေး)ကြောင့် အလုပ်အကိုင်များစွာဟာ ဆက်လက်ရပ်တည်ဖို့ရာ ခက်ခဲလာကြပါတယ်။ ကုမ္ပဏီ X သည် ငွေကြေးနှင့် လုပ်ဆောင်နိုင်မှုတို့ကို သက်သာစေရန် ပြင်ပအဖွဲ့အစည်းကို ငှားရမ်းလိုက်ခြင်းကြောင့် ဌာနတစ်ခုလုံးကို ဖယ်ရှားလိုက်သည့်အကြောင်း ခင်ဗျားတို့အနေနဲ့ သတင်းထဲမှာ ကြားဖူးပြီးဖြစ်ပါလိမ်မယ်။ များသောအားဖြင့် လုပ်စရာအလုပ် များကို နည်းပညာကုမ္ပဏီအသစ် တစ်ခုကိုအပ်ပြီး လုပ်စေပါတယ်။
ဒါမျိုးကို မဝေးတော့တဲ့ အနာဂါတ်မှာ ပုံမှန်တွေ့လာရတော့မှာဖြစ်ပါတယ်။
သင့်အနေနဲ့ Geospatial ရာထူးနဲ့ပက်သက်သည့် အလုပ်ကြော်ငြာစာ/အလုပ်ခေါ်စာ တစ်ခုကို ကြည့်ဖူးမယ်ဆိုရင် အလုပ်လျောက်ထားမည့်သူဟာ R programming ၊ Power BI ၊ SQL ၊ Java ၊ AWS ၊ သို့မဟုတ် Python တို့တစ်ခု သိရမည်၊ သို့မဟုတ် ရင်းနှီးမှုရှိရမည်လို့ဖော်ပြထားတာတွေ့ပါလိမ့်မယ်။ အချို့ဆိုရင် random forest ၊ K-nearest ၊ decision tree ကဲ့သို့သော machine learning algorithms အမျိုးမျိုးကို သိရှိနားလည်ဖို့တောင် လိုအပ်ပါတယ်။
အခြားသူများကလည်း သင့်ကို PostgreSQL ၊ MySQL ၊ နှင့် PostGIS ကဲ့သို့ rational databses များ ကျွမ်းကျင်သူတစ်ယောက် ဖြစ်ဖို့မျှော်လင့်ကြပါသည်။ တကယ်တေ့ အထက်တန်းကျောင်းမှာ သင်က ကျွန်ုပ်လိုပဲ သင်္ချာနှင့် စာရင်းအင်းပညာကို သဘောမကျခဲ့ဘူးဆိုရင် သင်လည်း အလန့်တစ်ကြားလှုပ်နှိုးခံရသူတစ်ယောက် ဖြစ်လာပါလိမ့်မယ်။
အရင်တုန်းကတော့ GIS analyst တစ်ယောက်ဖြစ်ဖို့ လိုအပ်ချက်မှာ မြေပုံရေးဆွဲကျွမ်းကျင်မှုနှင့် ArcMap ၊ QGIS ကဲ့သို့ ဆော့ဝဲ/ကိရိယာများ (analytical tools) များ ကိုသိရှိနားလည်ထားရမှာဖြစ်တယ်။ ဒါဆို Data science မဆိုထားနဲ့၊ ပရိုဂရမ်းမင်းဘာသာရပ်အကြောင်းတောင် မသိသည့် GIS analyst တစ်ယောက်အတွက် ဒါက ဘာကိုဆိုလိုတာလဲ?
သင့်ကို (အလုပ်က) မလိုအပ်တော့ခြင်းမှ ရှောင်လွှဲနိုင်မည့် နည်းလမ်း (၈) ခု
၁. Geospatial နဲ့ပတ်သက်သည့် ဘွဲ့ဒီဂရီများသည် ကိုက်ညီမှုမရှိနိုင်တော့ပါ။ ကွန်ပျူတာသိပ္ပံ၊ စာရင်းအင်းပညာ၊ ဆော့ဖ်ဝဲ အင်ဂျင်နီယာပညာ၊ သတင်းအချက်အလက်ပညာ၊ သတင်းအချက်အလက် စီမံခန့်ခွဲမှု စသည့် ဘွဲ့ရတစ်ဦးသည် GIS ဒေတာ သိပ္ပံပညာရှင်တစ်ယောက်၏ အခန်းကဏ္ဍကို ဖြည့်ဆည်းပေးလာနိုင်ပါတယ်။ ထို့ကြောင့် GIS ဘွဲ့ရရှိနေရန်မလိုအပ်နိုင်တော့ပါ။ သို့သော်လည်း ဒါက ကုမ္ပဏီ နှင့် ကုမ္ပဏီရဲ့ အောင်မြင်ရရှိလိုသည့် လမ်းကြောင်းအပေါ်တွင်လည်းမူတည်ပါသည်။
၂. GIS ဆော့ဖ်ဝဲ များစွာကလည်း အသုံးပြုဖို့လိုအပ်တော့မည်မဟုတ်ပါ။ ESRI သည် မကြာမီအချိန်အတွင်းတွင် ArcMap ထုတ်လုပ်မှုကို ဆက်လက်လုပ်ဆောင်တော့မည်မဟုတ်ကြောင်း ဖော်ပြပြီးဖြစ်ပါတယ်။ သူတို့ရဲ့ လုပ်ငန်းစဉ်ထဲကို ခွဲခြမ်းစိတ်ဖြာနိုင်မှု (Analysis) မပေါင်းစပ်ခဲ့လျှင် အခြားသော အလားတူဆော့ဖ်ဝဲယားများကထည့်သွင်းလာတော့မည်ကို ကြိုတင် မြင်မိပါတယ်။ Python ၊ Java ၊ R studios နှင့် အခြားသော open-source ဆော့ဖ်ဝဲ များကနေရာယူကြတော့မည်ဖြစ်သည်။ အဘယ်ကြောင့်ဆိုသော် ၎င်းတို့ကို geospatial အသိုင်းအဝိုင်းတွင် အလွန် လူကြိုက်များကြသောကြောင့်ဖြစ်တယ်။
၃. လူမှုကွန်ယက်ဆက်သွယ်မှု (Networking) က မရှိမဖြစ် အရာတစ်ခုဖြစ်လာပါမယ်။ သင်သာ ဒီအကူးအပြောင်းကိုလုပ်ချင်ပါက သင့်ရဲ့လူမှုကွန်ယက်ကို ချဲ့ဖို့လိုပါမယ်။ geospatial data scientists များ သို့မဟုတ် geospatial data scientists ဖြစ်လာ နိုင်သော geospatial နဲ့ပတ်သက်ပြီး လုပ်ကိုင်နေကြသူများကို ရှာဖွေချိတ်ဆက်ရမယ်လို့ ဆိုလိုတာပါ။ သူတို့ကို ညီလာခံများ၊ LinkedIn group များ၊ ပွဲ (event) များ၊ ပုံမှန် အစည်းအဝေးများ စသည်တို့တွင် ဆုံတွေ့နိုင်ပါတယ်။
၄. Open-source ဆော့ဖ်ဝဲများ ကို နားလည်တတ်ကျွမ်းမှု လိုအပ်လာပါမည်။ Data scientist များသည် open-source ဆော့ဖ်ဝဲများကို အသုံးပြုသည့်အတွက်ကြောင့် လူသိများကြပါတယ်။ open-source (OSS) ဆော့ဖ်ဝဲများသည် အခမဲ့ဖြစ်သောကြောင့် ထို OSS များကို အသုံးပြုနိုင်သည့်လူများကို လိုအပ်မှုက မြင့်တက်လာမည်ဖြစ်သည်။ ဤ ဆော့ဖ်ဝဲများတွင် python ၊ R studios ၊ နှင့် Java တို့ပါဝင်သည်။
၅. အလုပ်ခွင်တွင် သင်ယူလေ့လာဖို့ လိုအပ်လာပါမည်။ ထိုကဲ့သို့သော ကျွမ်းကျင်မှုများကို တည်ဆောက်ရန် အချိန်ယူရမည်ဆိုတာကို ကုမ္ပဏီများက နားလည် ပေးရပါမည်။ ထို့ကြောင့် လုပ်ငန်းခွင် သင်တန်းများကို ဖွင့်လှစ်ပေးရပါမည်။ သို့သော်လည်း အချိန်က တန်ဖိုးကြီးမားသောကြောင့် ရည်မှန်းချက်ပန်းတိုင်လည်း ရှင်းလင်းပြတ်သားရန်လိုအပ်ပါသည်။
၆. သင့်ရဲ့အားသာချက်ကို ရှာဖွေပါ။ Data science သည် machine learning ၊ deep learning ၊ artificial intelligence ၊ software development ၊ full-stack ၊ R&D ၊ data analysis ၊ နှင့် visualization တို့ ပါဝင်သောကြောင့် ကျယ်ပြန့်သည့် ခေါင်းစဉ်တစ်ခုဖြစ်ပါတယ်။ ဤကျွမ်းကျင်မှု အားလုံးကို တတ်မြောက်အောင်လုပ်နိုင်မယ်ဆိုရင် အရမ်းကောင်းပါတယ်။ ဒါပေမယ့်လည်း အကောင်းဆုံးကတော့.. စတင်လေ့လာတော့မယ်ဆိုပါက သင် စိတ်ဝင်စားတဲ့အရာကို ရှာဖွေပါ။ ထို့နောက် စတင်လေ့လာပါ။
၇. ကျွမ်းကျင်မှုအများစု/ပညာရပ်အများစုကို ကိုယ်တိုင်သင်ယူရပါမည်။ Udemy (အထူး အကြံပြုပါသည်)၊ Coursera၊ hackathons ၊ tech boot camps Youtube ၊ နှင့် Ed X ကဲ့သို့သော အွန်လိုင်းသင်ခန်းစာများကို အသုံးချရပါမည်။ Stack-Over Flow ၊ Free code camp ၊ OSOA (Open Source Question and Answer)ကဲ့သို့ အခြားသော အွန်လိုင်း အသိပညာဗဟုသုတမျှဝေရေးပလက်ဖောင်းများသည်လည်း အသုံးဝင်လာပါလိမ့်မည်။
၈. မိမိကိုယ်ကို အချိန်ပေးပါ။ ရောမမြို့ကြီးကို တစ်ရက်တည်းနဲ့ အပြီးဆောက်ခဲ့တာမဟုတ်ပါဘူး။ ဒါက တောက်လျောက်လုပ်ဆောင်နေရမယ့် အလုပ်တစ်ခုဖြစ်ပြီး ရည်မှန်းချက်ပန်းတိုင်တစ်ခုလည်းဖြစ်ပါတယ်။ တစ်ရက်တည်းနဲ့ပြီးသွားမယ့် ဖြစ်စဉ်တစ်ခုမဟုတ်ပါ။ ခရီးလမ်းတစ်လျှောက် အခက်အခဲများစွာလည်း ကြုံတွေ့ရပါမယ်။ သို့သော်လည်း လက်မလျှော့ပါနဲ့။
အတိုချုပ်ရသော် ဒါတွေကို သင့်ရဲ့ရည်မှန်းချက်၏ အစိတ်အပိုင်းအဖြစ်ထားပြီး လုပ်ဆောင်ပါ။ ဆိုလိုတာကတော့ အချိန်ဇယားတစ်ခု သတ်မှတ်ပြီး လိုက်နာဆောင်ရွက်ပါ။ အစောပိုင်းက ဖော်ပြခဲ့သည့်အတိုင်း သင့်ရဲ့ရည်မှန်းချက်က ရှင်းလင်းပြတ်သားပါစေ၊ ၎င်းရည်မှန်းချက်ကို ရရှိစေရန် အားလုံးလုပ်ဆောင်ပါ။ သင့်နေနဲ့ ကြိုက်ကြိုက် မကြိုက်ကြိုက် ဒီကူးပြောင်းမှုကတော့ ဖြစ်ပေါ်နေပါပြီ။ ဒီပြောင်းလဲမှုကြောင့် လူအများကြီးကို သက်ရောက်မှုဖြစ်ပေါ်လာနိုင်သောကြောင့် လူတိုင်းက ကိုယ်တိုင်ပြင်ဆင်ကြရပါမယ်။ ထို့ကြောင့် ပြောင်းလဲမှုကိုစောစော စတင်ခြင်းက ပိုကောင်းပါလိမ့်မယ်ခင်ဗျား။
Stephen Chege-Tierra Insights ၏ GIS Analyst To GIS Data Scientist — 8 Things You Should Know ဆောင်းပါးကိုဘာသာပြန်တင်ဆက်ပါသည်။
အသုံးပြုထားသောပုံများသည် မူရင်းလင့်မှ ပုံများဖြစ်သည်။
