Data Scientist je odgovaran/-a za izvlačenje vrednih uvida koji omogućavaju donošenje odluka zasnovanih na informacijama. U to svrhu, Data Scientist koristi napredno poznavanje statistike i mašinskog učenja i fokusira se na prediktivnu i preskriptivnu analitiku radi rešavanja kompleksnih problema i predviđanja određenih fenomena. Prikuplja i analizira ogromne količine podataka u igri, kao što su interakcije igrača, metrike ekonomije u igri i obrasci angažovanja korisnika, a zatim ih transformiše u korisne uvide koje developeri mogu da koriste da donose bolje odluke kojima poboljšavaju gejm dizajn, balansiraju igruigru i zadržavaju igrače.
Data Scientist igra ključnu ulogu u uspehu multiplayer onlajn igara tako što nadgleda i prilagođava matchmaking algoritme, bori se protiv varanja i analizira feedback igrača kako bi se obezbedilo pošteno i prijatno iskustvo igranja. Sarađuje sa dizajnerima i programerima na kreiranju funkcija zasnovanih na podacima, kao što su personalizovane preporuke, dinamičko prilagođavanje težine i virtuelna ekonomija. U singleplayer igrama Data Scientist radi na analizi ponašanja igrača, predviđajući buduće ponašanje i uspeh igrača u prelasku igre, ishode raznih scenarija, segmentira igrače na osnovu ponašanja, predviđajući koje buduće deonice bi igračima mogle biti teške, bavi se dinamičkim prilagođavanjem težine i drugim stvarima. Data Scientist premošćuje jaz između analize podataka i dizajna igara, koristeći svoje veštine kako bi video-igre učinio/-la zanimljivijim, zabavnijim i profitabilnijim.
Alati
Autodesk 3ds Max
Unreal Engine
Unity
Maya
Substance Painter
Houdini
Blender
Adobe Photoshop
Marmoset Toolbag
Blender
Data Scientist blisko sarađuje sa raznim drugim ulogama u industriji video-igara. Jedna od primarnih saradnji je sa dizajnerima i programerima. Data Scientist pruža uvide i preporuke zasnovane na ponašanju igrača i metrikama u igri kako bi pomogao/-la gejm dizajnerima da donesu informisane odluke o mehanikama igre, dizajnu nivoa i ukupnom iskustvu igranja. Radi i sa programerima na implementaciji funkcija zasnovanih na podacima.
Pored toga, Data Scientist radi sa Product menadžerima i marketinškim timom kako bi optimizovali angažovanje igrača i strategije monetizacije. Pruža uvide zasnovane na podacima za kreiranje događaja u igri, promocija i virtuelnih ekonomija koje poboljšavaju retenciju igrača i ultimativno povećavaju prihod od igre. Saradnja sa timovima za korisničku podršku je takođe neophodna, jer Data Scientist može da identifikuje i rešava probleme igrača analizom tiketa.
U zavisnosti od senioriteta, od Data Scientist-a se očekuje da može da savlada, uradi i isporuči sledeće stvari:
U zavisnosti od senioriteta, od Data Scientist-a se očekuje da može da savlada, uradi i isporuči sledeće stvari:
Odeljenje za podatke (data department) u gejming industriji u Srbiji predstavlja ključnu kariku u analizi i interpretaciji podataka radi optimizacije igračkog iskustva. Stručnjaci u ovoj oblasti često imaju obrazovanje iz računarskih nauka, informacionih sistema ili statistike. Fakulteti poput Fakulteta organizacionih nauka i Matematičkog fakulteta pružaju teorijske temelje, dok se praktične veštine razvijaju kroz rad na stvarnim projektima.
Kombinacija programiranja, analize podataka i razumevanja gejming industrije čini osnovu obrazovne pozadine. Praćenje najnovijih tehnoloških trendova i učešće u relevantnim kursevima dopunjuju stručnost u radu sa podacima u gejmingu.
Prijava:
Da bi se prijavio/-la za poziciju Data Scientist-a u gejming industriji, obično je potrebna dobra obrazovna pozadina i odgovarajući skup veština. Većina pozicija zahteva diplomu iz oblasti kao što su računarstvo, statistika ili matematika. Od suštinskog je značaja, pre svega, da imaš čvrstu osnovu u programskim jezicima kao što su Python ili R, zajedno sa poznavanjem manipulacije podacima, analize i mašinskog učenja. Pored toga, korisno je da dobro razumeš industrije video-igara, uključujući ponašanje igrača, strategije monetizacije i mehanike.
Treba da pokažeš portfolio relevantnih projekata, koji se mogu prikazati putem lične veb stranice, GitHub repozitorija ili dobro organizovanog CV-a. Ovi projekti treba da istaknu tvoju sposobnost da izvučeš uvide iz podataka, primeniš tehnike mašinskog učenja i daš preporuke koje se mogu primeniti. Meke veštine, uključujući komunikaciju, rešavanje problema i sposobnost rada u višefunkcionalnim timovima, takođe su veoma cenjene, jer Data Scientist često mora da prenese svoje nalaze netehničkim licima i da efikasno sarađuje sa različitim departmanima unutar kompanije. Pored toga, praćenje najnovijih dostignuća u data science-u i gejming tehnologiji kroz kontinuirano učenje, konferencije i relevantne sertifikate može dodatno poboljšati tvoje kvalifikacije za ovu ulogu.
Intervju:
Intervju se obično sastoji od nekoliko rundi u kojima se procenjuju i tehničke i meke veštine. Pošto ova pozicija podrazumeva saradnju sa mnogim timovima, intervjuu mogu, pored regrutera i drugih Data Scientist-a, prisustvovati i developeri, Product menadžeri i predstavnici marketing tima. U inicijalnom krugu oni mogu pokrenuti diskusiju o tvojim veštinama i iskustvu. Naredni krugovi često uključuju tehničke procene, gde možeš dobiti probleme u vezi sa podacima za rešavanje, a može se proceniti i tvoja sposobnost da radiš u timu i da efikasno komuniciraš. Od tebe se, takođe, može tražiti da razgovaraš o prethodnim projektima i objasniš svoj pristup rešavanju problema i analizi podataka. Uobičajena pitanja na intervjuu su:
Tehnički zadatak:
Tehnički zadatak obično procenjuje tvoje praktične veštine u analizi podataka, mašinskom učenju i rešavanju problema. Ovi zadaci mogu biti različiti po složenosti, ali su osmišljeni tako da procene tvoju sposobnost da radiš sa podacima iz stvarnog sveta, da pružiš uvide koji se mogu primeniti ili da izgradiš modele za predviđanje.
Na primer, na uobičajenom tehničkom zadatku možeš dobiti skup podataka koji se odnosi na ponašanje igrača u igri ili kupovinu virtuelnih artikala. Od tebe se može tražiti da obaviš zadatke kao što su priprema podataka za obradu, istraživačka analiza podataka i inženjering karakteristika. Takođe, može se zahtevati da razviješ prediktivni model, kao što je model koji predviđa da li će igrač odustati od igre ili ne (player churn), i predstaviš svoje nalaze, uključujući performanse modela i preporuke za retenciju igrača. U složenijim zadacima može ti se predstaviti konkretan problem u vezi sa dizajnom igre, monetizacijom ili iskustvom igrača i tražiti se da osmisliš odgovarajuću analizu podataka ili pristup mašinskom učenju kako bi to rešio/-la. Ovde bi se očekivalo da objasniš zašto si odabrao/-la određeni algoritam mašinskog učenja, kao i da objasniš kao bi evaluirao/-la tačnost odabranog modela.
