ডেটা সায়েন্স ক্যারিয়ার এডভাইস

অন্য ফিল্ড থেকে সুইচ করতে চাইলে

ডেটা সায়েন্স একসময় হট টপিক ছিল।

“ডেটা সায়েন্স” শব্দবন্ধটির ব্যবহার এখন অনেকটা স্তিমিত হয়ে এসেছে। তার মানে এই নয় যে ডেটা সায়েন্স তার আকর্ষণ হারিয়েছে। বরং এটি এখন কনসার্নড ব্যক্তিবর্গের দোড়গোড়ায় পৌঁছে গেছে, ফলে এটি নিয়ে নতুন করে আর বলার কিছু নেই। বরং ব্যক্তিগতভাবে কীভাবে ডেটা সায়েন্টিস্ট হওয়া যায় তার প্রস্তুতি এবং অগ্রগতি চলছে পুরোদমে।

আসলে প্রস্তুতি চলছে না বলে বলা যেতে পারে প্রস্তুতি শুরু হয়ে গিয়েছে এবং অনেক ক্ষেত্রে শিক্ষার্থীরা এই বিষয়ে প্রাতিষ্ঠানিক ট্রেনিং অর্জন করে এখন জব মার্কেটে নেমেছে।

নতুন গ্রাজুয়েটদের সংখ্যা আস্তে আস্তে বাড়তে থাকবে। এবং এই ধারা মার্কেটে স্থিতি না আসা পর্যন্ত আরও কয়েক বছর অব্যাহত থাকবে বলে অনুমান করা যায়।‌ বিশেষ করে বড় বড় ইউনিভার্সিটি থেকে শুরু করে কমিউনিটি লেভেলের কলেজ গুলোতেও এখন ডেটা সায়েন্স-এর কারিকুলাম চালু করা হয়েছে। এবং সেখানে ট্রাডিশনাল শিক্ষার্থী ছাড়াও বিভিন্ন প্রফেশনে কর্মরতরাও ভর্তি হচ্ছে।

বাংলাদেশের প্রেক্ষিতে আমি বলতে পারি না। তবে এটুকু অনুমান করতে পারি বাংলাদেশ অনেক পিছিয়ে আছে। কিন্তু এই পিছিয়ে থাকার মাঝেও দু একটি কোম্পানি উন্নত বিশ্বের সমকক্ষতা অর্জন করেছে ডেটা সায়েন্স এবং মেশিন লার্নিং তাদের ব্যবসায় কাজে লাগানোর মাধ্যমে। অনতিদূরে বাংলাদেশেও এনালিটিক প্রফেশনাল তথা ডেটা সায়েন্টিস্ট এর কাজের ক্ষেত্র ব্যাপকহারে উন্মুক্ত হবে বলে আশা করি।

কেন এই পোস্ট

আমি মেসেঞ্জারে এবং ইমেইলে ডাটা সায়েন্স সংক্রান্ত ক্যারিয়ার এডভাইস চেয়ে প্রায়ই রিকোয়েস্ট পাই।

অনেকে জানতে চান ডেটা সায়েন্স এখন সঠিক ক্যারিয়ার সিদ্ধান্ত কি না। কিংবা কীভাবে ডেটা সায়েন্স ক্যারিয়ারের জন্য নিজেকে প্রস্তুত করা যায়।

এই লেখায় মূলত সেরকম কয়েকটি বিষয় নিয়ে লেখার চেষ্টা করব। এই লেখাটিকে ভূমিকা হিসেবে ধরে নিতে হবে কেননা এই টপিকের উপর আরো বিস্তারিত লেখার ইচ্ছে রয়েছে। ‌ অর্থাৎ আজকের লেখাটিকে ফাউন্ডেশন ধরে পরবর্তী লেখা গুলো লেখা হবে। ‌

১। ডেটা সায়েন্সের এর বর্তমান চাকরির মার্কেট এর কী অবস্থা?

২। ডেটা সায়েন্স আপনার জন্য সঠিক ক্যারিয়ার কী-না

৩। ডেটা সায়েন্সে ঢোকার প্রতিবন্ধকতাগুলো কী কী

৪। ডেটা সায়েন্স ফিল্ডে সফলভাবে সুইচ করতে চাইলে

কী ধরনের কোম্পানি ডেটা সায়েন্টিস্ট হায়ার করছে?

প্রথমেই শুরু করি ডেটা সায়েন্স জব মার্কেট এর বর্তমান অবস্থা সম্পর্কে।

এখন ২০১৯ এর নভেম্বর। আর একমাস পরেই নতুন বছরে পদার্পণ করব। বছরের এই সময় এসে জব সাইট গুলো ঘুরলে দেখা যাবে ডেটা সায়েন্সের জব প্রচুর। আমি আমেরিকার জব মার্কেটের কথা বলছি। কারণ এই মার্কেট সম্পর্কে আমি সবচেয়ে বেশি অবগত। ‌ অন্য দেশের জব মার্কেটের পরিস্থিতি ভিন্ন হতে পারে। অনুমান করি অন্য দেশ আমেরিকার থেকে জবের এভেইলেবিলিটিতে কিছুটা পিছিয়ে থাকবে। এর কারণ হল আমেরিকার মার্কেট সবচেয়ে বড়।

ডেটা সায়েন্স ফিল্ডে নানা ধরনের দক্ষ লোক হায়ার করা হয়। ‌ যদিও চাকরির বিজ্ঞাপনে ডেটা সায়েন্স অথবা মেশিন লার্নিং এই কীওয়ার্ড দুটি সবচেয়ে বেশি ব্যবহৃত হচ্ছে। ‌ ফরচুন ফাইভ হান্ড্রেড কোম্পানি থেকে শুরু করে গবেষণা প্রতিষ্ঠান, হাসপাতাল, ব্যাংক সহ অন্যান্য অর্থনৈতিক প্রতিষ্ঠান, স্বাস্থ্য সেবা প্রদানকারী প্রতিষ্ঠান, হেলথ সার্ভিস প্রোভাইডার, হেলথ সার্ভিস রিসার্চ অর্গানাইজেশন, এবং খুব অল্প পরিসরে সরকারি ক্ষেত্রগুলিতে ডেটা সায়েন্টিস্ট হায়ার করা হচ্ছে।

আমার অভিজ্ঞতায় এবং মার্কেটের ট্রেন্ড অনুযায়ী যতটুকু দেখেছি — মিড লেভেল ও মিড সিনিয়র লেভেলে হায়ারিং এখন পর্যন্ত বেশি। আর নতুনদের জন্য চাকরির বাজার ধীরে ধীরে বাড়ছে। এর কারণ হলো অধিকাংশ ক্ষেত্রেই হায়ারিং ম্যানেজাররা নিজেরাই ডেটা সায়েন্স সম্পর্কে খুব বেশি অবগত নন। তারা ট্রেডিশনাল অ্যানালিটিকসে অভিজ্ঞ। যদিও এতদিনে তারাও ডেটা সায়েন্স এবং এ সম্পর্কিত অগ্রগতি সম্পর্কে নিজেদেরকে অবহিত করে নিয়েছে বা সে প্রকৃয়ার মধ্যে দিয়ে যাচ্ছে। ‌ যে কারণে হুট করে ফ্রেশ গ্রাজুয়েটদের হায়ার করতে তারা স্বস্তিবোধ করে না। তবে এ ‌পরিস্থিতির পরিবর্তন হচ্ছে। ‌অর্গানাইজেশন গুলো নতুন এই ধারায় নিজেদেরকে দ্রুত এডাপ্ট করে নিচ্ছে। সে কারণে মিড এবং সিনিয়র পজিশনে ডেটা সায়েন্টিস্টরা এসব প্রতিষ্ঠানে ঢুকতে পারছে। আর তাদের যুক্ত হওয়ার সাথে সাথে নতুন গ্রাজুয়েট বা ডেটা সায়েন্সে যারা ফ্রেশ তাদের প্রয়োজনীয়তা অর্গানাইজেশনের উপরের লেভেলে বোঝানোর সুযোগ সৃষ্টি হয়েছে ফলে অর্গানাইজেশনে নতুনদেরও ঢোকার হার বাড়ছে‌।

ডেটা সায়েন্স আপনার জন্য সঠিক ক্যারিয়ার কী-না?

২০১৫ এবং তৎপরবর্তী সময়কালে বলা হতো যে কেউই ডেটা সায়েন্স ফিল্ডে সুইচ করতে পারে।

ব্যাপারটি তখন যত সহজে বলা হতো বাস্তবতার নিরিখে এখন তেমনটি বলা যায় বলে আমি মনে করি না।

ডেটা সায়েন্স একটা স্পেশালাইজড ফিল্ড। কারণ এখানে গল্প লিখতে হয় ডেটা দিয়ে। আর লেখার অনুষঙ্গ হিসেবে কাগজ আর কালির বদলে আছে কম্পিউটার ও প্রোগ্রামিং ল্যাংগুয়েজ। এখানে সফলভাবে সুইচ করতে গেলে যথেষ্ট দক্ষতার প্রয়োজন রয়েছে।

সেই প্রস্তুতি শুধুমাত্র বিশ্ববিদ্যালয়ের ডিগ্রি কিংবা কোন বুট ক্যাম্প এর সার্টিফিকেট দিয়ে পুরণ হয় না।

ডিগ্রী কিংবা সার্টিফিকেট এর সাথে ব্যবহারিক কাজের অভিজ্ঞতা এবং সেসবের প্রমাণাদির মূল্য এখানে যথেষ্ট। বললে অতিরিক্ত বলা হবে না যে ব্যবহারিক কাজের অভিজ্ঞতার মূল্য সবচেয়ে বেশি। হ্যাঁ, এমনকি বিশ্ববিদ্যালয়ের বড় বড় ডিগ্রির চেয়েও বেশি।

তবে এটি বললে ভুল হবে যে বিশ্ববিদ্যালয়ের ডিগ্রির মূল্য কমে গিয়েছে। যারা এমনটি বলছেন তারা কেবলমাত্র কিছু নির্দিষ্ট ধরনের ডেটা সায়েন্স এর অ্যাপ্লিকেশনের কথা বুঝিয়ে থাকেন।

এই ব্যাপারটি আমাদেরকে খেয়াল রাখতে হবে যে, যে যা বলুক না কেন, এমনকি আমিও যা বলছি সেটি একটি নির্দিষ্ট পার্সপেক্টিভ থেকে বলছি। অতএব এই মন্তব্য গুলো কিংবা পত্রপত্রিকায় আমরা প্রায়ই যেসব চটকদার কথাবার্তা শুনতে পাই সেগুলো কেবলমাত্র গুটি কতক ক্ষেত্রে সত্যি। এ ধরনের চটকদার মন্তব্যকে জেনারালাইজ করা উচিত নয়। করলে সেটি ভুল করা হবে।

সংক্ষেপে বলা যায় ডেটা সায়েন্স আগের মত হট টপিক নয়। হট না হলেও এটিই এ সময়ের জনপ্রিয় কেরিয়ার চয়েস সেটা বলা যেতে পারে। ‌ অর্থাৎ ডেটা অ্যানালিটিকস এবং ডেটা নিয়ে কাজ করার দক্ষতা আছে এরকম মানুষের ডেটা সায়েন্স ফিল্ডে ঢোকার সুযোগ রয়েছে এবং অপরচুনিটি অনেক ডাইভার্স।

ডেটা সায়েন্সে ঢোকার প্রতিবন্ধকতা কী?

আমার অভিজ্ঞতায় দেখেছি ডেটা সায়েন্স ফিল্ডে একাডেমিক ডিগ্রী যারা সম্পন্ন করছেন তাদের জন্য এখন এন্ট্রি লেভেলে ঢোকার সুযোগ এক-দুই বছর আগের তুলনায় বেড়েছে।‌

ইন্ডাস্ট্রি গুলো এবং তাদের হায়ারিং ম্যানেজাররা ইদানিং ফ্রেশ গ্রাজুয়েটদের নিচ্ছে যেমনটি উপরে উল্লেখ করেছি। হায়ার করার পর এরকম ফ্রেশ গ্রাজুয়েটদের কোন মিশন ক্রিটিকাল জব এর দায়িত্ব দেয়া হয় না। অধিকাংশ সময়ই তারা অভিজ্ঞ ডেটা সায়েন্টিস্টদের সাথে জুনিয়র ডেটা সায়েন্টিস্ট হিসেবে কাজ শুরু করে। ‌

এ তো গেল এন্ট্রি লেভেল জবের কথা। মিড সিনিয়র লেভেলের ডেটা সায়েন্টিস্ট পজিশনে তাদেরকে হায়ার করা হয় যাদের ইন্ডাস্ট্রিতে ব্যবহারিক কাজের অভিজ্ঞতা রয়েছে। একাডেমিক কাজের অভিজ্ঞতা এখানে খুব গুরুত্ব পায় না। তবে স্পেশালাইজড পজিশনের জন্য একাডেমিক ব্যাকগ্রাউন্ড খুবই গুরুত্বপূর্ণ। তবে সেই সাথে ইন্ডাস্ট্রির অভিজ্ঞতা থাকলে সেটি সোনায় সোহাগা।

বড় বড় অর্গানাইজেশন গুলোতে সাধারনত ডেটা সাইন্স বলতে দুই ধরনের কাজ বোঝানো হয়।

একটি মেশিন লার্নিং। আরেকটি স্ট্যাটিস্টিকাল ডেটা সায়েন্স।

এই ডিস্টিংশন টি গুরুত্বপূর্ণ। শুরুর দিকে সবকিছুকেই ডেটা সায়েন্স বলে চালানো হয়েছে। আমরা যারা পরিসংখ্যান ব্যাকগ্রাউন্ডের তারা জানতাম ডেটা সায়েন্স আসলে পরিসংখ্যান ব্যতীত কিছুই নয়। প্রকৃতপক্ষে ডেটা সায়েন্সের সায়েন্স অংশটি আসলে স্ট্যাটিসটিক্যাল। ‌মানে সায়েন্স অংশটি বাস্তবায়ন করা হয় মূলত স্ট্যাটিস্টিকাল মেথডলজি দিয়ে। ‌ সৌভাগ্যবশত এই ধারণাটি এখন আগের চেয়ে স্বচ্ছ হয়েছে এবং দিনে দিনে এই দুটি ধারার মধ্যে পার্থক্য স্পষ্ট হচ্ছে।

এখন ইন্ডাস্ট্রিতে অধিকাংশ ক্ষেত্রে ডেটা সায়েন্স বলতে যা বোঝানো হচ্ছে সেখানে স্ট্যাটিস্টিকাল ব্যাকগ্রাউন্ড এর ক্যান্ডিডেটরা উপযোগী। আর যারা কম্পিউটার সায়েন্স ব্যাকগ্রাউন্ড থেকে আসে তারা মেশিন লার্নিং ও আর্টিফিশিয়াল ইন্টেলিজেন্স এর জব গুলোর জন্য বেশি উপযোগী।

এই দুই ধারার ডেটা সায়েন্টিস্টরা কর্মক্ষেত্রে কী কী কাজ করে থাকে সে সম্পর্কে আমি আগে লিখেছিলাম। এই লিংকে গেলে পাওয়া যাবে।

মূলত মেশিন লার্নিং ইঞ্জিনিয়াররা মডেল ডেভেলপ করা এবং সে গুলোকে ফাইন টিউন করা ও সেগুলোকে প্রোডাকশন এনভারমেন্ট ডিপ্লয় করা সম্পর্কিত কাজের সাথে জড়িত থাকে।

অন্যদিকে ডেটা সায়েন্টিস্টরা বিজনেস প্রবলেম বুঝে নিয়ে সে সম্পর্কিত প্রশ্নগুলোকে এক্সপেরিমেন্টের মাধ্যমে টেস্ট করার জন্য ফ্রেমওয়ার্ক ডেভালাপ করে। সেইসাথে দেস্ক্রিপটিভ এবং প্রেস্ক্রিপটিভ এনালিসিস করে মার্কেটিং ডিপার্টমেন্ট বা এরকম ডিপার্টমেন্টের কাছে ইনসাইট সরবরাহ করে।

উদাহরণস্বরূপ, হেলথ কেয়ার এবং ব্যাংকিং সেক্টর সহ প্রায় সকল ডিসিপ্লিনেই কজাল এফেক্ট জানতে চাওয়া হয়। অর্থাৎ কোন একটি ঘটনা কেন হচ্ছে বা কী কী কারণ এর জন্য দায়ী সেগুলো বের করা প্রধানতম লক্ষ্য। উদাহরণস্বরূপ হাসপাতলে একটি বিশেষ গ্রুপের পেশেন্টের সারভাইভাল রেট কী কারণে বাড়ে বা কমে, কেন কাস্টমাররা কন্ট্রাক্ট রিনিউ করছে না, কী কী ইন্সেন্টিভ দিলে কাস্টমাররা আরও বেশি বিজনেসের সাথে ইনভলভড হবে, প্রোগ্রাম এভালুয়েশন বা ইন্টারভেনশন ইম্প্যাক্ট অ্যাসেসমেন্ট — এগুলো ডেটা সায়েন্স এর অ্যাপ্লিকেশন।

আর এ ধরনের সাইন্টিফিক ইনভেস্টিগেশন এর জন্য স্ট্যাটিস্টিকাল পদ্ধতি এবং মেথডলজির ব্যবহার অবশ্যম্ভাবী। যে কারণে স্ট্যাটিসটিকস ব্যাকগ্রাউন্ডের শিক্ষার্থীরা ডেটা সায়েন্স এর এরকম নির্দিষ্ট অ্যাপ্লিকেশন এরিয়াতে জব পাওয়ার সুযোগ আছে।

অন্য ফিল্ড থেকে সফলভাবে সুইচ করতে চাইলে

এ তো গেল এন্ট্রি লেভেল এবং মিড সিনিয়র লেভেল পজিশন এর কথা। তাহলে যারা অন্য ডিসিপ্লিন থেকে ডেটা সায়েন্সে সুইচ করতে চাচ্ছে তারা কীভাবে এই ফিল্ডে সুইচ করবে?

এটি খুব গুরুত্বপূর্ণ একটি প্রশ্ন। একজন তার পুরনো ক্যারিয়ার থেকে সুইচ করে ডেটা সায়েন্স ফিল্ডে আসতে চাচ্ছে। এটি আসলে কতটা সঠিক সিদ্ধান্ত সেটির উত্তর দেয়া সহজ নয়। তবে সফল ভাবে সুইচ করতে চাইলে কিভাবে সেটি করা যেতে পারে তা সংক্ষেপে বলছি।

প্রথমত দেখতে হবে আপনার বর্তমান ফিল্ডের কোন কোন দিকগুলিতে ডাটা ভিত্তিক সিদ্ধান্ত গ্রহণের সুযোগ রয়েছে।

আরো সহজ ভাষায় বললে আপনার স্পেশালিটি এরিয়ার কোন অ্যাপ্লিকেশনগুলো করতে গেলে ডাটা এনালাইসিস করতে হয় এবং মডেলিং করতে হয় বা ডেটা ব্যবহার করে সিদ্ধান্ত গ্রহণ করতে হয় সেই ফোকাস এরিয়াতে আপনি সুইচ করতে পারেন। সেরকম কিছু যদি পাওয়া যায় তাহলে আপনার পড়াশুনা, গবেষণা এবং ট্রেইনিংগুলো যেন সেদিকে হয় তার প্রস্তুতি নিতে হবে।

যেহেতু প্রায় সব ইন্ডাস্ট্রি এখন ডেটা ভিত্তিক সিদ্ধান্ত গ্রহণের দিকে এগুচ্ছে, আপনি বিজ্ঞানের বা সমাজবিজ্ঞানের বা চিকিৎসা বিজ্ঞানের যে শাখায়ই কাজ করেন না কেন ডেটা ব্যবহার করে সিদ্ধাবন্ত নেয়া বা ডেটা এনালিটিক্স এর অ্যাপ্লিকেশন পাবেন।‌ আর তাই নিজের ফিল্ডে থেকেই ডেটা অ্যানালিটিকস-এর ট্রেনিং নিয়ে কিংবা ক্যারিয়ার ডেভেলপমেন্ট এর জন্য অতিরিক্ত কিছু কোর্স ওয়ার্ক করে নিজেকে প্রস্তুত করতে পারেন।

নিজের ফিল্ড থেকে ডাটা অ্যানালিটিক্স এর কাজে ট্রানজিশন করার সুবিধা দুটি। ‌ এক — আপনি আপনার ফিল্ড সম্পর্কে খুব ভালোমত জানেন। ফলে আপনাকে নতুন করে বিজনেস নলেজ শিখতে হচ্ছে না। দুই — এনালিটিক্স টুল গুলো ব্যবহার করে সেই সাথে আপনার নিজস্ব ডোমেইন এর জ্ঞান ব্যবহার করে আপনি যেরকম অবদান রাখতে পারবেন অন্য ফিল্ড থেকে এসে কোন পার্টিকুলার ফিল্ডে কারও পক্ষে অবদান রাখা তার থেকে বেশি কঠিন হবে। ‌

অর্থাৎ আপনার ফিল্ডে অ্যাপ্লিকেশনের জন্য যদি নিজেকে অ্যানালিটিকস এক্সপার্ট হিসেবে প্রস্তুত করেন তাহলে আপনার ক্যারিয়ার প্রগ্রেশন সহজ হবে। আমার মতে এটি হবে আপনার জন্য স্মুথ ট্রানজিশন।

মূলকথা হলো নিজের ফিল্ডেই ডেটা সায়েন্সের অ্যাপ্লিকেশন খুঁজে বের করতে হবে এবং সেই সমস্যাগুলো সমাধান করার জন্য নিজেকে প্রস্তুত করতে হবে।

নিজের ফিল্ডে থেকে ডেটা সায়েন্স এর সুইচ করার ব্যাপারে আমি এত জোর কেন দিচ্ছি সেটি বলছি। ‌ আপনার ব্যাকগ্রাউন্ড যদি ইলেকট্রিক্যাল ইঞ্জিনিয়ারিং হয় আপনাকে কখনোই হেলথ কেয়ার ডাটা সায়েন্স রোলে হায়ার করবে না। অর্থাৎ ইঞ্জিনিয়ারিং ফিল্ড থেকে আপনি সরাসরি সম্পূর্ণ নতুন এবং আপনার পূর্ববর্তী কাজের সাথে সম্পর্কহীন একটি ফিল্ড যেমন হেলথকেয়ার সেখানে কাজ করতে পারবেন না।

আপনি তখনই সুইচ করতে পারবেন যখন ইঞ্জিনিয়ারিং ফিল্ডে থেকে আপনি হেলথ কেয়ার সম্পর্কিত কোনো একটি কাজের সাথে সংশ্লিষ্ট থাকবেন এবং হেলথ কেয়ার সম্পর্কিত সমস্যাগুলো সম্পর্কে কিছুটা ধারণা এবং বাস্তব কাজের অভিজ্ঞতা অর্জন করবেন।

মোদ্দাকথা কোন একটি ফিল্ডে ট্রানজিশনের জন্য সেই ফিল্ড সম্পর্কে কাজের অভিজ্ঞতা খুবই দরকারী। এই অভিজ্ঞতা গুলো হতে পারে সংশ্লিষ্ট ফিল্ডের কোন সমস্যা নিয়ে গবেষণা করার মাধ্যমে। কিংবা সেরকম কোন কোম্পানিতে ইন্টার্নশিপ করার মাধ্যমে। ইন্টার্নশিপ করার ফলে আপনি নতুন ফিল্ড সম্পর্কে কিছুটা ধারণা পাবেন যেটি আপনি পরবর্তিতে চাকরির অ্যাপ্লিকেশন এর সময় উল্লেখ করতে পারবেন।

পরিশেষে বলা যায় ক্যারিয়ার সুইচ করতে চাইলে সেই নতুন ফিল্ড আপনাকে আগে বেছে নিতে হবে। আপনি যদি হেলথকেয়ার কে বেছে নেন সেটি একটি উদাহরণ হতে পারে। আবার যদি ফাইন্যান্স কে বেছে নেন সেটি একটি উদাহরণ হতে পারে। ‌ তবে সবচেয়ে ভালো হবে সুইচ করার সময় মোটামুটি রেলেভান্ট এবং কাছাকাছি অর্থাৎ আপনার পূর্ববর্তী কাজ কিংবা শিক্ষার সাথে মোটামুটি সংশ্লিষ্টতা আছে এরকম ফিল্ডে সুইচ করার চেষ্টা করা। এর ফলে হায়ারিং ম্যানেজারদের কে কনভিন্স করা সহজ হবে।

লাইক ও শেয়ার করুন

এই লেখাটি ভাল লাগলে কিংবা দরকারি মনে হলে লাইক ও শেয়ার করতে ভুলবেন না। ধন্যবাদ।

লেখক সম্পর্কে

Enayetur Raheem is a Data Scientist and Statistician with nearly two decades of experience in academia and industry combined. Currently, as a Senior Data Scientist, he provides strategic guidance for the development, validation, and use of algorithms for data based decision making in a health service company in the USA. Follow him on LinkedIn, Facebook, and Twitter