¿Se necesitan científicos de datos en el mundo del análisis de autoservicio? – VERSIDAD DE DATOS

A medida que el mundo se basa cada vez más en los datos, las empresas recurren al análisis de autoservicio para permitir que los usuarios empresariales realicen sus propias tareas de análisis de datos. En el análisis de autoservicio, los usuarios comerciales pueden acceder a los datos y analizarlos sin la asistencia o el apoyo del personal de TI o los científicos de datos. El acceso directo a las plataformas de análisis basadas en ML les permite tomar mejores decisiones comerciales al analizar el comportamiento del cliente o al identificar tendencias en tiempo real. 

En los últimos cinco años, los sistemas de software completamente automatizados y semiautomáticos han brindado servicios más confiables. Analytics e informes de inteligencia empresarial (BI) que los científicos de datos humanos. A medida que la tecnología de BI impulsada por inteligencia artificial se dirige hacia el autoservicio completo, una preocupación general en la comunidad de ciencia de datos es si en un mundo de análisis de autoservicio en constante crecimiento, Los científicos de datos humanos se volverán obsoletos debido a la presencia de herramientas de BI y análisis superinteligentes.

¿Son el análisis de autoservicio y la inteligencia empresarial un mito?

En la actualidad, muchas tareas de análisis e inteligencia comercial están a cargo de plataformas de análisis semiautomáticas o completamente automatizadas, especialmente aquellas con tecnología de AI y herramientas de aprendizaje automático (ML). Es interesante notar que los científicos de datos humanos dominaron el área de la minería de datos hasta que las herramientas avanzadas habilitadas para ML recientemente se hicieron cargo de muchas tareas. Técnicas de minería de datos vigilados de cerca por expertos humanos durante años ahora han sido reemplazados repentinamente por herramientas avanzadas de ML. Estas herramientas pueden detectar patrones en los datos, establecer correlaciones y extraer los conocimientos necesarios según lo necesiten los usuarios comerciales comunes.

El BI de autoservicio no es un mito, ya que las empresas actuales de todos los tamaños utilizan rutinariamente algoritmos de aprendizaje automático para la toma de decisiones rentables. La economía de los algoritmos llegó para quedarse. Hay dos ventajas obvias de usar algoritmos empaquetados para análisis de negocios: el costo y la disponibilidad instantánea.

Todavía son visibles dos tendencias marcadas que hace mucho tiempo definieron el mundo de la inteligencia empresarial de autoservicio: la profunda fascinación por el análisis de un botón en lugar de la función de análisis de codificación, y la preocupación por los repositorios de datos virtuales.

El papel de los científicos de datos en el mundo del análisis de autoservicio

Si bien la "cultura de datos" se está extendiendo rápidamente, los científicos de datos aún agregan valor al negocio al aprovechar la tecnología para brindar soluciones más rápidas y precisas para todo tipo de usuarios.

La revolución de BI de autoservicio lleva a los científicos de datos al corredor comercial, donde discuten problemas de análisis complejos con otros empleados. El tremendo crecimiento de científicos de datos ciudadanos y las herramientas de aprendizaje automático han resultado en el aumento de análisis de autoservicio y BI de autoservicio. Este VERSIDAD DE DATOS® El artículo describe un viaje de la vida real a la práctica comercial de BI de autoservicio actual. Señala que las herramientas automatizadas basadas en la nube han arrebatado los roles de análisis empresarial y científicos de datos y los han puesto en manos de científicos de datos ciudadanos. Sin embargo, solo un científico de datos está calificado para cerrar la brecha entre la "inteligencia en bruto" extraída de las plataformas inteligentes y los conocimientos fáciles de tomar decisiones que se muestran a través de los tableros. El usuario comercial promedio puede lograr algo más que filtrar y agrupar datos en el mundo del autoservicio, pero no puede lograr tareas de visualización avanzadas.

Aún preparación y extracción de datos siguen siendo los mayores desafíos en las plataformas de BI automatizadas y las complejas interrelaciones entre muchas tecnologías relacionadas como Hadoop, Big Data, y el descubrimiento de datos representan una amenaza para el acceso, el uso y la comprensión de la tecnología en el mundo del autoservicio. “BI asistida” puede ser un mejor término para describir el futuro de la inteligencia empresarial de autoservicio. Además, la seguridad de los datos y el gobierno de datos resultaron ser problemas desafiantes en el mundo de BI de autoservicio, para el cual las empresas han tenido que elegir entre plataformas de BI más avanzadas o profesionales de datos costosos y bien capacitados.

El auge de los científicos de datos ciudadanos en análisis de autoservicio

Hoy en día, los usuarios empresariales normales necesitan plataformas de autoservicio para realizar su trabajo de forma rápida y sencilla. La principal razón de este cambio empresarial transformador hacia la BI de autoservicio fue la inminente brecha de talento en la profesión de ciencia de datos pronosticada por McKinsey hace muchos años.

Muy rápidamente, las empresas comenzaron a explorar soluciones para esta brecha de mano de obra, una de las cuales era adquirir, construir e implementar análisis de autoservicio y plataformas de BI para satisfacer sus necesidades internas. Por supuesto, fusionar tecnologías como cloud, IoT y grandes volúmenes de datos también fortaleció la “viabilidad” de las plataformas de autoservicio a largo plazo. En este mundo analítico autodirigido recientemente desarrollado, el científico de datos ciudadano es visto como un socio y colaborador del científico de datos capacitado.

El científico de datos como colaborador en una plataforma de BI de pensamiento propio

En la actualidad, las soluciones de inteligencia comercial atienden a dos segmentos de consumidores muy dispares: usuarios comerciales comunes y equipos profesionales de TI. Si bien los usuarios comerciales están entusiasmados con la idea de volverse autosuficientes en análisis de rutina o tareas de BI, los miembros del equipo de TI también están entusiasmados con la extracción más rápida de conocimientos profundos con el uso de herramientas de BI automatizadas o semiautomáticas.

An AnalyticsInsights.net El artículo explora si los científicos de datos humanos desaparecerán de la empresa con el repentino ascenso del científico de datos ciudadano. Hay un fuerte indicio en este artículo de que finalmente llegará el día en que el usuario comercial promedio, junto con las plataformas ML súper poderosas, eventualmente puede reemplazar a la comunidad de ciencia de datos por completo. 

Según el Foro Económico Mundial, aunque las recientes disrupciones tecnológicas amenazan los puestos administrativos en todo el mundo, los analistas de datos estarán en demanda a largo plazo para ayudar a las plataformas de inteligencia empresarial de autoservicio.

BI de autoservicio o BI asistido: ¿cuál es más alcanzable?

Las empresas necesitan encontrar usuarios que entiendan tanto la tecnología como los procesos comerciales para garantizar su éxito en el mundo del análisis. En el mundo del análisis inteligente, las empresas buscan constantemente herramientas y soluciones que les ayuden a dar sentido a las enormes cantidades de datos que generan. Sin embargo, los procesos de análisis mal administrados pueden generar conocimientos inexactos y una mala toma de decisiones. 

Aquí es donde entran los científicos de datos necesarios: poseen las habilidades necesarias para extraer información significativa de los datos sin procesar e interpretar correlaciones de datos complejas que pueden no ser obvias para el usuario promedio. Si bien la inteligencia artificial y otras tecnologías han logrado avances significativos en los últimos años, todavía se necesitan científicos de datos humanos que puedan aportar una perspectiva única a la mesa.

La comunidad de Data Science juega un papel importante en el avance de nuestra comprensión de los datos y en la creación de nuevas herramientas para el análisis y el descubrimiento en este mundo de BI en constante evolución. economía de algoritmos está empujando a las comunidades empresariales hacia "percepciones" a partir de información simple. Sin embargo, la actividad central que brinda información comercial es el análisis, y sin análisis avanzados o herramientas de BI, las empresas se encaminarán al fracaso en el mundo futuro de la competencia global. Aquí es donde Analítica embebida ven a jugar. En un proyecto de análisis integrado, se requieren conocimientos analíticos y mano de obra calificada de principio a fin. Se necesitarán análisis asistidos junto con el autoservicio en el mundo empresarial cada vez más competitivo.

Las plataformas de análisis de autoservicio se perciben como un "arma de doble filo". Si bien la facilidad y el poder de BI de autoservicio son innegables, la capacidad de mantenimiento a largo plazo de estas plataformas en términos de seguridad de datos, gobierno de datos y derrame de datos plantea un gran desafío. La implicación es que se requerirán equipos de TI altamente calificados para mantener estos sistemas.

Riesgos y beneficios de la BI de autoservicio

El mayor beneficio de la plataforma de BI y análisis de autoservicio es que permite a los usuarios comerciales comunes convertirse en científicos de datos ciudadanos. Mientras realizan sus funciones diarias dentro de estrictas limitaciones de tiempo, los usuarios comerciales sin duda encuentran que las plataformas de autoservicio son prácticas y accesibles para obtener  sus trabajos hechos sin mucho alboroto.

La mayor desventaja o "riesgo" de una plataforma de autoservicio es que los usuarios pueden no obtener información de los datos disponibles, malinterpretar los resultados o aplicar mal la información. Mientras que el experto en datos humanos sabe cómo hablar con la máquina en caso de problemas, el usuario comercial promedio no tiene tales habilidades. En muchas situaciones, el ciudadano científico de datos todavía se ve obligado a recurrir a los verdaderos científicos de datos en busca de ayuda y apoyo.

La explosión de datos, el aumento de los tipos de datos, las tecnologías emergentes y la nube han compuesto los desafíos del análisis de autoservicio, a pesar de la preparación de datos y las herramientas de acceso a datos. Además, hay problemas que deben abordarse relacionados con la seguridad de los datos y el gobierno de datos en las plataformas de análisis de autoservicio. Dicho todo esto, se puede presentar un caso sólido para un "marco de BI distribuido" con plena atención a los problemas de seguridad y gobernanza.

Conclusión

En el mundo del análisis de autoservicio, todavía se necesitan científicos de datos para mejorar la inteligencia comercial y ayudar a las empresas a tomar mejores decisiones comerciales. Si bien las plataformas de análisis de autoservicio permiten a los usuarios acceder y analizar datos por su cuenta, está limitada por el conocimiento del usuario de las metodologías analíticas. Los científicos de datos pueden mejorar las actividades de BI mediante el uso de análisis predictivos y herramientas poderosas de ML para generar información predictiva. 

En el mundo del análisis de autoservicio, los empresarios ahora asumen más responsabilidad por sus propias necesidades de datos. Sin embargo, todavía necesitan equipos de expertos en datos para encontrar soluciones. Los científicos de datos siguen siendo importantes en este mundo, ya que los usuarios necesitan que tengan información al alcance de la mano cuando hacen preguntas.

Si bien las herramientas de análisis de autoservicio pueden ayudar a los usuarios comerciales a realizar tareas de análisis básicas, se necesitan científicos de datos para ayudar a estos mismos usuarios a realizar tareas más complejas y realizar análisis profundos. 

Imagen utilizada bajo licencia de Shutterstock.com

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• EVM Finanzas. Interfaz unificada para finanzas descentralizadas. Accede Aquí.
• Grupo de medios cuánticos. IR/PR amplificado. Accede Aquí.
• PlatoAiStream. Inteligencia de datos Web3. Conocimiento amplificado. Accede Aquí.
• Fuente: https://www.dataversity.net/data-scientists-needed-self-service-analytics-world/