I data scientist sono necessari nel mondo dell'analisi self-service? - DATAVERSITÀ

I data scientist sono necessari nel mondo dell'analisi self-service? – DATAVERSITÀ

Timestamp: 14 giugno 2023 3:35
Nodo di origine: 2731292
analisi self-serviceanalisi self-service

Mentre il mondo diventa sempre più basato sui dati, le aziende si rivolgono all'analisi self-service per consentire agli utenti aziendali di eseguire le proprie attività di analisi dei dati. Nell'analisi self-service, gli utenti aziendali possono accedere e analizzare i dati senza l'assistenza o il supporto del personale IT o dei data scientist. L'accesso diretto alle piattaforme di analisi basate su ML consente loro di prendere decisioni aziendali migliori analizzando il comportamento dei clienti o identificando le tendenze in tempo reale. 

Negli ultimi cinque anni, i sistemi software completamente automatizzati e semiautomatici hanno fornito risultati più affidabili analitica e report di business intelligence (BI) rispetto agli scienziati di dati umani. Mentre la tecnologia BI basata sull'intelligenza artificiale si dirige verso il self-service completo, una preoccupazione generale nella comunità di Data Science è se in un mondo di analisi self-service in continua crescita, gli scienziati dei dati umani diventeranno obsoleti a causa della presenza di strumenti di analisi e BI super intelligenti.

L'analisi self-service e la business intelligence sono un mito?

Attualmente, molte attività di analisi e business intelligence sono gestite da piattaforme di analisi semiautomatiche o completamente automatizzate, in particolare quelle alimentate da AI e strumenti di machine learning (ML). È interessante notare che gli scienziati dei dati umani hanno dominato l'area del data mining fino a quando strumenti avanzati abilitati per ML non hanno assunto molte attività. Tecniche di data mining gelosamente sorvegliati da esperti umani per anni sono stati improvvisamente sostituiti da strumenti ML avanzati. Questi strumenti possono rilevare modelli nei dati, stabilire correlazioni ed estrarre le informazioni necessarie in base alle esigenze dei normali utenti aziendali.

La BI self-service non è un mito, poiché le aziende attuali di tutte le dimensioni utilizzano abitualmente pacchetti algoritmi di apprendimento automatico per decisioni proficue. L'economia dell'algoritmo è qui per restare. Ci sono due ovvi vantaggi nell'utilizzo di algoritmi compressi per l'analisi aziendale: il costo e la disponibilità immediata.

Sono ancora visibili due tendenze marcate che molto tempo fa hanno definito il mondo della business intelligence self-service: il profondo fascino per l'analisi del pulsante di clic piuttosto che per la funzione di analisi del codice e la preoccupazione per i repository di dati virtuali.

Il ruolo dei data scientist nel mondo dell'analisi self-service

Mentre la "cultura dei dati" si sta rapidamente diffondendo, i data scientist stanno ancora apportando valore aggiunto al business sfruttando la tecnologia per fornire soluzioni più rapide e accurate a tutti i tipi di utenti.

La rivoluzione della BI self-service porta i data scientist nel corridoio aziendale, dove discutono problemi di analisi complessi con altri dipendenti. L'incredibile crescita di Citizen data scientist e gli strumenti di apprendimento automatico hanno portato all'aumento dell'analisi self-service e della BI self-service. Questo DATAVERSITÀ® L'articolo descrive un viaggio nella vita reale nella pratica aziendale della BI self-service oggi. Sottolinea che gli strumenti automatizzati basati su cloud hanno strappato i ruoli dell'analisi aziendale e dei data scientist e li hanno messi nelle mani dei data scientist dei cittadini. Tuttavia, solo un data scientist è qualificato per colmare il divario tra l'"intelligenza grezza" estratta da piattaforme intelligenti e le intuizioni utili alle decisioni trasmesse tramite dashboard. L'utente aziendale medio può ottenere qualcosa di più del semplice filtraggio e raggruppamento dei dati nel mondo self-service, ma non può eseguire attività di visualizzazione avanzate.

Preparazione ed estrazione dei dati ancora rimangono le maggiori sfide nelle piattaforme BI automatizzate e le complesse interrelazioni tra molte tecnologie correlate come Hadoop, grandi dati, e la scoperta dei dati rappresentano una minaccia per l'accesso, l'uso e la comprensione della tecnologia nel mondo del self-service. "BI assistita" potrebbe essere un termine migliore per descrivere il futuro della business intelligence self-service. Inoltre, la sicurezza dei dati e la governance dei dati si sono rivelate questioni impegnative nel mondo della BI self-service, per il quale le aziende hanno dovuto scegliere tra piattaforme di BI più avanzate o professionisti dei dati costosi e ben addestrati.

L'ascesa dei data scientist cittadini nell'analisi self-service

Oggi, i normali utenti aziendali hanno bisogno di piattaforme self-service per svolgere il proprio lavoro in modo rapido e semplice. La ragione principale di questo passaggio aziendale trasformativo verso la BI self-service è stata l'imminente carenza di talenti nella professione di Data Science prevista da McKinsey molti anni fa.

Molto rapidamente, le aziende hanno iniziato a esplorare soluzioni a questa carenza di manodopera, una delle quali era l'approvvigionamento, la creazione e l'implementazione di piattaforme di analisi e BI self-service per soddisfare le proprie esigenze interne. Naturalmente, la fusione di tecnologie come nuvola, IoT e Big Data ha anche rafforzato la "vitalità" delle piattaforme self-service nel lungo periodo. In questo mondo analitico autonomo e di nuova concezione, il data scientist cittadino è visto come partner e collaboratore del data scientist esperto.

Il Data Scientist come collaboratore su una piattaforma di BI autopensante

Attualmente, le soluzioni di business intelligence si rivolgono a due segmenti di consumatori molto diversi: utenti aziendali ordinari e team IT professionali. Mentre gli utenti aziendali sono entusiasti di diventare autosufficienti nell'analisi di routine o nelle attività di BI, i membri del team IT sono anche entusiasti di un'estrazione più rapida di informazioni approfondite con l'uso di strumenti di BI automatizzati o semi-automatizzati.

An AnalyticsInsights.net l'articolo esamina se i data scientist umani scompariranno dall'azienda con l'improvvisa ascesa del citizen data scientist. C'è un forte suggerimento in questo articolo che finalmente arriverà un giorno in cui l'utente aziendale medio, insieme a piattaforme ML super potenti, potrebbe eventualmente sostituire del tutto la comunità di Data Science. 

Secondo il World Economic Forum, sebbene le recenti interruzioni tecnologiche stiano minacciando i posti di lavoro dei colletti bianchi in tutto il mondo, gli analisti di dati saranno richiesti a lungo termine per aiutare le piattaforme di business intelligence self-service.

BI self-service o BI assistita: quale è più realizzabile?

Le aziende hanno bisogno di trovare utenti che comprendano sia la tecnologia che i processi aziendali per garantire il loro successo nel mondo dell'analisi. Nel mondo dell'analisi intelligente, le aziende sono costantemente alla ricerca di strumenti e soluzioni che le aiutino a dare un senso alle enormi quantità di dati che generano. Tuttavia, i processi di analisi gestiti in modo errato possono portare a informazioni imprecise e a un processo decisionale inadeguato. 

È qui che entrano in gioco i data scientist necessari: possiedono le competenze necessarie per estrarre informazioni significative dai dati grezzi e interpretare complesse correlazioni di dati che potrebbero non essere ovvie per l'utente medio. Mentre l'intelligenza artificiale e altre tecnologie hanno fatto passi da gigante negli ultimi anni, c'è ancora bisogno di data scientist umani che possano portare sul tavolo una prospettiva unica.

La comunità di Data Science svolge un ruolo importante nel far progredire la nostra comprensione dei dati e nella creazione di nuovi strumenti per l'analisi e la scoperta in questo mondo della BI in continua evoluzione. economia dell'algoritmo sta spingendo le comunità imprenditoriali verso "approfondimenti" da informazioni semplici. Tuttavia, l'attività principale che fornisce approfondimenti aziendali è l'analisi e senza analisi avanzate o strumenti di BI, le aziende andranno incontro al fallimento nel futuro mondo della concorrenza globale. Qui è dove analisi incorporate entrare in gioco. In un progetto di analisi integrata, sono necessarie conoscenze analitiche e manodopera qualificata dall'inizio alla fine. L'analisi assistita sarà necessaria insieme al self-service nel mondo degli affari sempre più competitivo.

Le piattaforme di analisi self-service sono percepite come "un'arma a doppio taglio". Mentre la facilità e la potenza della BI self-service sono innegabili, la manutenibilità a lungo termine di queste piattaforme in termini di sicurezza dei dati, governance dei dati e diffusione dei dati rappresenta una grande sfida. L'implicazione è che saranno necessari team IT altamente qualificati per mantenere questi sistemi.

Rischi e vantaggi della BI self-service

Il più grande vantaggio dell'analisi self-service e della piattaforma BI è che consente ai normali utenti aziendali di diventare data scientist cittadini. Pur svolgendo le loro funzioni quotidiane entro stretti limiti di tempo, gli utenti aziendali trovano sicuramente le piattaforme self-service a portata di mano e accessibili per ottenere  il loro lavoro è stato svolto senza troppi problemi.

Il più grande svantaggio o "rischio" di una piattaforma self-service è che gli utenti potrebbero non riuscire a ricavare informazioni dai dati disponibili, interpretare erroneamente i risultati o applicare erroneamente le informazioni. Mentre l'esperto di dati umani sa come parlare con la macchina in caso di problemi, l'utente business medio non ha tali competenze. In molte situazioni il data scientist cittadino è ancora costretto a rivolgersi ai veri data scientist per chiedere aiuto e supporto.

L'esplosione dei dati, l'aumento dei tipi di dati, le tecnologie emergenti e il cloud hanno composto le sfide dell'analisi self-service, nonostante la preparazione dei dati e gli strumenti di accesso ai dati. Inoltre, ci sono questioni che devono essere affrontate che coinvolgono la sicurezza dei dati e la governance dei dati nelle piattaforme di analisi self-service. Tutto sommato, è possibile sostenere con forza un "framework di BI distribuito" con la massima attenzione ai problemi di sicurezza e governance.

Conclusione

Nel mondo dell'analisi self-service, i data scientist sono ancora necessari per migliorare la business intelligence e aiutare le aziende a prendere decisioni aziendali migliori. Sebbene le piattaforme di analisi self-service consentano agli utenti di accedere e analizzare i dati autonomamente, ciò è limitato dalla conoscenza dell'utente delle metodologie analitiche. I data scientist possono migliorare le attività di BI utilizzando l'analisi predittiva e gli strumenti avanzati di ML per generare insight predittivi. 

Nel mondo dell'analisi self-service, gli uomini d'affari si stanno ora assumendo maggiori responsabilità per le proprie esigenze di dati. Tuttavia, hanno ancora bisogno di team di esperti di dati per trovare soluzioni. I data scientist sono ancora importanti in questo mondo, poiché gli utenti hanno bisogno che abbiano informazioni a portata di mano quando fanno domande.

Mentre gli strumenti di analisi self-service possono aiutare gli utenti aziendali a svolgere attività di analisi di base, i data scientist sono necessari per aiutare questi stessi utenti a svolgere attività più complesse e condurre analisi approfondite. 

Immagine utilizzata su licenza di Shutterstock.com

Timestamp:

Di più da VERSITÀ DEI DATI