האם דרושים מדעני נתונים בעולם אנליטיקה בשירות עצמי? - נתונים רב

ככל שהעולם הופך יותר ויותר מונע נתונים, עסקים פונים לניתוח בשירות עצמי כדי לאפשר למשתמשים עסקיים לבצע משימות ניתוח נתונים משלהם. בניתוח בשירות עצמי, משתמשים עסקיים יכולים לגשת ולנתח נתונים ללא סיוע או תמיכה מאנשי IT או מדעני נתונים. גישה ישירה לפלטפורמות ניתוח מבוססות ML מאפשרת להם לקבל החלטות עסקיות טובות יותר על ידי ניתוח התנהגות לקוחות או על ידי זיהוי מגמות בזמן אמת. 

בחמש השנים האחרונות, מערכות תוכנה אוטומטיות לחלוטין וחצי אוטומטיות סיפקו אמינות יותר ניתוח ודוחות בינה עסקית (BI) מאשר מדעני נתונים אנושיים. מכיוון שטכנולוגיית BI המופעלת על ידי בינה מלאכותית מתקדמת לקראת שירות עצמי מלא, דאגה כללית בקהילת Data Science היא האם ב- עולם הניתוח בשירות עצמי הולך וגדל, מדעני נתונים אנושיים יתיישנו עקב נוכחותם של כלי ניתוח וכלי BI סופר אינטליגנטיים.

האם אנליטיקה בשירות עצמי ובינה עסקית היא מיתוס?

נכון לעכשיו, משימות ניתוח ובינה עסקית רבות מטופלות על ידי פלטפורמות ניתוח חצי אוטומטיות או אוטומטיות לחלוטין, במיוחד כאלה המופעלות על ידי AI וכלי למידת מכונה (ML). מעניין לציין שמדעני נתונים אנושיים שלטו בתחום כריית הנתונים עד שלאחרונה כלים מתקדמים התומכים ב-ML השתלטו על משימות רבות. טכניקות כריית נתונים שמירה צמודה על ידי מומחים אנושיים במשך שנים הוחלפו כעת לפתע בכלי ML מתקדמים. כלים אלה יכולים לזהות דפוסים בנתונים, ליצור קורלציה ולחלץ את התובנות הנדרשות לפי הצורך על ידי משתמשים עסקיים רגילים.

BI בשירות עצמי אינו מיתוס, מכיוון שעסקים קיימים בכל הגדלים משתמשים באופן שגרתי באריזה אלגוריתמים למידת מכונה לקבלת החלטות רווחיות. כלכלת האלגוריתמים כאן כדי להישאר. ישנם שני יתרונות ברורים של שימוש באלגוריתמים ארוזים לניתוח עסקי: העלות והזמינות המיידית.

שתי מגמות בולטות שהגדירו לפני זמן רב את עולם המודיעין העסקי בשירות עצמי עדיין נראות לעין: הקסם העמוק מניתוח לחיצה על כפתור ולא מפונקציית ניתוח קידוד, והעיסוק במאגרי נתונים וירטואליים.

תפקידם של מדעני נתונים בעולם אנליטיקה בשירות עצמי

בעוד ש"תרבות הנתונים" מתפשטת במהירות, מדעני נתונים עדיין עושים תוספות ערך לעסק על ידי מינוף טכנולוגיה כדי לספק פתרונות מהירים ומדויקים יותר לכל סוגי המשתמשים.

מהפכת ה-BI בשירות עצמי מביאה מדעני נתונים למסדרון העסקי, שם הם דנים בסוגיות אנליטיות מורכבות עם עובדים אחרים. הצמיחה האדירה של מדעני מידע אזרחי וכלי למידת מכונה הביאו לעלייה של אנליטיקה בשירות עצמי ו-BI בשירות עצמי. זֶה DATAVERSITY® המאמר מתאר מסע בחיים האמיתיים לתוך הפרקטיקה העסקית של BI בשירות עצמי כיום. היא מציינת שכלים אוטומטיים מבוססי ענן חטפו את התפקידים של מדעני ניתוח עסקי ומדעני נתונים והכניסו אותם לידי מדעני נתונים אזרחיים. עם זאת, רק מדען נתונים מוסמך לגשר על הפער בין "אינטליגנציה גולמית" המופקת מפלטפורמות חכמות לבין תובנות ידידותיות להחלטות המופיעות דרך לוחות מחוונים. המשתמש העסקי הממוצע עשוי להשיג מעט יותר מסתם סינון וקיבוץ נתונים בעולם השירות העצמי, אך אינו יכול להשיג משימות ויזואליזציה מתקדמות.

הכנת נתונים ומיצוי עדיין נותרו האתגרים הגדולים ביותר בפלטפורמות BI אוטומטיות, ויחסי הגומלין המורכבים בין טכנולוגיות קשורות רבות כמו Hadoop, ביג דאטה, וגילוי נתונים מהווים איום על הגישה, השימוש וההבנה של הטכנולוגיה בעולם השירות העצמי. "BI בסיוע" עשוי להיות מונח טוב יותר לתאר את העתיד של בינה עסקית בשירות עצמי. יתרה מכך, אבטחת מידע ו-Data Governance התבררו כסוגיות מאתגרות בעולם ה-BI בשירות עצמי, שעבורם ארגונים נאלצו לבחור בין פלטפורמות BI מתקדמות יותר או מומחי נתונים יקרים ומאומנים היטב.

עלייתם של מדעני מידע אזרחי ב-Self Service Analytics

כיום, משתמשים עסקיים רגילים זקוקים לפלטפורמות שירות עצמי כדי לבצע את עבודתם במהירות ובקלות. הסיבה העליונה ביותר לשינוי העסקי המהפכני הזה לכיוון BI בשירות עצמי הייתה פער הכישרונות הממשמש ובא במקצוע מדעי הנתונים שחזו על ידי מקינזי לפני שנים רבות.

מהר מאוד, עסקים החלו לבחון פתרונות לפער כוח האדם הזה, שאחד מהם היה רכישה, בנייה ופריסה של פלטפורמות ניתוח בשירות עצמי ו-BI כדי למלא את הצרכים הפנימיים שלהם. כמובן, מיזוג טכנולוגיות כמו ענן, IoT ו נתונים גדולים גם חיזק את ה"כדאיות" של פלטפורמות שירות עצמי בטווח הארוך. בעולם האנליטיקה החדש שפותח ומונע מעצמו, מדען הנתונים האזרחיים נתפס כשותף ומשתף פעולה של מדען הנתונים המיומן.

מדען הנתונים כמשתף פעולה בפלטפורמת BI בעלת חשיבה עצמית

נכון לעכשיו, פתרונות הבינה העסקית נותנים מענה לשני מגזרי צרכנים שונים בתכלית: משתמשים עסקיים רגילים וצוותי IT מקצועיים. בעוד שמשתמשים עסקיים מתלהבים מלהיות עצמאיים בניתוח שגרתי או משימות BI, חברי צוות ה-IT מתלהבים גם ממיצוי מהיר יותר של תובנות עמוקות עם שימוש בכלי BI אוטומטיים או חצי אוטומטיים.

An AnalyticsInsights.net המאמר בוחן האם מדעני נתונים אנושיים ייעלמו מהמפעל עם עלייתו הפתאומית של מדען הנתונים האזרחיים. יש רמז חזק במאמר זה שסוף סוף יגיע יום שבו המשתמש העסקי הממוצע, יחד עם פלטפורמות ML סופר חזקות, עשויים בסופו של דבר להחליף את קהילת Data Science. 

לפי הפורום הכלכלי העולמי, למרות שהשיבושים הטכנולוגיים האחרונים מאיימים על משרות צווארון לבן ברחבי העולם, מנתחי נתונים יהיו מבוקשים בטווח הארוך כדי לסייע לפלטפורמות בינה עסקית בשירות עצמי.

BI בשירות עצמי או BI בסיוע: מה יותר בר השגה?

עסקים צריכים למצוא משתמשים שמבינים גם בטכנולוגיה וגם בתהליכים עסקיים כדי להבטיח את הצלחתם בעולם הניתוח. בעולם האנליטיקה החכמה, עסקים מחפשים כל הזמן כלים ופתרונות שיעזרו להם להבין את כמויות הנתונים העצומות שהם מייצרים. עם זאת, תהליכי ניתוח לא מנוהלים יכולים להוביל לתובנות לא מדויקות וקבלת החלטות לקויה. 

זה המקום שבו נכנסים מדעני הנתונים הדרושים - הם בעלי הכישורים הדרושים כדי לחלץ תובנות משמעותיות מנתונים גולמיים ולפרש מתאמים מורכבים של נתונים שאולי אינם ברורים למשתמש הממוצע. בעוד שבינה מלאכותית וטכנולוגיות אחרות עשו צעדים משמעותיים בשנים האחרונות, עדיין יש צורך במדעני מידע אנושיים שיכולים להביא פרספקטיבה ייחודית לשולחן.

קהילת מדע הנתונים ממלאת תפקיד חשוב בקידום ההבנה שלנו בנתונים וביצירת כלים חדשים לניתוח וגילוי בעולם ה-BI המתפתח ללא הרף. כלכלת אלגוריתמים דוחפת קהילות עסקיות לעבר "תובנות" ממידע פשוט. עם זאת, פעילות הליבה שמספקת תובנות עסקיות היא אנליטיקה, וללא ניתוחים מתקדמים או כלי BI, עסקים יגיעו לכישלון בעולם העתידי של תחרות גלובלית. זה איפה ניתוח משובץ נכנסים למשחק. בפרויקט אנליטיקס משובץ נדרש ידע אנליטיקה וכוח אדם מיומן מתחילתו ועד סופו. יהיה צורך בניתוח מסייע יחד עם שירות עצמי בעולם העסקים התחרותי יותר ויותר.

פלטפורמות ניתוח בשירות עצמי נתפסות כ"חרב פיפיות". אמנם אין להכחיש את הקלות והעוצמה של BI בשירות עצמי, יכולת התחזוקה לטווח ארוך של פלטפורמות אלה במונחים של אבטחת מידע, ממשל נתונים וזליגת נתונים מהווה אתגר גדול. המשמעות היא שצוותי IT מיומנים מאוד יידרשו לתחזק מערכות אלו.

סיכונים ויתרונות של BI בשירות עצמי

היתרון הגדול ביותר של פלטפורמת הניתוח וה-BI בשירות עצמי הוא שהיא מעצימה משתמשים עסקיים רגילים להפוך למדעני נתונים אזרחיים. בעוד שהם מבצעים את הפונקציות היומיומיות שלהם במגבלות זמן קפדניות, המשתמשים העסקיים בהחלט מוצאים את פלטפורמות השירות העצמי שימושיות ונגישות לקבלת  עבודתם בוצעה בלי הרבה מהומה.

החיסרון או ה"סיכון" הגדול ביותר של פלטפורמת שירות עצמי הוא שמשתמשים עלולים לא להפיק תובנות מנתונים זמינים, לפרש את התוצאות בצורה לא נכונה או ליישם את התובנות בצורה לא נכונה. בעוד שמומחה הנתונים האנושיים יודע לדבר עם המכונה במקרה של בעיות, למשתמש העסקי הממוצע אין כישורים כאלה. במצבים רבים מדען הנתונים האזרחיים עדיין נאלץ לפנות אל מדעני הנתונים האמיתיים לעזרה ותמיכה.

פיצוץ הנתונים, הגדלת סוגי הנתונים, הטכנולוגיות המתפתחות והענן הרכיבו את האתגרים של ניתוח בשירות עצמי, למרות הכלים להכנת נתונים וגישה לנתונים. יתרה מכך, ישנן סוגיות שצריך לטפל בהן, הקשורות לאבטחת מידע ו-Data Governance בפלטפורמות ניתוח בשירות עצמי. עם זאת, ניתן להצביע על "מסגרת BI מבוזרת" עם תשומת לב מלאה לנושאי אבטחה וממשל.

סיכום

בעולם הניתוח בשירות עצמי, עדיין דרושים מדעני נתונים כדי לשפר את המודיעין העסקי ולעזור לחברות לקבל החלטות עסקיות טובות יותר. בעוד שפלטפורמות ניתוח בשירות עצמי מאפשרות למשתמשים לגשת ולנתח נתונים בעצמם, היא מוגבלת על ידי הידע של המשתמש במתודולוגיות אנליטיות. מדעני נתונים יכולים לשפר את פעילויות ה-BI על ידי שימוש בניתוח חזוי וכלי כוח ML כדי ליצור תובנות חזויות. 

בעולם הניתוח בשירות עצמי, אנשי עסקים לוקחים כעת יותר אחריות על צורכי הנתונים שלהם. עם זאת, הם עדיין זקוקים לצוותים של מומחי נתונים כדי להמציא פתרונות. מדעני נתונים עדיין חשובים בעולם הזה, מכיוון שהמשתמשים צריכים שיהיה להם מידע בהישג ידם כשהם שואלים שאלות.

בעוד שכלי ניתוח בשירות עצמי יכולים לעזור למשתמשים עסקיים לבצע משימות ניתוח בסיסיות, נדרשים מדעני נתונים שיעזרו לאותם משתמשים לבצע משימות מורכבות יותר ולבצע ניתוח עומק. 

תמונה בשימוש ברישיון מ- Shutterstock.com

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• EVM Finance. ממשק מאוחד למימון מבוזר. גישה כאן.
• Quantum Media Group. IR/PR מוגבר. גישה כאן.
• PlatoAiStream. Web3 Data Intelligence. הידע מוגבר. גישה כאן.
• מקור: https://www.dataversity.net/data-scientists-needed-self-service-analytics-world/