セルフサービス分析の世界ではデータサイエンティストが必要ですか? – データバーシティ

世界のデータドリブン化が進むにつれ、企業はビジネス ユーザーが独自のデータ分析タスクを実行できるようにするセルフサービス分析に注目しています。 セルフサービス分析では、ビジネス ユーザーは、IT 担当者やデータ サイエンティストの支援やサポートなしでデータにアクセスして分析できます。 ML を活用した分析プラットフォームに直接アクセスすることで、顧客の行動を分析したり、傾向をリアルタイムで特定したりすることで、より適切なビジネス上の意思決定を行うことができます。 

過去 XNUMX 年間で、完全自動および半自動ソフトウェア システムはより信頼性の高いソフトウェアを提供してきました。 分析論 ビジネス インテリジェンス (BI) レポートは人間のデータ サイエンティストよりも優れています。 人工知能を活用した BI テクノロジーが完全なセルフサービスに向かう中、データ サイエンス コミュニティの一般的な懸念は、 成長を続けるセルフサービス分析の世界、 超インテリジェントな分析と BI ツールの存在により、人間のデータ サイエンティストは時代遅れになるでしょう。

セルフサービス分析とビジネスインテリジェンスは神話ですか?

現在、多くの分析およびビジネス インテリジェンスのタスクは、半自動または完全に自動化された分析プラットフォーム、特に AI 機械学習 (ML) ツール。 興味深いのは、最近高度な ML 対応ツールが多くのタスクを引き継ぐまでは、人間のデータ サイエンティストがデータ マイニングの分野を独占していたことです。 データマイニング技術 人間の専門家によって長年にわたって厳重に守られてきたものは、今では突然高度な ML ツールに取って代わられました。 これらのツールは、データ内のパターンを検出し、相関関係を確立し、一般のビジネス ユーザーの必要に応じて必要な洞察を抽出できます。

現在、あらゆる規模の企業がパッケージ化されたものを日常的に使用しているため、セルフサービス BI は神話ではありません。 機械学習アルゴリズム 有益な意思決定のために。 アルゴリズム経済は今後も存続します。 ビジネス分析にパックされたアルゴリズムを使用することには、コストと即時の可用性という XNUMX つの明らかな利点があります。

はるか昔にセルフサービス ビジネス インテリジェンスの世界を定義した XNUMX つの顕著な傾向は、今でも目に見えています。それは、コーディング分析機能ではなくクリックボタン分析への強い関心、もう XNUMX つは仮想データ リポジトリへのこだわりです。

セルフサービス分析の世界におけるデータ サイエンティストの役割

「データ文化」が急速に普及している一方で、データ サイエンティストは依然としてテクノロジーを活用して、あらゆるタイプのユーザーにより迅速かつ正確なソリューションを提供することで、ビジネスに付加価値をもたらしています。

セルフサービス BI 革命により、データ サイエンティストはビジネスの現場に集まり、複雑な分析の問題について他の従業員と議論します。 の驚異的な成長 市民データサイエンティスト そして機械学習ツールの登場により、セルフサービス分析とセルフサービス BI が台頭しました。 これ データバーシティ® この記事では、今日のセルフサービス BI のビジネス実践への実際の旅について説明しています。 同報告書は、自動化されたクラウドベースのツールがビジネス分析とデータサイエンティストの役割を奪い、市民データサイエンティストの手に渡っていると指摘している。 ただし、スマート プラットフォームから抽出された「生のインテリジェンス」と、ダッシュボードを通じてフラッシュされる意思決定に役立つ洞察との間のギャップを埋める資格があるのは、データ サイエンティストだけです。 平均的なビジネス ユーザーは、セルフサービスの世界でデータのフィルタリングとグループ化以上のことは実行できますが、高度な視覚化タスクを実行することはできません。

まだデータの準備と抽出 自動化された BI プラットフォームと、Hadoop などの多くの関連テクノロジー間の複雑な相互関係が依然として最大の課題です。 ビッグデータ、 データ発見は、セルフサービスの世界におけるテクノロジーへのアクセス、使用、理解に脅威をもたらします。 セルフサービス ビジネス インテリジェンスの将来を説明するには、「Assisted BI」という用語のほうが適切かもしれません。 さらに、セルフサービス BI の世界ではデータ セキュリティとデータ ガバナンスが困難な問題であることが判明し、企業はより高度な BI プラットフォームと、より高度な BI プラットフォームのどちらかを選択する必要がありました。 高価でよく訓練されたデータ専門家。

市民データサイエンティストの台頭 セルフサービス分析

今日、一般のビジネス ユーザーは、仕事を迅速かつ簡単に完了するためのセルフサービス プラットフォームを必要としています。 ビジネスがセルフサービス BI に変革的に移行した最大の理由は、マッキンゼーが何年も前に予測した、データ サイエンス専門職における人材不足が差し迫っていることでした。

企業はすぐにこの人材不足の解決策を模索し始めました。その XNUMX つは、社内のニーズを満たすためのセルフサービス分析と BI プラットフォームの調達、構築、導入でした。 もちろん、次のようなテクノロジーを融合します。  、IoT、および ビッグデータ また、長期的にはセルフサービス プラットフォームの「存続可能性」も強化されました。 この新しく開発された自己主導型分析の世界では、市民データ サイエンティストは、訓練を受けたデータ サイエンティストのパートナーおよび協力者として見なされます。

自己思考型 BI プラットフォームのコラボレーターとしてのデータ サイエンティスト

現在、ビジネス インテリジェンス ソリューションは、一般のビジネス ユーザーとプロフェッショナルな IT チームという、大きく異なる XNUMX つの消費者セグメントに対応しています。 ビジネス ユーザーは日常的な分析や BI タスクを自給自足で行えるようになることに興奮していますが、IT チームのメンバーも自動または半自動の BI ツールを使用して深い洞察をより迅速に抽出できることに熱心です。

An AnalyticsInsights.net この記事では、市民データ サイエンティストの突然の台頭により、人間のデータ サイエンティストが企業から消えるかどうかについて考察しています。 この記事には、平均的なビジネス ユーザーが超強力な ML プラットフォームとともに、最終的にはデータ サイエンス コミュニティに完全に取って代わられる日がついに来るという強力なヒントがあります。 

世界経済フォーラムによると、最近のテクノロジーの混乱は世界中でホワイトカラーの仕事を脅かしているが、長期的にはセルフサービスのビジネスインテリジェンスプラットフォームを支援するデータアナリストの需要が高まるだろう。

セルフサービス BI と支援型 BI: どちらがより実現可能ですか?

企業は、分析の世界で確実に成功するために、テクノロジーとビジネス プロセスの両方を理解しているユーザーを見つける必要があります。 インテリジェント分析の世界では、企業は生成する大量のデータを理解するのに役立つツールやソリューションを常に探し求めています。 ただし、分析プロセスの管理を誤ると、不正確な洞察や不十分な意思決定につながる可能性があります。 

ここで、必要とされるデータ サイエンティストが登場します。彼らは、生データから有意義な洞察を抽出し、平均的なユーザーには明らかではない複雑なデータの相関関係を解釈するために必要なスキルを持っています。 近年、人工知能やその他のテクノロジーが大きく進歩しましたが、独自の視点をもたらすことができる人間のデータサイエンティストが依然として必要とされています。

データ サイエンス コミュニティは、この進化し続ける BI の世界でデータの理解を深め、分析と発見のための新しいツールを作成する上で重要な役割を果たしています。 アルゴリズム経済 は、ビジネス コミュニティを単純な情報からの「洞察」に向けて推進しています。 しかし、ビジネス上の洞察を提供する中心的な活動は分析であり、高度な分析や BI ツールがなければ、企業は将来のグローバルな競争の世界で失敗に向かうことになります。 ここが 組み込み分析 遊びに来てください。 組み込み分析プロジェクトでは、最初から最後まで分析の知識と熟練した人材が必要です。 競争が激化するビジネスの世界では、セルフサービスとともに分析支援が必要になります。

セルフサービス分析プラットフォームは「両刃の剣」として認識されています。 セルフサービス BI の使いやすさと強力さは否定できませんが、データ セキュリティ、データ ガバナンス、データ流出の観点から、これらのプラットフォームの長期的な保守性は大きな課題となっています。 つまり、これらのシステムを保守するには高度なスキルを備えた IT チームが必要になるということです。

セルフサービス BI のリスクとメリット

セルフサービス分析および BI プラットフォームの最大の利点は、一般のビジネス ユーザーが市民データ サイエンティストになれることです。 ビジネス ユーザーは、厳しい時間制約内で日常業務を遂行しながら、セルフサービス プラットフォームが便利でアクセスしやすいと感じています。  彼らの仕事は大騒ぎすることなく終わった。

セルフサービス プラットフォームの最大の欠点または「リスク」は、ユーザーが利用可能なデータから洞察を導き出せなかったり、結果を誤解したり、洞察を誤って適用したりする可能性があることです。 ヒューマン データの専門家は問題が発生した場合にマシンと対話する方法を知っていますが、平均的なビジネス ユーザーはそのようなスキルを持っていません。 多くの状況において、市民データ サイエンティストは依然として本物のデータ サイエンティストに助けとサポートを求めざるを得ません。

データの爆発的増加、データタイプの増加、新興テクノロジー、クラウド 悪化した データ準備とデータ アクセス ツールにもかかわらず、セルフサービス分析の課題。 さらに、セルフサービス分析プラットフォームには、データ セキュリティとデータ ガバナンスに関連して対処する必要がある問題があります。 全体として、セキュリティとガバナンスの問題に十分な注意を払った「分散 BI フレームワーク」を強く主張できます。

まとめ

セルフサービス分析の世界では、ビジネス インテリジェンスを向上させ、企業がより適切なビジネス上の意思決定を行えるよう支援するために、データ サイエンティストが依然として必要とされています。 セルフサービス分析プラットフォームでは、ユーザーが自分でデータにアクセスして分析することができますが、分析手法に関するユーザーの知識によって制限されます。 データ サイエンティストは、予測分析と ML パワー ツールを使用して予測的洞察を生成することで、BI 活動を強化できます。 

セルフサービス分析の世界では、ビジネスマンは現在、自分自身のデータのニーズに対してより多くの責任を負うようになりました。 ただし、ソリューションを考え出すにはデータ専門家のチームが依然として必要です。 データサイエンティストは、ユーザーが質問するときにすぐに情報を入手できる必要があるため、この世界では依然として重要です。

セルフサービス分析ツールはビジネス ユーザーが基本的な分析タスクを実行するのに役立ちますが、同じユーザーがより複雑なタスクを実行し、詳細な分析を実行できるようにするにはデータ サイエンティストが必要です。 

Shutterstock.comからのライセンスに基づき使用されている画像

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• EVMファイナンス。 分散型金融のための統一インターフェイス。 こちらからアクセスしてください。
• クォンタムメディアグループ。 IR/PR増幅。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 データ インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• 情報源： https://www.dataversity.net/data-scientists-needed-self-service-analytics-world/