셀프 서비스 분석 세계에 데이터 과학자가 필요합니까? – 데이터 다양성

세상이 점점 데이터 중심이 되어감에 따라 기업은 비즈니스 사용자가 자체 데이터 분석 작업을 수행할 수 있도록 셀프 서비스 분석으로 전환하고 있습니다. 셀프 서비스 분석에서 비즈니스 사용자는 IT 담당자 또는 데이터 과학자의 도움이나 지원 없이 데이터에 액세스하고 데이터를 분석할 수 있습니다. ML 기반 분석 플랫폼에 직접 액세스하면 고객 행동을 분석하거나 실시간으로 추세를 식별하여 더 나은 비즈니스 결정을 내릴 수 있습니다. 

지난 XNUMX년 동안 완전 자동화 및 반자동 소프트웨어 시스템은 보다 안정적인 분석 인간 데이터 과학자보다 비즈니스 인텔리전스(BI) 보고서를 작성합니다. 인공 지능 기반 BI 기술이 완전한 셀프 서비스로 향함에 따라 데이터 과학 커뮤니티의 일반적인 관심사는 끊임없이 성장하는 셀프 서비스 분석 세계, 인간 데이터 과학자는 초지능 분석 및 BI 도구의 존재로 인해 구식이 될 것입니다.

셀프 서비스 분석 및 비즈니스 인텔리전스는 신화입니까?

현재 많은 분석 및 비즈니스 인텔리전스 작업이 반자동 또는 완전 자동화된 분석 플랫폼, 특히 AI 머신 러닝(ML) 도구. 최근에 고급 ML 지원 도구가 많은 작업을 대신할 때까지 인간 데이터 과학자가 데이터 마이닝 영역을 지배했다는 사실이 흥미롭습니다. 데이터 마이닝 기술 수년 동안 인간 전문가에 의해 면밀히 보호되었던 것이 이제 갑자기 고급 ML 도구로 대체되었습니다. 이러한 도구는 데이터의 패턴을 감지하고 상관 관계를 설정하며 일반 비즈니스 사용자가 필요로 하는 통찰력을 추출할 수 있습니다.

모든 규모의 현재 비즈니스에서 일상적으로 패키지를 사용하고 있으므로 셀프 서비스 BI는 신화가 아닙니다. 기계 학습 알고리즘 수익성 있는 의사 결정을 위해. 알고리즘 경제는 여기에 있습니다. 비즈니스 분석에 압축 알고리즘을 사용하면 비용과 즉각적인 가용성이라는 두 가지 분명한 이점이 있습니다.

오래 전에 셀프 서비스 비즈니스 인텔리전스 세계를 정의한 두 가지 두드러진 추세는 여전히 눈에 띕니다. 분석 기능을 코딩하는 대신 클릭 버튼 분석에 대한 깊은 관심과 가상 데이터 저장소에 대한 선입견입니다.

셀프 서비스 분석 세계에서 데이터 과학자의 역할

"데이터 문화"가 빠르게 확산되는 동안 데이터 과학자들은 여전히 ​​기술을 활용하여 모든 유형의 사용자에게 더 빠르고 정확한 솔루션을 제공함으로써 비즈니스에 가치를 더하고 있습니다.

셀프 서비스 BI 혁명은 데이터 과학자를 비즈니스 코리더로 데려와 다른 직원과 복잡한 분석 문제를 논의합니다. 의 엄청난 성장 시민 데이터 과학자 머신 러닝 도구로 인해 셀프 서비스 분석 및 셀프 서비스 BI가 부상했습니다. 이것 데이터버시티® 이 기사는 오늘날 셀프 서비스 BI의 비즈니스 관행에 대한 실제 여정을 설명합니다. 자동화된 클라우드 기반 도구가 비즈니스 분석 및 데이터 과학자의 역할을 빼앗아 시민 데이터 과학자의 손에 맡겼다고 지적합니다. 그러나 데이터 과학자만이 스마트 플랫폼에서 추출한 "원시 인텔리전스"와 대시보드를 통해 번쩍이는 결정 친화적 인 통찰력 사이의 격차를 해소할 자격이 있습니다. 일반 비즈니스 사용자는 셀프 서비스 세계에서 데이터를 필터링하고 그룹화하는 것 이상을 수행할 수 있지만 고급 시각화 작업을 수행할 수는 없습니다.

여전히 데이터 준비 및 추출 자동화된 BI 플랫폼에서 가장 큰 과제로 남아 있으며 Hadoop과 같은 많은 관련 기술 간의 복잡한 상호 관계, 빅 데이터, 데이터 검색은 셀프 서비스 세계에서 기술 액세스, 사용 및 이해에 위협이 됩니다. "Assisted BI"는 셀프 서비스 비즈니스 인텔리전스의 미래를 설명하는 더 나은 용어일 수 있습니다. 또한 데이터 보안 및 데이터 거버넌스는 기업이 고급 BI 플랫폼 또는 비싸고 잘 훈련된 데이터 전문가.

시민 데이터 과학자의 부상 셀프 서비스 분석

오늘날 일반 비즈니스 사용자는 작업을 빠르고 쉽게 수행하기 위해 셀프 서비스 플랫폼이 필요합니다. 셀프 서비스 BI로의 이러한 변혁적인 비즈니스 전환의 가장 큰 이유는 수년 전 McKinsey가 예측한 데이터 과학 직업의 임박한 인재 격차였습니다.

매우 빠르게 기업은 이러한 인력 격차에 대한 솔루션을 탐색하기 시작했으며, 그 중 하나는 사내 요구 사항을 충족하기 위해 셀프 서비스 분석 및 BI 플랫폼을 조달, 구축 및 배포하는 것이었습니다. 물론, 다음과 같은 병합 기술 클라우드, 사물인터넷, 빅 데이터 또한 장기적으로 셀프 서비스 플랫폼의 "실행 가능성"을 강화했습니다. 새로 개발된 자체 주도 분석 세계에서 시민 데이터 과학자는 훈련된 데이터 과학자의 파트너이자 협력자로 간주됩니다.

스스로 생각하는 BI 플랫폼의 공동 작업자로서의 데이터 과학자

현재 비즈니스 인텔리전스 솔루션은 일반 비즈니스 사용자와 전문 IT 팀이라는 두 가지 완전히 다른 소비자 부문에 적합합니다. 비즈니스 사용자는 일상적인 분석 또는 BI 작업에서 자급자족하는 것에 대해 기뻐하는 반면, IT 팀 구성원은 자동화 또는 반자동 BI 도구를 사용하여 심층적인 통찰력을 더 빠르게 추출하는 데도 열광합니다.

An AnalyticsInsights.net 이 기사는 시민 데이터 과학자의 갑작스러운 부상으로 인간 데이터 과학자가 기업에서 사라질지 여부를 탐구합니다. 이 기사에는 초강력 ML 플랫폼과 함께 일반 비즈니스 사용자가 결국 데이터 과학 커뮤니티를 완전히 대체할 날이 올 것이라는 강력한 암시가 있습니다. 

세계경제포럼(World Economic Forum)에 따르면 최근의 기술 혼란이 전 세계적으로 화이트칼라 일자리를 위협하고 있지만 장기적으로 데이터 분석가는 셀프 서비스 비즈니스 인텔리전스 플랫폼을 지원할 수요가 있을 것입니다.

셀프 서비스 BI 또는 보조 BI: 어느 것이 더 달성 가능합니까?

기업은 분석 세계에서 성공을 거두기 위해 기술과 비즈니스 프로세스를 모두 이해하는 사용자를 찾아야 합니다. 지능형 분석의 세계에서 기업은 생성하는 방대한 양의 데이터를 이해하는 데 도움이 되는 도구와 솔루션을 끊임없이 찾고 있습니다. 그러나 잘못 관리된 분석 프로세스는 부정확한 통찰력과 잘못된 의사 결정으로 이어질 수 있습니다. 

여기에서 데이터 과학자가 필요합니다. 그들은 원시 데이터에서 의미 있는 통찰력을 추출하고 일반 사용자에게는 분명하지 않을 수 있는 복잡한 데이터 상관 관계를 해석하는 데 필요한 기술을 보유하고 있습니다. 최근 몇 년 동안 인공 지능 및 기타 기술이 상당한 발전을 이루었지만 여전히 고유한 관점을 제시할 수 있는 인간 데이터 과학자가 필요합니다.

데이터 과학 커뮤니티는 끊임없이 진화하는 BI 세계에서 데이터에 대한 이해를 높이고 분석 및 발견을 위한 새로운 도구를 만드는 데 중요한 역할을 합니다. 알고리즘 경제 일반 정보에서 "통찰력"을 향해 비즈니스 커뮤니티를 추진하고 있습니다. 그러나 비즈니스 통찰력을 제공하는 핵심 활동은 분석이며 고급 분석 또는 BI 도구가 없으면 비즈니스는 미래의 글로벌 경쟁 세계에서 실패로 향할 것입니다. 여기가 어디야 임베디드 분석 놀러와. 임베디드 분석 프로젝트에서는 처음부터 끝까지 분석 지식과 숙련된 인력이 필요합니다. 점점 더 경쟁이 치열해지는 비즈니스 세계에서는 셀프 서비스와 함께 보조 분석이 필요합니다.

셀프 서비스 분석 플랫폼은 "양날의 검"으로 인식됩니다. 셀프 서비스 BI의 용이성과 강력함은 부인할 수 없지만 데이터 보안, 데이터 거버넌스 및 데이터 유출 측면에서 이러한 플랫폼의 장기적인 유지 관리 가능성은 큰 문제입니다. 즉, 이러한 시스템을 유지 관리하려면 고도로 숙련된 IT 팀이 필요합니다.

셀프 서비스 BI의 위험과 이점

셀프 서비스 분석 및 BI 플랫폼의 가장 큰 이점은 일반 비즈니스 사용자가 시민 데이터 과학자가 될 수 있도록 지원한다는 것입니다. 엄격한 시간 제약 내에서 일상적인 기능을 수행하는 동안 비즈니스 사용자는 확실히 셀프 서비스 플랫폼을 편리하고 쉽게 얻을 수 있음을 알게 됩니다.  많은 소란없이 그들의 일이 끝났습니다.

셀프 서비스 플랫폼의 가장 큰 단점 또는 "위험"은 사용자가 사용 가능한 데이터에서 통찰력을 얻지 못하거나 결과를 잘못 해석하거나 통찰력을 잘못 적용할 수 있다는 것입니다. 휴먼 데이터 전문가는 문제 발생 시 기계와 대화하는 방법을 알고 있지만 일반 비즈니스 사용자에게는 그러한 기술이 없습니다. 많은 상황에서 시민 데이터 과학자는 여전히 실제 데이터 과학자에게 도움과 지원을 요청해야 합니다.

데이터 폭발, 증가하는 데이터 유형, 새로운 기술 및 클라우드 합성했다 데이터 준비 및 데이터 액세스 도구에도 불구하고 셀프 서비스 분석의 과제. 또한 셀프 서비스 분석 플랫폼의 데이터 보안 및 데이터 거버넌스와 관련하여 처리해야 하는 문제가 있습니다. 즉, 보안 및 거버넌스 문제에 전적으로 주의를 기울이는 "분산 BI 프레임워크"에 대한 강력한 사례가 될 수 있습니다.

결론

셀프 서비스 분석 세계에서 데이터 과학자는 비즈니스 인텔리전스를 개선하고 기업이 더 나은 비즈니스 결정을 내리도록 돕기 위해 여전히 필요합니다. 셀프 서비스 분석 플랫폼을 사용하면 사용자가 스스로 데이터에 액세스하고 분석할 수 있지만 분석 방법론에 대한 사용자의 지식에 따라 제한됩니다. 데이터 과학자는 예측 분석 및 ML 파워 도구를 사용하여 예측 통찰력을 생성함으로써 BI 활동을 향상시킬 수 있습니다. 

셀프 서비스 분석 세계에서 비즈니스 담당자는 이제 자신의 데이터 요구 사항에 대해 더 많은 책임을 지고 있습니다. 그러나 솔루션을 제시하려면 여전히 데이터 전문가 팀이 필요합니다. 데이터 과학자는 이 세상에서 여전히 중요합니다. 사용자가 질문을 할 때 손끝에서 정보를 얻을 수 있어야 하기 때문입니다.

셀프 서비스 분석 도구는 비즈니스 사용자가 기본적인 분석 작업을 수행하는 데 도움이 될 수 있지만 데이터 과학자는 동일한 사용자가 보다 복잡한 작업을 수행하고 심층 분석을 수행하도록 지원해야 합니다. 

Shutterstock.com의 라이센스에 따라 사용 된 이미지

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• EVM 금융. 탈중앙화 금융을 위한 통합 인터페이스. 여기에서 액세스하십시오.
• 퀀텀미디어그룹. IR/PR 증폭. 여기에서 액세스하십시오.
• PlatoAiStream. Web3 데이터 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 출처: https://www.dataversity.net/data-scientists-needed-self-service-analytics-world/