Er det behov for dataforskere i selvbetjeningsanalyseverdenen? - DATAVERSITET

Er det behov for dataforskere i selvbetjeningsanalyseverdenen? – DATAVERSITET

Tidsstempel: 14. juni 2023 3:35
Kilde node: 2731292
selvbetjeningsanalyseselvbetjeningsanalyse

Etter hvert som verden blir stadig mer datadrevet, tyr bedrifter til selvbetjente analyser for å gjøre det mulig for bedriftsbrukere å utføre sine egne dataanalyseoppgaver. I selvbetjeningsanalyse kan bedriftsbrukere få tilgang til og analysere data uten hjelp eller støtte fra IT-personell eller dataforskere. Direkte tilgang til ML-drevne analyseplattformer lar dem ta bedre forretningsbeslutninger ved å analysere kundeatferd eller ved å identifisere trender i sanntid. 

I løpet av de siste fem årene har helautomatiserte og semi-automatiserte programvaresystemer levert mer pålitelige analytics og business intelligence (BI) rapporter enn human data scientists. Ettersom kunstig intelligens-drevet BI-teknologi går mot full selvbetjening, er en generell bekymring i Data Science-fellesskapet om i en stadig voksende selvbetjent analyseverden, menneskelige dataforskere vil bli foreldet på grunn av tilstedeværelsen av superintelligente analyser og BI-verktøy.

Er selvbetjeningsanalyse og Business Intelligence en myte?

For tiden håndteres mange analyse- og business intelligence-oppgaver av semi-automatiserte eller helautomatiske analyseplattformer, spesielt de som drives av AI og maskinlæringsverktøy (ML). Det er interessant å merke seg at menneskelige dataforskere dominerte området datautvinning inntil nylig avanserte ML-aktiverte verktøy tok over mange oppgaver. Data mining teknikker tett bevoktet av menneskelige eksperter i årevis har nå plutselig blitt erstattet av avanserte ML-verktøy. Disse verktøyene kan oppdage mønstre i data, etablere korrelasjon og trekke ut den nødvendige innsikten etter behov for vanlige forretningsbrukere.

Selvbetjent BI er ingen myte, da nåværende bedrifter i alle størrelser rutinemessig bruker pakket maskinlæringsalgoritmer for lønnsom beslutningstaking. Algoritmeøkonomien er kommet for å bli. Det er to åpenbare fordeler ved å bruke pakkede algoritmer for forretningsanalyse: kostnaden og den umiddelbare tilgjengeligheten.

To markante trender som for lenge siden definerte den selvbetjente business intelligence-verdenen er fortsatt synlige: den dype fascinasjonen for klikk-knappanalyse i stedet for kodingsanalysefunksjon, og opptattheten av virtuelle datalagre.

Rollen til dataforskere i selvbetjeningsanalyseverdenen

Mens "datakultur" sprer seg raskt, gir dataforskere fortsatt verdiøkninger til virksomheten ved å utnytte teknologi for å levere raskere og mer nøyaktige løsninger til alle typer brukere.

Den selvbetjente BI-revolusjonen bringer datavitere til forretningskorridoren, hvor de diskuterer komplekse analyseproblemer med andre ansatte. Den enorme veksten av borgerdataforskere og maskinlæringsverktøy har resultert i fremveksten av selvbetjeningsanalyse og selvbetjent BI. Dette DATAVERSITY® artikkelen beskriver en virkelig reise inn i forretningspraksisen til selvbetjent BI i dag. Den påpeker at automatiserte skybaserte verktøy har tatt rollene til forretningsanalyse og dataforskere og lagt dem i hendene på borgerdataforskere. Imidlertid er det bare en dataforsker som er kvalifisert til å bygge bro mellom "rå intelligens" hentet fra smarte plattformer og beslutningsvennlig innsikt som vises gjennom dashboards. Den gjennomsnittlige bedriftsbrukeren kan oppnå noe mer enn bare å filtrere og gruppere data i selvbetjeningsverdenen, men kan ikke oppnå avanserte visualiseringsoppgaver.

Dataforberedelse og utvinning fortsatt fortsatt de største utfordringene i automatiserte BI-plattformer, og de komplekse sammenhengene mellom mange relaterte teknologier som Hadoop, stor Data, og dataoppdagelse utgjør en trussel mot teknologitilgang, bruk og forståelse i selvbetjeningsverdenen. "Assistert BI" kan være et bedre begrep for å beskrive fremtiden for selvbetjent business intelligence. Datasikkerhet og Data Governance viste seg dessuten å være utfordrende problemstillinger i den selvbetjente BI-verdenen, hvor bedrifter har måttet velge mellom mer avanserte BI-plattformer eller dyre og godt trente datafagfolk.

The Rise of Citizen Data Scientists i Self-Service Analytics

I dag trenger vanlige bedriftsbrukere selvbetjeningsplattformer for å få jobben gjort raskt og enkelt. Den viktigste årsaken til dette transformerende forretningsskiftet mot selvbetjent BI var det forestående talentgapet i Data Science-profesjonen som ble spådd av McKinsey for mange år siden.

Svært raskt begynte bedrifter å utforske løsninger på dette arbeidskraftgapet, en av disse var å anskaffe, bygge og distribuere selvbetjeningsanalyse og BI-plattformer for å dekke deres interne behov. Selvfølgelig, sammenslåing teknologier som sky, IoT og store data styrket også «levedyktigheten» til selvbetjeningsplattformer på sikt. I denne nyutviklede, selvdrevne analyseverdenen blir dataforskeren sett på som en partner og samarbeidspartner for den trente dataforskeren.

Dataforskeren som samarbeidspartner på en selvtenkende BI-plattform

For tiden henvender business intelligence-løsninger seg til to vidt forskjellige forbrukersegmenter: vanlige forretningsbrukere og profesjonelle IT-team. Mens bedriftsbrukere er begeistret over å bli selvforsynt med rutineanalyse eller BI-oppgaver, er IT-teammedlemmer også begeistret for raskere utvinning av dyp innsikt med bruk av automatiserte eller semi-automatiserte BI-verktøy.

An AnalyticsInsights.net artikkelen utforsker om menneskelige dataforskere vil forsvinne fra bedriften med den plutselige fremveksten av borgerdataforskeren. Det er et sterkt hint i denne artikkelen om at en dag endelig vil komme når den gjennomsnittlige bedriftsbrukeren, sammen med superkraftige ML-plattformer, til slutt kan erstatte Data Science-fellesskapet totalt. 

Ifølge World Economic Forum, selv om de nylige teknologiske forstyrrelsene truer hvitsnippjobber over hele verden, vil dataanalytikere være etterspurt i det lange løp for å hjelpe selvbetjente business intelligence-plattformer.

Selvbetjent BI eller Assistert BI: Hvilken er mer oppnåelig?

Bedrifter må finne brukere som forstår både teknologi og forretningsprosesser for å sikre deres suksess i analyseverdenen. I en verden av intelligent analyse er bedrifter konstant på jakt etter verktøy og løsninger som vil hjelpe dem å forstå de enorme datamengdene de genererer. Feilstyrte analyseprosesser kan imidlertid føre til unøyaktig innsikt og dårlig beslutningstaking. 

Det er her nødvendige dataforskere kommer inn – de har ferdighetene som er nødvendige for å trekke ut meningsfull innsikt fra rådata og tolke komplekse datakorrelasjoner som kanskje ikke er åpenbare for den gjennomsnittlige brukeren. Mens kunstig intelligens og andre teknologier har gjort betydelige fremskritt de siste årene, er det fortsatt behov for menneskelige dataforskere som kan bringe et unikt perspektiv til bordet.

Data Science-fellesskapet spiller en viktig rolle i å fremme vår forståelse av data og skape nye verktøy for analyse og oppdagelse i denne stadig utviklende BI-verdenen. algoritme økonomi presser næringsliv mot "innsikt" fra ren informasjon. Imidlertid er kjerneaktiviteten som leverer forretningsinnsikt analytikk, og uten avanserte analyser eller BI-verktøy vil bedrifter gå mot fiasko i fremtidens verden av global konkurranse. Dette er hvor innebygd analyse komme i spill. I et innebygd analyseprosjekt kreves det analytisk kunnskap og dyktig arbeidskraft fra begynnelse til slutt. Assistert analyse vil være nødvendig sammen med selvbetjening i den stadig mer konkurranseutsatte forretningsverdenen.

Selvbetjente analyseplattformer oppfattes som et "tveegget sverd." Selv om enkelheten og kraften til selvbetjent BI er ubestridelig, utgjør langsiktig vedlikehold av disse plattformene når det gjelder datasikkerhet, datastyring og datasøl en stor utfordring. Implikasjonen er at høyt dyktige IT-team vil være pålagt å vedlikeholde disse systemene.

Risikoer og fordeler ved selvbetjent BI

Den største fordelen med selvbetjeningsanalyse- og BI-plattformen er at den gir vanlige forretningsbrukere mulighet til å bli borgerdataforskere. Mens de utfører sine daglige funksjoner innenfor strenge tidsbegrensninger, finner forretningsbrukerne absolutt selvbetjeningsplattformene hendige og tilgjengelige for å få  jobbene deres gjort uten mye oppstyr.

Den største ulempen eller "risikoen" ved en selvbetjeningsplattform er at brukere kan unnlate å få innsikt fra tilgjengelige data, feiltolke resultatene eller misbruke innsikten. Mens menneskedataeksperten vet hvordan han skal snakke med maskinen i tilfelle problemer, har ikke den gjennomsnittlige forretningsbrukeren slike ferdigheter. I mange situasjoner er dataforskeren fortsatt tvunget til å henvende seg til de virkelige dataforskerne for å få hjelp og støtte.

Dataeksplosjonen, økende datatyper, nye teknologier og skyen har sammensatt utfordringene med selvbetjeningsanalyse, til tross for dataforberedelse og datatilgangsverktøy. I tillegg er det problemer som må håndteres som involverer datasikkerhet og Data Governance i selvbetjente analyseplattformer. Alt sagt, det kan argumenteres sterkt for et "distribuert BI-rammeverk" med full oppmerksomhet på sikkerhet og styringsspørsmål.

konklusjonen

I selvbetjent analyseverden er det fortsatt behov for dataforskere for å forbedre forretningsintelligens og hjelpe bedrifter med å ta bedre forretningsbeslutninger. Mens selvbetjente analyseplattformer lar brukere få tilgang til og analysere data på egenhånd, er det begrenset av brukerens kunnskap om analytiske metoder. Dataforskere kan forbedre BI-aktiviteter ved å bruke prediktiv analyse og ML-kraftverktøy for å generere prediktiv innsikt. 

I selvbetjeningsanalyseverdenen tar forretningsfolk nå mer ansvar for sine egne databehov. Imidlertid trenger de fortsatt team av dataeksperter for å komme opp med løsninger. Dataforskere er fortsatt viktige i denne verden, siden brukere trenger at de har informasjon til fingerspissene når de stiller spørsmål.

Mens selvbetjente analyseverktøy kan hjelpe forretningsbrukere med å utføre grunnleggende analyseoppgaver, trengs dataforskere for å hjelpe de samme brukerne med å utføre mer komplekse oppgaver og utføre dypdykksanalyser. 

Bildet brukes under lisens fra Shutterstock.com

Tidstempel:

Mer fra DATAVERSITET