Os cientistas de dados são necessários no mundo da análise de autoatendimento? – DATAVERSIDADE

À medida que o mundo se torna cada vez mais orientado por dados, as empresas estão recorrendo à análise de autoatendimento para permitir que os usuários corporativos executem suas próprias tarefas de análise de dados. Na análise de autoatendimento, os usuários de negócios podem acessar e analisar dados sem assistência ou suporte de pessoal de TI ou cientistas de dados. O acesso direto a plataformas de análise baseadas em ML permite que eles tomem melhores decisões de negócios analisando o comportamento do cliente ou identificando tendências em tempo real. 

Nos últimos cinco anos, sistemas de software totalmente automatizados e semi-automatizados forneceram soluções mais confiáveis analítica e relatórios de inteligência de negócios (BI) do que cientistas de dados humanos. À medida que a tecnologia de BI baseada em inteligência artificial caminha para o autoatendimento completo, uma preocupação geral na comunidade de ciência de dados é se em um mundo cada vez maior de análise de autoatendimento, os cientistas de dados humanos se tornarão obsoletos devido à presença de análises superinteligentes e ferramentas de BI.

A análise de autoatendimento e a inteligência de negócios são um mito?

Atualmente, muitas tarefas de análise e inteligência de negócios são tratadas por plataformas de análise semiautomáticas ou totalmente automatizadas, especialmente aquelas alimentadas por AI e ferramentas de aprendizado de máquina (ML). É interessante notar que os cientistas de dados humanos dominaram a área de mineração de dados até que recentemente ferramentas avançadas habilitadas para ML assumiram muitas tarefas. Técnicas de mineração de dados guardados de perto por especialistas humanos por anos agora foram repentinamente substituídos por ferramentas avançadas de ML. Essas ferramentas podem detectar padrões nos dados, estabelecer correlação e extrair os insights necessários conforme a necessidade dos usuários comerciais comuns.

O BI de autoatendimento não é um mito, já que empresas atuais de todos os tamanhos usam rotineiramente algoritmos de aprendizado de máquina para decisões lucrativas. A economia algorítmica veio para ficar. Existem duas vantagens óbvias de usar algoritmos compactados para análise de negócios: o custo e a disponibilidade instantânea.

Duas tendências marcantes que definiram há muito tempo o mundo da inteligência de negócios de autoatendimento ainda são visíveis: o profundo fascínio pela análise de botão de clique em vez da função de análise de codificação e a preocupação com repositórios de dados virtuais.

O papel dos cientistas de dados no mundo da análise de autoatendimento

Embora a “cultura de dados” esteja se espalhando rapidamente, os cientistas de dados ainda estão agregando valor aos negócios, aproveitando a tecnologia para fornecer soluções mais rápidas e precisas para todos os tipos de usuários.

A revolução de BI de autoatendimento traz cientistas de dados para o corredor de negócios, onde eles discutem questões analíticas complexas com outros funcionários. O tremendo crescimento de Cientistas de Dados Cidadãos e as ferramentas de aprendizado de máquina resultaram no aumento da análise de autoatendimento e do BI de autoatendimento. Esse DATAVERSIDADE® artigo descreve uma jornada da vida real para a prática de negócios de BI de autoatendimento hoje. Ele aponta que as ferramentas automatizadas baseadas em nuvem tomaram as funções de análise de negócios e cientistas de dados e as colocaram nas mãos de cientistas de dados cidadãos. No entanto, apenas um cientista de dados é qualificado para preencher a lacuna entre a “inteligência bruta” extraída de plataformas inteligentes e insights de fácil tomada de decisão exibidos em painéis. O usuário corporativo médio pode realizar um pouco mais do que apenas filtrar e agrupar dados no mundo do autoatendimento, mas não pode realizar tarefas avançadas de visualização.

A preparação e extração de dados ainda continuam sendo os maiores desafios em plataformas automatizadas de BI e as complexas inter-relações entre muitas tecnologias relacionadas, como Hadoop, grandes dados, e a descoberta de dados representam uma ameaça ao acesso, uso e compreensão da tecnologia no mundo do autoatendimento. “BI assistido” pode ser um termo melhor para descrever o futuro da inteligência de negócios de autoatendimento. Além disso, segurança de dados e governança de dados acabaram sendo questões desafiadoras no mundo de BI de autoatendimento, para o qual as empresas tiveram que escolher entre plataformas de BI mais avançadas ou profissionais de dados caros e bem treinados.

A ascensão dos cientistas de dados cidadãos em análise de autoatendimento

Hoje, usuários comuns de negócios precisam de plataformas de autoatendimento para realizar seus trabalhos com rapidez e facilidade. A principal razão para essa mudança transformadora de negócios em direção ao BI de autoatendimento foi a iminente lacuna de talentos na profissão de Data Science prevista pela McKinsey há muitos anos.

Muito rapidamente, as empresas começaram a explorar soluções para essa lacuna de mão de obra, uma das quais era adquirir, construir e implantar análises de autoatendimento e plataformas de BI para atender às suas necessidades internas. Claro, fundir tecnologias como Nuvem, IoT e dados grandes também fortaleceu a “viabilidade” das plataformas de autoatendimento no longo prazo. Neste mundo analítico recém-desenvolvido e autoconduzido, o cientista de dados cidadão é visto como um parceiro e colaborador do cientista de dados treinado.

O Cientista de Dados como Colaborador em uma Plataforma de BI Autopensante

Atualmente, as soluções de business intelligence atendem a dois segmentos de consumidores muito diferentes: usuários comuns de negócios e equipes profissionais de TI. Enquanto os usuários de negócios estão entusiasmados em se tornar autossuficientes em análises de rotina ou tarefas de BI, os membros da equipe de TI também estão entusiasmados com a extração mais rápida de insights profundos com o uso de ferramentas de BI automatizadas ou semi-automatizadas.

An AnalyticsInsights.net O artigo explora se os cientistas de dados humanos desaparecerão da empresa com a ascensão repentina do cientista de dados cidadão. Há uma forte dica neste artigo de que finalmente chegará o dia em que o usuário médio de negócios, juntamente com plataformas superpoderosas de ML, poderá eventualmente substituir a comunidade de ciência de dados por completo. 

De acordo com o Fórum Econômico Mundial, embora as recentes disrupções tecnológicas estejam ameaçando empregos de colarinho branco em todo o mundo, os analistas de dados serão procurados a longo prazo para auxiliar as plataformas de business intelligence de autoatendimento.

BI de autoatendimento ou BI assistido: qual é mais viável?

As empresas precisam encontrar usuários que entendam a tecnologia e os processos de negócios para garantir seu sucesso no mundo da análise. No mundo da análise inteligente, as empresas estão constantemente em busca de ferramentas e soluções que as ajudem a entender as enormes quantidades de dados que geram. No entanto, processos de análise mal administrados podem levar a percepções imprecisas e tomadas de decisão inadequadas. 

É aqui que entram os cientistas de dados necessários – eles possuem as habilidades necessárias para extrair insights significativos de dados brutos e interpretar correlações de dados complexas que podem não ser óbvias para o usuário médio. Embora a inteligência artificial e outras tecnologias tenham feito avanços significativos nos últimos anos, ainda há a necessidade de cientistas de dados humanos que possam trazer uma perspectiva única para a mesa.

A comunidade Data Science desempenha um papel importante no avanço de nossa compreensão dos dados e na criação de novas ferramentas para análise e descoberta neste mundo de BI em constante evolução. economia algorítmica está empurrando as comunidades de negócios para “insights” de informações simples. No entanto, a principal atividade que fornece insights de negócios é a análise e, sem análises avançadas ou ferramentas de BI, as empresas irão para o fracasso no futuro mundo da competição global. é aqui analítica incorporada entre no jogo. Em um projeto de análise incorporada, conhecimento analítico e mão de obra qualificada são necessários do começo ao fim. A análise assistida será necessária junto com o autoatendimento no mundo dos negócios cada vez mais competitivo.

As plataformas de análise de autoatendimento são vistas como uma “faca de dois gumes”. Embora a facilidade e o poder do BI de autoatendimento sejam inegáveis, a capacidade de manutenção de longo prazo dessas plataformas em termos de segurança de dados, governança de dados e vazamento de dados representa um grande desafio. A implicação é que equipes de TI altamente qualificadas serão necessárias para manter esses sistemas.

Riscos e benefícios do BI de autoatendimento

O maior benefício da análise de autoatendimento e da plataforma de BI é que ela permite que usuários comuns de negócios se tornem cientistas de dados cidadãos. Ao executar suas funções diárias dentro de restrições de tempo estritas, os usuários de negócios certamente consideram as plataformas de autoatendimento úteis e acessíveis para obter  seus trabalhos feitos sem muito barulho.

A maior desvantagem ou “risco” de uma plataforma de autoatendimento é que os usuários podem não obter insights dos dados disponíveis, interpretar mal os resultados ou aplicar mal os insights. Enquanto o especialista em dados humanos sabe como falar com a máquina em caso de problemas, o usuário médio de negócios não possui essas habilidades. Em muitas situações, o cidadão cientista de dados ainda é obrigado a recorrer aos verdadeiros cientistas de dados para obter ajuda e suporte.

A explosão de dados, aumentando os tipos de dados, tecnologias emergentes e a nuvem tem composto os desafios da análise de autoatendimento, apesar das ferramentas de preparação e acesso a dados. Além disso, há questões que precisam ser tratadas envolvendo segurança de dados e governança de dados em plataformas de análise de autoatendimento. Dito isso, um forte argumento pode ser feito para uma “estrutura de BI distribuída” com total atenção às questões de segurança e governança.

Conclusão

No mundo da análise de autoatendimento, os cientistas de dados ainda são necessários para melhorar a inteligência de negócios e ajudar as empresas a tomar melhores decisões de negócios. Embora as plataformas de análise de autoatendimento permitam que os usuários acessem e analisem os dados por conta própria, elas são limitadas pelo conhecimento do usuário sobre as metodologias analíticas. Os cientistas de dados podem aprimorar as atividades de BI usando análises preditivas e ferramentas poderosas de ML para gerar insights preditivos. 

No mundo da análise de autoatendimento, os empresários agora estão assumindo mais responsabilidade por suas próprias necessidades de dados. No entanto, eles ainda precisam de equipes de especialistas em dados para encontrar soluções. Os cientistas de dados ainda são importantes neste mundo, pois os usuários precisam deles para ter informações na ponta dos dedos quando fazem perguntas.

Embora as ferramentas de análise de autoatendimento possam ajudar os usuários corporativos a realizar tarefas analíticas básicas, os cientistas de dados são necessários para ajudar esses mesmos usuários a realizar tarefas mais complexas e realizar análises profundas. 

Imagem usada sob licença da Shutterstock.com

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• EVM Finanças. Interface unificada para finanças descentralizadas. Acesse aqui.
• Grupo de Mídia Quântica. IR/PR Amplificado. Acesse aqui.
• PlatoAiStream. Inteligência de Dados Web3. Conhecimento Amplificado. Acesse aqui.
• Fonte: https://www.dataversity.net/data-scientists-needed-self-service-analytics-world/