Нужны ли специалисты по данным в мире аналитики самообслуживания? – БАЗА ДАННЫХ

По мере того, как мир становится все более зависимым от данных, предприятия обращаются к аналитике самообслуживания, чтобы позволить бизнес-пользователям выполнять свои собственные задачи анализа данных. В аналитике самообслуживания бизнес-пользователи могут получать доступ к данным и анализировать их без помощи или поддержки со стороны ИТ-персонала или специалистов по данным. Прямой доступ к аналитическим платформам на основе машинного обучения позволяет им принимать более эффективные бизнес-решения, анализируя поведение клиентов или определяя тенденции в режиме реального времени. 

За последние пять лет полностью автоматизированные и полуавтоматические программные системы стали более надежными. аналитика и отчеты бизнес-аналитики (BI), чем специалисты по обработке и анализу данных. По мере того, как технология бизнес-аналитики на основе искусственного интеллекта движется к полному самообслуживанию, в сообществе Data Science возникает общая проблема: постоянно растущий мир аналитики самообслуживания, человеческие специалисты по данным устареют из-за наличия сверхинтеллектуальной аналитики и инструментов бизнес-аналитики.

Является ли аналитика самообслуживания и бизнес-аналитика мифом?

В настоящее время многие задачи аналитики и бизнес-аналитики решаются с помощью полуавтоматических или полностью автоматизированных аналитических платформ, особенно на основе AI и инструменты машинного обучения (ML). Интересно отметить, что ученые-данные доминировали в области интеллектуального анализа данных, пока недавно передовые инструменты с поддержкой ML не взяли на себя многие задачи. Методы интеллектуального анализа данных тщательно охраняемые экспертами-людьми в течение многих лет, теперь внезапно были заменены передовыми инструментами машинного обучения. Эти инструменты могут обнаруживать закономерности в данных, устанавливать корреляцию и извлекать необходимые сведения, необходимые обычным бизнес-пользователям.

Самообслуживание BI — это не миф, так как современные предприятия всех размеров регулярно используют пакетные решения. алгоритмы машинного обучения для выгодного принятия решений. Алгоритмическая экономика никуда не денется. Есть два очевидных преимущества использования упакованных алгоритмов для бизнес-аналитики: стоимость и мгновенная доступность.

Две заметные тенденции, которые давно определили мир бизнес-аналитики самообслуживания, все еще видны: глубокое увлечение аналитикой по нажатию кнопки, а не функцией кодирования аналитики, и озабоченность виртуальными репозиториями данных.

Роль специалистов по данным в мире аналитики самообслуживания

В то время как «культура данных» быстро распространяется, специалисты по данным по-прежнему вносят свой вклад в бизнес, используя технологии для предоставления более быстрых и точных решений для всех типов пользователей.

Революция BI самообслуживания выводит специалистов по данным в бизнес-коридор, где они обсуждают сложные аналитические вопросы с другими сотрудниками. Огромный рост гражданские специалисты по данным и инструменты машинного обучения привели к развитию аналитики самообслуживания и BI самообслуживания. Этот ДАННЫЕ® Статья описывает реальное путешествие в бизнес-практику самообслуживания BI сегодня. В нем отмечается, что автоматизированные облачные инструменты узурпировали роли бизнес-аналитиков и специалистов по данным и передали их в руки гражданских специалистов по данным. Однако только специалист по данным способен преодолеть разрыв между «необработанными данными», полученными с интеллектуальных платформ, и полезными для принятия решений данными, отображаемыми на информационных панелях. Средний бизнес-пользователь может выполнять несколько больше, чем просто фильтровать и группировать данные в мире самообслуживания, но не может решать сложные задачи визуализации.

Подготовка и извлечение данных еще остаются самыми большими проблемами в автоматизированных платформах BI, а также сложные взаимосвязи между многими связанными технологиями, такими как Hadoop, большие данные, и обнаружение данных представляют угрозу для доступа к технологиям, их использования и понимания в мире самообслуживания. «Assisted BI» может быть лучшим термином для описания будущего бизнес-аналитики с самообслуживанием. Более того, безопасность данных и управление данными оказались сложными проблемами в мире самообслуживания BI, для которого предприятиям приходилось выбирать между более совершенными платформами BI или дорогие и хорошо обученные специалисты по данным.

Подъем гражданских специалистов по данным в аналитике самообслуживания

Сегодня обычным бизнес-пользователям нужны платформы самообслуживания, чтобы быстро и легко выполнять свою работу. Главной причиной этого трансформационного перехода бизнеса к BI самообслуживания была надвигающаяся нехватка кадров в профессии Data Science, предсказанная McKinsey много лет назад.

Очень быстро предприятия начали искать решения для устранения этого дефицита рабочей силы, одним из которых была закупка, создание и развертывание платформ самообслуживания для аналитики и бизнес-аналитики для удовлетворения своих внутренних потребностей. Конечно, слияние таких технологий, как облако, Интернет вещей и большие данные также укрепили «жизнеспособность» платформ самообслуживания в долгосрочной перспективе. В этом недавно разработанном, самостоятельном аналитическом мире гражданский специалист по данным рассматривается как партнер и соавтор обученного специалиста по данным.

Data Scientist как соавтор самостоятельно мыслящей платформы BI

В настоящее время решения для бизнес-аналитики предназначены для двух совершенно несопоставимых потребительских сегментов: обычных бизнес-пользователей и профессиональных ИТ-команд. В то время как бизнес-пользователи рады возможности самостоятельно выполнять рутинную аналитику или задачи бизнес-аналитики, члены ИТ-команды также с энтузиазмом относятся к более быстрому извлечению глубоких сведений с помощью автоматизированных или полуавтоматических инструментов бизнес-аналитики.

An AnalyticsInsights.net В статье исследуется вопрос о том, исчезнут ли специалисты по обработке и анализу данных на предприятии с внезапным появлением специалистов по данным из числа граждан. В этой статье есть сильный намек на то, что наконец наступит день, когда средний бизнес-пользователь вместе со сверхмощными платформами машинного обучения сможет полностью заменить сообщество Data Science. 

По данным Всемирного экономического форума, хотя недавние технологические прорывы угрожают рабочим местам белых воротничков во всем мире, в долгосрочной перспективе спрос на аналитиков данных будет востребован для поддержки платформ бизнес-аналитики самообслуживания.

Самообслуживание BI или Assisted BI: что более достижимо?

Предприятиям необходимо найти пользователей, которые понимают как технологии, так и бизнес-процессы, чтобы обеспечить их успех в мире анализа. В мире интеллектуальной аналитики компании постоянно ищут инструменты и решения, которые помогут им разобраться в огромных объемах данных, которые они генерируют. Однако неправильно организованные процессы анализа могут привести к неточным выводам и неверным решениям. 

Именно здесь на помощь приходят специалисты по обработке и анализу данных — они обладают навыками, необходимыми для извлечения значимой информации из необработанных данных и интерпретации сложных корреляций данных, которые могут быть неочевидны для обычного пользователя. Несмотря на то, что искусственный интеллект и другие технологии добились значительных успехов в последние годы, по-прежнему существует потребность в специалистах по данным, которые могут предложить уникальную точку зрения.

Сообщество Data Science играет важную роль в улучшении нашего понимания данных и создании новых инструментов для анализа и открытия в этом постоянно развивающемся мире BI. алгоритм экономики подталкивает бизнес-сообщества к «пониманию» простой информации. Тем не менее, основной деятельностью, обеспечивающей понимание бизнеса, является аналитика, и без расширенной аналитики или инструментов бизнес-аналитики компании обречены на провал в будущем мире глобальной конкуренции. Это где встроенная аналитика вступают в игру. Во встроенном проекте аналитики от начала до конца требуются аналитические знания и квалифицированная рабочая сила. В условиях растущей конкуренции в деловом мире наряду с самообслуживанием потребуется вспомогательная аналитика.

Аналитические платформы самообслуживания воспринимаются как «палка о двух концах». В то время как простота и мощь самообслуживания BI неоспоримы, долгосрочная ремонтопригодность этих платформ с точки зрения безопасности данных, управления данными и утечки данных представляет собой серьезную проблему. Подразумевается, что для обслуживания этих систем потребуются высококвалифицированные ИТ-команды.

Риски и преимущества самообслуживания BI

Самым большим преимуществом платформы самообслуживания для аналитики и бизнес-аналитики является то, что она позволяет обычным бизнес-пользователям стать гражданскими исследователями данных. Выполняя свои повседневные функции в жестких временных рамках, бизнес-пользователи, безусловно, находят платформы самообслуживания удобными и доступными для получения  свою работу сделали без лишней суеты.

Самый большой недостаток или «риск» платформы самообслуживания заключается в том, что пользователи могут не получить представление о доступных данных, неверно истолковать результаты или неправильно применить полученные сведения. В то время как человек-эксперт знает, как разговаривать с машиной в случае возникновения проблем, средний бизнес-пользователь не обладает такими навыками. Во многих ситуациях гражданский специалист по данным по-прежнему вынужден обращаться за помощью и поддержкой к настоящим специалистам по данным.

Взрывной рост данных, увеличение количества типов данных, новые технологии и облачные технологии составили проблемы аналитики самообслуживания, несмотря на средства подготовки данных и доступа к данным. Кроме того, необходимо решить проблемы, связанные с безопасностью данных и управлением данными в аналитических платформах самообслуживания. В целом можно привести веские доводы в пользу «распределенной среды бизнес-аналитики» с полным вниманием к вопросам безопасности и управления.

Заключение

В мире аналитики самообслуживания специалисты по данным по-прежнему необходимы для улучшения бизнес-аналитики и помощи компаниям в принятии более эффективных бизнес-решений. Хотя аналитические платформы самообслуживания позволяют пользователям получать доступ к данным и анализировать их самостоятельно, они ограничены знаниями пользователя об аналитических методологиях. Специалисты по обработке и анализу данных могут улучшить деятельность бизнес-аналитики, используя предиктивную аналитику и мощные инструменты машинного обучения для получения предиктивной информации. 

В мире аналитики самообслуживания деловые люди теперь берут на себя больше ответственности за свои собственные потребности в данных. Тем не менее, им по-прежнему нужны команды экспертов по данным для поиска решений. Специалисты по обработке и анализу данных по-прежнему важны в этом мире, поскольку пользователям нужно, чтобы информация была у них под рукой, когда они задают вопросы.

В то время как инструменты аналитики самообслуживания могут помочь бизнес-пользователям выполнять основные аналитические задачи, специалисты по данным необходимы, чтобы помочь этим же пользователям выполнять более сложные задачи и проводить глубокую аналитику. 

Изображение используется по лицензии от Shutterstock.com

• SEO-контент и PR-распределение. Получите усиление сегодня.
• ЭВМ Финанс. Единый интерфейс для децентрализованных финансов. Доступ здесь.
• Квантум Медиа Групп. ИК/PR усиление. Доступ здесь.
• ПлатонАйСтрим. Анализ данных Web3. Расширение знаний. Доступ здесь.
• Источник: https://www.dataversity.net/data-scientists-needed-self-service-analytics-world/