Ali so podatkovni znanstveniki potrebni v svetu samopostrežne analitike? - DATAVERSITY

Ali so podatkovni znanstveniki potrebni v svetu samopostrežne analitike? – RAZVIRNOST PODATKOV

Časovni žig: 14. junij 2023 3:35
Izvorno vozlišče: 2731292
samopostrežna analitikasamopostrežna analitika

Ker svet vse bolj temelji na podatkih, se podjetja obračajo na samopostrežno analitiko, da poslovnim uporabnikom omogočijo izvajanje lastnih nalog analize podatkov. V samopostrežni analitiki lahko poslovni uporabniki dostopajo do podatkov in jih analizirajo brez pomoči ali podpore osebja IT ali podatkovnih znanstvenikov. Neposreden dostop do analitičnih platform, ki jih poganja ML, jim omogoča sprejemanje boljših poslovnih odločitev z analizo vedenja strank ali prepoznavanjem trendov v realnem času. 

V zadnjih petih letih so popolnoma avtomatizirani in polavtomatski programski sistemi zagotovili večjo zanesljivost analitika in poročila poslovne inteligence (BI) kot znanstveniki podatkov o ljudeh. Ker se tehnologija poslovnega obveščanja, ki jo poganja umetna inteligenca, usmerja k popolni samopostrežnosti, je splošna skrb v skupnosti Data Science vprašanje, ali vedno rastoč svet samopostrežne analitike, človeški podatkovni znanstveniki bodo postali zastareli zaradi prisotnosti super-inteligentne analitike in orodij poslovne inteligence.

Ali sta samopostrežna analitika in poslovna inteligenca mit?

Trenutno številne naloge analitike in poslovne inteligence opravljajo polavtomatizirane ali popolnoma avtomatizirane analitične platforme, zlasti tiste, ki jih poganja AI in orodja za strojno učenje (ML). Zanimivo je omeniti, da so znanstveniki s človeškimi podatki prevladovali na področju podatkovnega rudarjenja, dokler pred kratkim napredna orodja, ki podpirajo ML, niso prevzela številnih nalog. Tehnike podatkovnega rudarjenja ki so jih leta skrbno varovali človeški strokovnjaki, so zdaj nenadoma nadomestila napredna orodja ML. Ta orodja lahko zaznajo vzorce v podatkih, vzpostavijo korelacijo in pridobijo zahtevane vpoglede, kot jih potrebujejo običajni poslovni uporabniki.

Samopostrežni BI ni mit, saj sedanja podjetja vseh velikosti redno uporabljajo paketno algoritmi strojnega učenja za dobičkonosno odločanje. Gospodarstvo algoritmov bo ostalo. Obstajata dve očitni prednosti uporabe pakiranih algoritmov za poslovno analitiko: stroški in takojšnja razpoložljivost.

Še vedno sta vidna dva izrazita trenda, ki sta že davno definirala svet samopostrežne poslovne inteligence: globoka fascinacija nad analitiko s klikom na gumb namesto analitične funkcije kodiranja in preokupacija z virtualnimi repozitoriji podatkov.

Vloga podatkovnih znanstvenikov v svetu samopostrežne analitike

Medtem ko se »podatkovna kultura« hitro širi, podatkovni znanstveniki še vedno dodajajo vrednost podjetju z izkoriščanjem tehnologije za zagotavljanje hitrejših in natančnejših rešitev za vse vrste uporabnikov.

Samopostrežna revolucija poslovne inteligence prinaša podatkovne znanstvenike na poslovni hodnik, kjer z drugimi zaposlenimi razpravljajo o kompleksnih analitičnih vprašanjih. Izjemna rast znanstveniki za podatke državljanov in orodja za strojno učenje so povzročila porast samopostrežne analitike in samopostrežne poslovne inteligence. to DATAVERSITY® Članek opisuje resnično potovanje v poslovno prakso samopostrežne poslovne inteligence danes. Poudarja, da so avtomatizirana orodja v oblaku prevzela vloge poslovnih analitikov in podatkovnih znanstvenikov ter jih dala v roke državljanskim podatkovnim znanstvenikom. Vendar pa je le podatkovni znanstvenik usposobljen za premostitev vrzeli med »surovo inteligenco«, pridobljeno iz pametnih platform, in odločitvam prijaznimi vpogledi, ki se pojavljajo skozi nadzorne plošče. Povprečni poslovni uporabnik lahko v samopostrežnem svetu doseže nekaj več kot le filtriranje in združevanje podatkov, vendar ne more doseči nalog napredne vizualizacije.

Priprava in pridobivanje podatkov še vedno ostajajo največji izzivi v avtomatiziranih platformah poslovnega obveščanja in zapleteni medsebojni odnosi med številnimi povezanimi tehnologijami, kot je Hadoop, veliki podatki, in odkrivanje podatkov predstavlja grožnjo za dostop do tehnologije, uporabo in razumevanje v samopostrežnem svetu. »Assisted BI« je morda boljši izraz za opis prihodnosti samopostrežne poslovne inteligence. Poleg tega sta se varnost podatkov in upravljanje podatkov izkazala za zahtevna vprašanja v samopostrežnem BI svetu, za katera so morala podjetja izbirati med naprednejšimi BI platformami oz. dragi in dobro usposobljeni podatkovni strokovnjaki.

Vzpon znanstvenikov za podatke državljanov v samopostrežni analitiki

Dandanes navadni poslovni uporabniki potrebujejo samopostrežne platforme za hitro in enostavno opravljanje svojega dela. Najpomembnejši razlog za ta preobrazbeni poslovni premik k samopostrežni poslovni inteligenci je bila bližajoča se vrzel v talentih v poklicu podatkovne znanosti, ki jo je pred mnogimi leti napovedal McKinsey.

Podjetja so zelo hitro začela raziskovati rešitve za to vrzel v človeški sili, ena od teh je bila nabava, izgradnja in uvedba samopostrežne analitike in platform poslovnega obveščanja, da bi zapolnili svoje interne potrebe. Seveda združevanje tehnologij, kot je oblak, internet stvari in velika podatki tudi dolgoročno okrepila "sposobnost preživetja" samopostrežnih platform. V tem na novo razvitem, samostojnem analitičnem svetu se državljanski podatkovni znanstvenik obravnava kot partner in sodelavec usposobljenega podatkovnega znanstvenika.

Podatkovni znanstvenik kot sodelavec na samomisleči BI platformi

Trenutno rešitve poslovne inteligence skrbijo za dva zelo različna potrošniška segmenta: navadne poslovne uporabnike in profesionalne ekipe IT. Medtem ko so poslovni uporabniki navdušeni nad tem, da bodo postali samozadostni pri rutinski analitiki ali nalogah poslovne inteligence, so člani IT ekipe navdušeni tudi nad hitrejšim pridobivanjem globokih vpogledov z uporabo avtomatiziranih ali polavtomatskih orodij poslovne inteligence.

An AnalyticsInsights.net Članek raziskuje, ali bodo znanstveniki za podatke o ljudeh izginili iz podjetja z nenadnim vzponom znanstvenikov za podatke o državljanih. V tem članku je močan namig, da bo končno prišel dan, ko bo povprečen poslovni uporabnik skupaj s super zmogljivimi platformami ML morda sčasoma v celoti nadomestil skupnost Data Science. 

Glede na Svetovni gospodarski forum, čeprav nedavne tehnološke motnje ogrožajo delovna mesta belih ovratnikov po vsem svetu, bodo podatkovni analitiki dolgoročno povprašeni za pomoč samopostrežnim platformam za poslovno inteligenco.

Samopostrežni BI ali podprti BI: kaj je bolj dosegljivo?

Podjetja morajo najti uporabnike, ki razumejo tako tehnologijo kot poslovne procese, da zagotovijo svoj uspeh v svetu analize. V svetu inteligentne analitike podjetja nenehno iščejo orodja in rešitve, ki jim bodo pomagala razumeti ogromne količine podatkov, ki jih ustvarjajo. Vendar lahko napačno vodeni procesi analize vodijo do netočnih vpogledov in slabega odločanja. 

Tu pridejo na vrsto potrebni podatkovni znanstveniki – imajo veščine, potrebne za pridobivanje pomembnih vpogledov iz neobdelanih podatkov in razlago zapletenih podatkovnih korelacij, ki povprečnemu uporabniku morda niso očitne. Medtem ko so umetna inteligenca in druge tehnologije v zadnjih letih močno napredovale, še vedno obstaja potreba po znanstvenikih za podatke o ljudeh, ki lahko na mizo prinesejo edinstveno perspektivo.

Skupnost Data Science ima pomembno vlogo pri napredku našega razumevanja podatkov in ustvarjanju novih orodij za analizo in odkrivanje v tem nenehno razvijajočem se svetu poslovne inteligence. ekonomičnost algoritma potiska poslovne skupnosti k »vpogledom« iz preprostih informacij. Vendar pa je osnovna dejavnost, ki zagotavlja poslovne vpoglede, analitika in brez napredne analitike ali orodij poslovne inteligence bodo podjetja v prihodnjem svetu globalne konkurence padla v propad. Tukaj je vgrajena analitika pridejo v poštev. V projektu vgrajene analitike sta potrebna analitično znanje in usposobljena delovna sila od začetka do konca. Podprta analitika bo potrebna skupaj s samopostrežbo v vse bolj konkurenčnem poslovnem svetu.

Samopostrežne analitične platforme se dojemajo kot »dvorezen meč«. Medtem ko enostavnosti in moči samopostrežne poslovne inteligence ni mogoče zanikati, dolgoročno vzdrževanje teh platform v smislu varnosti podatkov, upravljanja podatkov in razlitja podatkov predstavlja velik izziv. Posledica tega je, da bodo za vzdrževanje teh sistemov potrebne visoko usposobljene ekipe IT.

Tveganja in koristi samopostrežnega BI

Največja prednost samopostrežne analitike in BI platforme je, da navadnim poslovnim uporabnikom omogoča, da postanejo državljanski podatkovni znanstveniki. Med opravljanjem vsakodnevnih nalog v strogih časovnih omejitvah se poslovnim uporabnikom zagotovo zdijo samopostrežne platforme priročne in dostopne za pridobivanje.  njihovo delo opravljeno brez velikega napora.

Največja pomanjkljivost ali "tveganje" samopostrežne platforme je, da uporabniki morda ne uspejo pridobiti vpogledov iz razpoložljivih podatkov, si napačno razlagajo rezultate ali napačno uporabijo vpoglede. Medtem ko strokovnjak za človeške podatke ve, kako se pogovarjati s strojem v primeru težav, povprečen poslovni uporabnik nima teh veščin. V mnogih situacijah se mora državljanski podatkovni znanstvenik še vedno obrniti na prave podatkovne znanstvenike za pomoč in podporo.

Eksplozija podatkov, naraščajoče vrste podatkov, nastajajoče tehnologije in oblak so sestavili izzive samopostrežne analitike, kljub orodjem za pripravo podatkov in dostop do podatkov. Poleg tega obstajajo vprašanja, ki jih je treba obravnavati, vključno z varnostjo podatkov in upravljanjem podatkov v samopostrežnih analitičnih platformah. Vse povedano, močne argumente je mogoče podati za »razdeljeno BI-ogrodje« s polno pozornostjo na vprašanje varnosti in upravljanja.

zaključek

V svetu samopostrežne analitike so podatkovni znanstveniki še vedno potrebni za izboljšanje poslovne inteligence in pomoč podjetjem pri sprejemanju boljših poslovnih odločitev. Medtem ko samopostrežne analitične platforme uporabnikom omogočajo samostojen dostop in analizo podatkov, je to omejeno z uporabnikovim poznavanjem analitičnih metodologij. Podatkovni znanstveniki lahko izboljšajo dejavnosti poslovne inteligence z uporabo napovedne analitike in električnih orodij ML za ustvarjanje napovednih vpogledov. 

V svetu samopostrežne analitike poslovneži zdaj prevzemajo več odgovornosti za lastne podatkovne potrebe. Vendar še vedno potrebujejo ekipe podatkovnih strokovnjakov, da bi našli rešitve. Podatkovni znanstveniki so še vedno pomembni v tem svetu, saj jih uporabniki potrebujejo, da imajo informacije na dosegu roke, ko postavljajo vprašanja.

Medtem ko lahko samopostrežna analitična orodja pomagajo poslovnim uporabnikom pri izvajanju osnovnih analitičnih nalog, so potrebni podatkovni znanstveniki, ki tem istim uporabnikom pomagajo pri izvajanju bolj zapletenih nalog in izvajanju poglobljene analitike. 

Slika, uporabljena pod licenco Shutterstock.com

Časovni žig:

Več od PODATKOVNOST