Потребность в пионерах данных
Созданы большие данные, искусственный интеллект и интеллектуальная аналитика. Ирония, на том фоне, что то, что удерживает от этих технологий, – это, во всяком случае, нехватка рабочей силы.
- Аналитика бизнеса
- Статьи
- Потребность в пионерах данных
Оглавление
Созданы большие данные, искусственный интеллект и интеллектуальная аналитика. Ирония, на том фоне, что то, что удерживает от этих технологий, – это, во всяком случае, нехватка рабочей силы.
Большие данные и передовая аналитика – это продукты науки о данных.
Какова эффективность управления данными? Только к США к 2018 году только США столкнулись с дефицитом 140 000 – 190 000 ученых. Это инструменты, которые использовались в прошлом.
На самом деле это не новая проблема. Я начал свою карьеру в одной из самых сложных и воображаемых производственных сред, которые можно себе представить. Процессы, системы и инструменты высоко стандартизированы. Полупроводниковые компании тратят необоснованные суммы денег на сбор и хранение данных для стандартизации и автоматизации производственных процессов. Но аналитики использовали для понимания и оптимизации этих процедур. Вы можете найти 30 разных людей в своих отделениях.
Вы видите это в разных отраслях. Отчеты аналитиков Visionary отражают революционные изменения в бизнес-стратегии, основанные на новейшей аналитике. Но в реальном мире многие сложные задачи анализа выполняются в Excel или, в некоторых отраслях, с карандашом и бумагой.
Цели – это перспективный подход к нехватке талантов в области науки. Компании определяют направление деловых людей – умных сотрудников, которые не интересуются вычислениями или статистикой. Они ухаживают за этими людьми для разработки и администрирования моделей на основе прогнозирующей или предписывающей аналитики и предоставления им инструментов и шаблонов, разработанных для определенных типов бизнес-аналитики, и для интерпретации результатов в интересах других бизнес-пользователей.
Эти люди развиваются в экспертов, чей опыт лежит между учеными-данными и бизнес-пользователями. Нам нравится называть их учеными-учеными-гражданами.
Появление ученых-гражданских данных является частью общей демократизации данных в крупных организациях. Чтобы использовать большинство этих инструментов, эти инструменты должны быть широко доступны, как есть. Для аналитики нецелесообразно использовать только небольшое священство экспертов. Существует роль тех людей, которых мы используем, чтобы назвать «опытных пользователей» позицией и решать критические проблемы аналитики.
Организации нуждаются в ученых-данных, и им придется иметь дело с нехваткой этих ресурсов. Однако одна из обязанностей ученых-данных будет заключаться в том, чтобы наставлять ученых-ученых из числа граждан, которым не хватает более глубоких количественных навыков, но чей бизнес-опыт фактически дает им более глубокую перспективу в решении маркетинговых или операционных проблем.
Организации редко имеют формальный способ распознавания опытных пользователей, но руководители неформально знают, кому идти на умные хаки. Развитие роли ученых-гражданских данных является одним из этапов этой традиции. Это вряд ли будет работать в организациях, которые еще не превратились в относительно открытую культуру обмена информацией. Жестко иерархические, нисходящие организации будут труднее создавать роль для ученых-граждан, которым доверяют и доверяют.
Тем не менее, те организации, которые могут преуспеть в успешном знании наборов навыков, как вы их знаете? глубоко в практических деловых вопросах, характерных для компании. Не люди с глубоким знанием продукта, рынка, нормативной среды и странных потребителей искусственного интеллекта.
Ученый-гражданин не для всех. Разумеется, лучше иметь близость к информационным системам, а также терпение, хорошие коммуникативные и консультативные навыки, а также способность переводить между бизнес-проблемой и технологическими инструментами, которые могут быть использованы для ее решения, – понять как конкурентные требования бизнеса и практические ограничения ИТ-инфраструктуры.
16 лучших графиков продаж и диаграмм для развития вашего бизнеса
Миллиардер Тилман Фертитта входит в комнату. Вы не можете поверить, что этот тяжеловес, генеральный директор и …
Почитать еще
Скользкий склон безудержной семантики
Недавняя статья под названием «Спящее будущее визуализации данных? Фотография »расширяет определение визуализации данных до нового предела.
Data mining средства обнаружения данных могут создавать ценность для бизнеса?
Мы живем во время, когда данные вокруг нас. В эпоху цифровых технологий те, кто может выжать
Визуализация данных и виртуальная реальность
Время от времени кто-то заявляет, что визуализация данных может быть улучшена при просмотре в виртуальной
Информационный шум
Чтобы тщательно, точно и четко информировать, мы должны определить предполагаемый сигнал, а затем усилить его,
Аналитическая зрелость
В течение последних двадцати лет ментальная модель зрелости аналитики соответствовала схеме, представленной ниже, начиная с
Машинное обучение
Глубокое обучение – это продвинутая форма машинного обучения. Глубокое обучение относится к способности компьютерных систем, известных
ETL или подготовки данных
Технологии извлечения, преобразования и загрузки (ETL), которыми управляют исключительно ИТ, до недавнего времени были основным
Как начать карьеру в области науки о данных
Каждая область имеет уровень сложности, который человек должен оценить, прежде чем посвящать ему свое время
Как самостоятельно изучить искусственный интеллект и машинное обучение
В наши дни, в эпоху демократизации знаний, стало очень легко глубоко изучить любую дисциплину. Это