Mýty o datové analytice

Obsah

Nejrozšířenější mýty o datové analytice

Data science je multidisciplinární přístup pro hledání, extrahování a zvýrazňování vzorců v datech. Kvůli svému potenciálu se do analytických nástrojů investují miliony dolarů ročně. S datovou analytikou je spojeno spoustu zvláštních mýtu, některé se pokusíme v následujícím článku vysvětlit.

1. mýtus: „Datoví údržbáři“

Přibližně 70 % dat v databázích podniků nejsou vhodné, protože analytický tým s nimi nemůže pracovat. A zároveň je všeobecně známo, že 80 % času stráví datoví vědci na úpravách a transformaci dat a pouze 20 % času věnují analýzám.

Problém úpravy dat tkví v tom, že jde o velmi jednotvárnou činnost. Tato práce se většinou předává datovým inženýrům, kteří mají na starosti všechny činnosti ohledně transformace, extrakce a dalších potřebných úprav dat. Potom se hlásí ke slovu datový vědci, kteří s daty dále pracují a upravují si je podle svých potřeb, aby je mohli použít v analýzách a modelech. Špatná souhra mezi lidmi, procesy a nástroji má potom za následek neefektivní přístup k analytice, neustálou komunikaci mezi všemi zúčastněnými, zpoždění a chyby.

Pravda: Datoví vědci mohou být stejné osoby jako datoví údržbáři. Stejně každý den pracují s daty a různými datovými formáty. Moderní přístupy v data science zahrnují všechny osoby od datových inženýrů, přes vědce až po analytiky. Každá z těchto osob se podílí na čistění a transformaci dat. Díky spolupráci všech členů týmu na časově náročných částech procesu, mohou společnosti zvýšit produktivitu týmu.

 

2. mýtus: Machine learning nahradí datové vědce

Datoví vědci jsou v centru pozornosti již řadu let. Hlavní ekonom Google, Hall Varian, řekl, že je to “nejvíc sexy práce na světě”.

Brzy na to vývojáři softwarů přišli s tím, že nástroje datových vědců jsou tak jednoduché na použití, že jejich práce v budoucnu již nebude potřeba. Avšak přišlo se na to, že datoví vědci jsou nepostradatelní v oblasti predikce. Na každý tým analytiků totiž existuje tým vedoucích pracovníků, kteří využívají jejich data k lepšímu rozhodování v podniku.

Pravda: Datoví vědci zůstávají. Jsou jádrem podniku a měli by být podporování nástroji, technologiemi a postupy, které jim pomohou rozšiřovat znalosti a talent. Data science je v současné době dostupná na vysokých školách. Brzy se počítá s tím, že bude dostupná i mladším generacím.

Datoví vědci jsou důležití dnes a budou důležití i v budoucnosti.

 

3. mýtus: Není možné současně sdílet a chránit data

Analytické týmy potřebují rychlý a snadný přístup k datům. Jenže data jsou pravděpodobně nejcennějším aktivem podniků bez ohledu na jejich oblast působení. Musí být chráněna a zpracovávána s nejvyšší mírou zabezpečení. Správci databází a big dat jsou obvykle pověřeni zpřístupňováním dat v rámci svého podniku, avšak zároveň si musí být jisti, že přístup k datům dodržuje zásady správy a zabezpečení společnosti. Z toho důvodu přístup k datům v rámci podniku může poněkud váznout.

Pravda: Leadři v oblasti analytiky se naučili vytvářet procesy a závádět nástroje, které umožňují přístup do databází na základě rolí a tím umožňují plynulou komunikaci mezi datovými inženýry, datovými vědci, analytiky a manažery. Zaměstnanci firmy díky tomu mají možnost okamžitě vyhledat a prozkoumat datasety, které potřebují.

 

 

 

 

Další články

Geo-analytika na vzestupu

Geo-analytika kombinuje tradiční analytiku s informacemi o poloze, aby poskytla lepší kontext a perspektivu studovaných dat. Geografické umístění a další prostorové informace mohou rozšířit a

Nevymýšlejte znovu kolo. Použijte embedded BI.

Napříč IT byznysem najdete spoustu společností, startupů či projektů vytvářející různé aplikace. Už je pryč doba, kdy se vytvářeli robustní programy, vyžadující složité provozní konfigurace