Les scientifiques des données sont-ils nécessaires dans le monde de l'analyse en libre-service ? - VERSITÉ DES DONNÉES

Les scientifiques des données sont-ils nécessaires dans le monde de l'analyse en libre-service ? – VERSITÉ DES DONNÉES

Horodatage: 14 juin 2023 3h35
Nœud source: 2132815
analyse en libre-serviceanalyse en libre-service

Alors que le monde devient de plus en plus axé sur les données, les entreprises se tournent vers l'analyse en libre-service pour permettre aux utilisateurs professionnels d'effectuer leurs propres tâches d'analyse de données. Dans l'analyse en libre-service, les utilisateurs professionnels peuvent accéder aux données et les analyser sans l'aide ou le soutien du personnel informatique ou des data scientists. L'accès direct aux plateformes d'analyse alimentées par ML leur permet de prendre de meilleures décisions commerciales en analysant le comportement des clients ou en identifiant les tendances en temps réel. 

Au cours des cinq dernières années, des systèmes logiciels entièrement automatisés et semi-automatisés ont fourni des analytique et les rapports de business intelligence (BI) que les data scientists humains. Alors que la technologie BI basée sur l'intelligence artificielle se dirige vers le libre-service complet, une préoccupation générale dans la communauté Data Science est de savoir si, dans un monde de l'analyse en libre-service en pleine croissance, les scientifiques humains des données deviendront obsolètes en raison de la présence d'outils d'analyse et de BI super intelligents.

L'analyse en libre-service et l'intelligence d'affaires sont-elles un mythe ?

Actuellement, de nombreuses tâches d'analyse et de business intelligence sont gérées par des plates-formes d'analyse semi-automatisées ou entièrement automatisées, en particulier celles alimentées par AI et des outils d'apprentissage automatique (ML). Il est intéressant de noter que les scientifiques humains des données dominaient le domaine de l'exploration de données jusqu'à ce que des outils avancés activés par ML prennent en charge de nombreuses tâches. Techniques d'exploration de données étroitement gardés par des experts humains pendant des années ont maintenant été soudainement remplacés par des outils avancés de ML. Ces outils peuvent détecter des modèles dans les données, établir une corrélation et extraire les informations requises selon les besoins des utilisateurs professionnels ordinaires.

La BI en libre-service n'est pas un mythe, car les entreprises actuelles de toutes tailles utilisent régulièrement algorithmes d'apprentissage automatique pour une prise de décision rentable. L'économie des algorithmes est là pour rester. L'utilisation d'algorithmes packagés pour l'analyse commerciale présente deux avantages évidents : le coût et la disponibilité instantanée.

Deux tendances marquées qui définissaient depuis longtemps le monde de l'informatique décisionnelle en libre-service sont toujours visibles : la fascination profonde pour l'analyse par clic plutôt que pour la fonction d'analyse de codage, et la préoccupation pour les référentiels de données virtuels.

Le rôle des data scientists dans le monde de l'analyse en libre-service

Alors que la « culture des données » se répand rapidement, les scientifiques des données apportent toujours une valeur ajoutée à l'entreprise en tirant parti de la technologie pour fournir des solutions plus rapides et plus précises à tous les types d'utilisateurs.

La révolution de la BI en libre-service amène les scientifiques des données dans le couloir de l'entreprise, où ils discutent de problèmes d'analyse complexes avec d'autres employés. La formidable croissance de Scientifiques citoyens des données et les outils d'apprentissage automatique ont entraîné l'essor de l'analyse en libre-service et de la BI en libre-service. Ce DATAVERSITÉ® L'article décrit un voyage réel dans la pratique commerciale de la BI en libre-service aujourd'hui. Il souligne que les outils automatisés basés sur le cloud ont arraché les rôles d'analyse commerciale et de data scientists et les ont confiés à des data scientists citoyens. Cependant, seul un scientifique des données est qualifié pour combler le fossé entre les «renseignements bruts» extraits de plates-formes intelligentes et les informations utiles à la prise de décision affichées via des tableaux de bord. L'utilisateur professionnel moyen peut accomplir un peu plus que simplement filtrer et regrouper des données dans le monde du libre-service, mais ne peut pas effectuer de tâches de visualisation avancées.

Préparation et extraction des données encore restent les plus grands défis des plates-formes de BI automatisées, et les interrelations complexes entre de nombreuses technologies connexes comme Hadoop, Big Data, et la découverte de données constituent une menace pour l'accès, l'utilisation et la compréhension de la technologie dans le monde du libre-service. « BI assistée » est peut-être un meilleur terme pour décrire l'avenir de l'informatique décisionnelle en libre-service. De plus, la sécurité des données et la gouvernance des données se sont avérées être des enjeux difficiles dans le monde de la BI en libre-service, pour lesquels les entreprises ont dû choisir entre des plateformes de BI plus avancées ou des professionnels des données coûteux et bien formés.

La montée des scientifiques citoyens des données dans l'analyse en libre-service

Aujourd'hui, les utilisateurs professionnels ordinaires ont besoin de plates-formes en libre-service pour effectuer leur travail rapidement et facilement. La principale raison de ce changement d'activité transformationnel vers la BI en libre-service était le manque imminent de talents dans la profession de la science des données prévu par McKinsey il y a de nombreuses années.

Très rapidement, les entreprises ont commencé à explorer des solutions à ce manque de main-d'œuvre, dont l'une consistait à se procurer, créer et déployer des plateformes d'analyse et de BI en libre-service pour répondre à leurs besoins internes. Bien sûr, fusionner des technologies comme nuage, IdO et le Big Data également renforcé la « viabilité » des plateformes libre-service à long terme. Dans ce nouveau monde d'analyse autonome, le citoyen scientifique des données est considéré comme un partenaire et un collaborateur du scientifique des données formé.

Le Data Scientist en tant que collaborateur sur une plateforme de BI autopensante

Actuellement, les solutions d'informatique décisionnelle s'adressent à deux segments de consommateurs très disparates : les utilisateurs professionnels ordinaires et les équipes informatiques professionnelles. Alors que les utilisateurs professionnels sont ravis de devenir autonomes dans les tâches d'analyse ou de BI de routine, les membres de l'équipe informatique sont également enthousiastes à l'idée d'extraire plus rapidement des informations approfondies grâce à l'utilisation d'outils de BI automatisés ou semi-automatisés.

An AnalyticsInsights.net L'article explore si les scientifiques des données humaines disparaîtront de l'entreprise avec la montée soudaine du scientifique des données citoyennes. Il y a un fort indice dans cet article qu'un jour viendra enfin où l'utilisateur professionnel moyen, avec des plateformes ML super puissantes, pourrait éventuellement remplacer complètement la communauté Data Science. 

Selon le Forum économique mondial, bien que les récentes perturbations technologiques menacent les emplois de cols blancs à travers le monde, les analystes de données seront en demande à long terme pour aider les plateformes de veille économique en libre-service.

BI en libre-service ou BI assistée : qu'est-ce qui est le plus réalisable ?

Les entreprises doivent trouver des utilisateurs qui comprennent à la fois la technologie et les processus métier pour assurer leur succès dans le monde de l'analyse. Dans le monde de l'analyse intelligente, les entreprises sont constamment à la recherche d'outils et de solutions qui les aideront à donner un sens aux énormes quantités de données qu'elles génèrent. Cependant, des processus d'analyse mal gérés peuvent conduire à des informations inexactes et à une mauvaise prise de décision. 

C'est là qu'interviennent les scientifiques des données nécessaires - ils possèdent les compétences nécessaires pour extraire des informations significatives à partir de données brutes et interpréter des corrélations de données complexes qui peuvent ne pas être évidentes pour l'utilisateur moyen. Bien que l'intelligence artificielle et d'autres technologies aient fait des progrès significatifs ces dernières années, il existe toujours un besoin de scientifiques des données humaines capables d'apporter une perspective unique à la table.

La communauté Data Science joue un rôle important dans l'avancement de notre compréhension des données et la création de nouveaux outils d'analyse et de découverte dans ce monde BI en constante évolution. économie d'algorithme pousse les milieux d'affaires vers des « aperçus » à partir d'informations simples. Cependant, l'activité principale qui fournit des informations commerciales est l'analyse, et sans outils d'analyse ou de BI avancés, les entreprises se dirigeront vers l'échec dans le monde futur de la concurrence mondiale. C'est ici que analytique intégrée entrer en jeu. Dans un projet d'analyse embarquée, des connaissances en analyse et une main-d'œuvre qualifiée sont nécessaires du début à la fin. L'analyse assistée sera nécessaire avec le libre-service dans le monde des affaires de plus en plus concurrentiel.

Les plates-formes d'analyse en libre-service sont perçues comme une "épée à double tranchant". Bien que la facilité et la puissance de la BI en libre-service soient indéniables, la maintenabilité à long terme de ces plateformes en termes de sécurité des données, de gouvernance des données et de déversement de données pose un défi de taille. L'implication est que des équipes informatiques hautement qualifiées seront nécessaires pour maintenir ces systèmes.

Risques et avantages de la BI en libre-service

Le plus grand avantage de la plate-forme d'analyse et de BI en libre-service est qu'elle permet aux utilisateurs professionnels ordinaires de devenir des scientifiques des données citoyens. Tout en exécutant leurs tâches quotidiennes dans des contraintes de temps strictes, les utilisateurs professionnels trouvent certainement les plates-formes en libre-service pratiques et accessibles pour obtenir  leur travail fait sans trop d'histoires.

Le plus grand inconvénient ou « risque » d'une plate-forme en libre-service est que les utilisateurs peuvent ne pas tirer des informations des données disponibles, mal interpréter les résultats ou mal appliquer les informations. Alors que l'expert en données humaines sait parler à la machine en cas de problème, l'utilisateur professionnel moyen n'a pas de telles compétences. Dans de nombreuses situations, le citoyen scientifique des données est toujours obligé de se tourner vers les vrais scientifiques des données pour obtenir de l'aide et du soutien.

L'explosion des données, l'augmentation des types de données, les technologies émergentes et le cloud ont composé les défis de l'analyse en libre-service, malgré les outils de préparation et d'accès aux données. De plus, il y a des problèmes qui doivent être traités concernant la sécurité des données et la gouvernance des données dans les plateformes d'analyse en libre-service. Tout compte fait, un argument solide peut être fait pour un «cadre de BI distribué» avec une attention complète aux problèmes de sécurité et de gouvernance.

Conclusion

Dans le monde de l'analyse en libre-service, les scientifiques des données sont toujours nécessaires pour améliorer l'intelligence économique et aider les entreprises à prendre de meilleures décisions commerciales. Bien que les plateformes d'analyse en libre-service permettent aux utilisateurs d'accéder et d'analyser les données par eux-mêmes, elles sont limitées par la connaissance des méthodologies analytiques de l'utilisateur. Les scientifiques des données peuvent améliorer les activités de BI en utilisant l'analyse prédictive et les outils puissants de ML pour générer des informations prédictives. 

Dans le monde de l'analyse en libre-service, les gens d'affaires assument désormais davantage la responsabilité de leurs propres besoins en données. Cependant, ils ont encore besoin d'équipes d'experts en données pour trouver des solutions. Les scientifiques des données sont toujours importants dans ce monde, car les utilisateurs ont besoin d'eux pour avoir des informations à portée de main lorsqu'ils posent des questions.

Alors que les outils d'analyse en libre-service peuvent aider les utilisateurs professionnels à effectuer des tâches d'analyse de base, des scientifiques des données sont nécessaires pour aider ces mêmes utilisateurs à effectuer des tâches plus complexes et à effectuer des analyses approfondies. 

Image utilisée sous licence de Shutterstock.com

Horodatage:

Plus de DATAVERSITÉ