Was ist ein Citizen Data Scientist?

Ein Citizen Data Scientist ist ein Wissensarbeiter ohne formelle Ausbildung in fortgeschrittener Mathematik und Statistik, der Anwendungen zur Gewinnung von hochwertigen Erkenntnisse aus Daten verwendet. Ein Citizen Data Scientist verwendet täglich Daten und Analysen, um spezifische Geschäftsprobleme mit einer Point-and-Click-Schnittstelle zu lösen. Er verlässt sich auf Tools, um einen Großteil der Schwierigkeiten von Aufgaben wie der Datenabstraktion zu abstrahieren und einen Großteil der Arbeit der Modellierung und Erkennung von Mustern in Daten zu automatisieren.

Initiativen zur digitalen Transformation haben sich auf jeden Aspekt der heutigen Geschäftstätigkeit von Unternehmen ausgewirkt. Diese datengesteuerten Änderungen haben dazu geführt, dass sich immer mehr Geschäftsführer an Citizen Data Scientists wenden, um die Lücke zwischen der Nachfrage nach Daten und Analysen und dem begrenzten Angebot an qualifizierten Data Scientists auf dem heutigen Markt zu schließen. Citizen Data Scientists sind in der Lage, diesen Fachkräftemangel zu decken. Sie sind in der Lage, Data-Science-Modelle mit erweiterten und prädiktiven Analysen ohne Hintergrund in der statistischen Analyse zu erstellen.

Warum gibt es eine steigende Nachfrage nach Citizen Data Scientists?

Die Rolle des Citizen Data Scientists steht im Mittelpunkt, damit mehr aus der fortschrittlichen Analysetechnologie herausgeholt werden kann, ohne große Geldsummen für die Einstellung gut ausgebildeter Data Scientists auszugeben. Der Citizen Data Scientist ist die beste Chance der Organisation, knappe Modellierungs- und Analysefähigkeiten zu pflegen, mit denen sie dringende Geschäftsanforderungen erfüllen und Daten in die Tat umsetzen kann. Intelligente Unternehmen beschäftigen heute Data-Science-Teams, die eine Kombination aus Data Scientists und Data Scientists umfassen. Das Ziel von Citizen Data Scientists besteht jedoch nicht darin, Data Scientists zu ersetzen, sondern sie zu ergänzen und Qualifikationslücken zu schließen, um sowohl die Daten als auch das Geschäft zu verstehen.

The Rise of the Citizen Data Scientist (Die wachsende Bedeutung der Citizen-Data-Scientists)

Der Aufstieg des Citizen Data Scientist kann zugeschrieben werden auf:

1. Was für ein wichtiger Asset Citizen Data Scientists offenbar sind. Sie sind eine kostengünstige Option für erfahrene Data Scientists, die leichter zu finden und kostengünstiger einzustellen sind, aber die Arbeit dieser Data Scientists ergänzen.
2. Wie Data Science als Feld für nicht fachkundige Personen zugänglicher ist. Moderne Analyse- und Business Intelligence-Tools (BI ) ermöglichen es Benutzern im gesamten Unternehmen, Daten zu binden und besser zu verstehen. Lösungen im Zusammenhang mit Augmented Analytics und Machine Learning (ML) helfen Citizen Data Scientists, Datenerkennungs- und Analyseaufgaben, die früher nur von erfahrenen Data Scientists durchgeführt wurden, einfacher abzuschließen.

Wie man Citizen Data Scientists befähigen

Fortschrittliche Analytik und maschinelles Lernen werden in der vernetzten Welt von heute immer wichtiger.

Der Wertschöpfung dieser Technologien beruht darauf, dass Unternehmen Citizen Scientists in die Lage bringen, Modelle für fortschrittliche Daten-Analytik, maschinelles Lernen und algorithmisches Geschäft zu entwickeln. Und dann liefern Sie diese Modelle an die Line-of-Business-Manager (LOB) und Business-Anwender, die sie benötigen, um bessere Entscheidungen zu treffen.

Citizen Data Scientists sind der Schlüssel, um den größten Nutzen aus Ihren Investitionen in Advanced Analytics herauszuholen, ohne zu viel für Expertendatenwissenschaftler auszugeben. Wenn sie von der Organisation befähigt werden, können Citizen Data Scientists ohne formale Ausbildung immer noch wertvolle Erkenntnisse aus Daten gewinnen. Sie verwenden eine Vielzahl von Tools, um Data-Science-Aufgaben leichter zu machen, z. B. Automatisierungswerkzeuge für die Datenaufbereitung, Modellierung und Mustererkennung.

Organisationen können Citizen Data Scientists mit einer Kombination aus Personen, Prozessen und Technologie versorgen

Benutzer

Die meisten Definitionen von Citizen Data Scientists sind breit genug, um LOB-Mitarbeiter, Geschäftsanalysten und Mitarbeiter in Business Intelligence (BI) und sogar IT einzubeziehen. Mit einer so großen Reichweite spielt der Citizen Data Scientist eine wertvolle Rolle dabei, was Analyst Howard Dresner als „Informationsdemokratie“ bezeichnet, und stellt sicher, dass Daten und Erkenntnisse im gesamten Unternehmen geteilt werden. Unternehmen kommen ohne BI- und Analytics-Anwendungen nicht mehr aus. Es ist wichtig, wertvolle Informationen in die Hände des Unternehmens und anderer Stakeholder zu bekommen, anstatt nur die Data Scientists und andere Datenexperten.

Prozess

Der Prozess, durch den Data Scientists und Citizen Data Scientists Daten und Analysen besser nutzen, wird durch eine tiefere Frage über die Organisation als Ganzes untermauert: Verfügt sie über Prozesse zum Teilen von irgendetwas? Dies ist nicht immer eine Selbstverständlichkeit bei Unternehmen, die schnell gewachsen sind, durch Fusionen und Übernahmen gewachsen sind oder zu schrumpfen begonnen haben. Wenn die Kultur den Begriff der Transparenz und des Austauschs nie angenommen oder gefördert hat, ist es unwahrscheinlich, dass jeder Prozess, den das Unternehmen einführt, um Software zur Veröffentlichung von Analysemodellen und den von ihm geernteten Daten zu verwenden.

Sobald die Citizen Data Scientists hervorgetreten sind und die Data Scientists sie qualifiziert haben, beginnt der Prozess der Schnitzarbeit.

Das Ziel, Citizen Data Scientists einzubeziehen, besteht nicht darin, Data Scientists zu ersetzen, sondern sie durch eine Reihe von erfahrenen Nutzern zu ergänzen, die Ihre Anwendungen nutzen können, um dort zu finden, wo Wissenschaftler weggehen und Qualifikationslücken schließen. Angesichts der Tatsache, dass die optimale Verwendung von Big Data Kenntnisse in Codierung, Statistiken, maschinellem Lernen, Datenbankmanagement, Visualisierungstechniken und branchenspezifischem Wissen erfordert, besteht der beste Weg, dies zu erreichen, darin, mehrere Fähigkeiten zu kombinieren. Zumindest bieten Citizen Data Scientists den größten Wert auf dem Gebiet des LOB-Wissens, was es für einen Data Scientist ineffizient wäre, in jedem nützlichen Maße aufzuhören und zu lernen.

Sobald ein Prozess abgeschlossen wurde, beginnen die traditionellen Barrieren, mit denen Data Scientists sich auseinandersetzen müssen. Sie müssen sowohl upstream die Geschäftsleitung als auch downstream die Mitarbeiter— überzeugen, da die Informationsdemokratie mehr Daten in mehr Hände bringt. Abgesehen der Gewinnung der Erkenntnisse, die den Umsatz steigern oder die Kosten kurzfristig senken, besteht das Versprechen von Data Science darin, diese Erkenntnisse auf eine Weise anzuwenden, die die Richtung des Unternehmens langfristig positiv gestaltet. Der reibungsloste Weg dorthin sind die gemeinsamen Bemühungen von ausgebildeten Data Scientists und Citizen Data Scientists.

In der Praxis ist es für Data Scientists sinnvoll, sich an die Arbeit von Advanced Analytics und Statistiken zu halten, für die sie geschult werden, und um Workflows für die Datenaufbereitung und -modellierung zu schaffen. Wenn diese Workflows zum Testen oder Einnehmen in die Produktion bereit sind, verwenden die Data Scientists Ihre Analysesoftware, um sie an die Citizen Data Scientists weiterzuleiten, die sie ausführen und sicherstellen, dass sie wie geplant funktionieren. Mit der Zeit können die Citizen Data Scientists eine größere Verantwortung übernehmen und Ihre Anwendung verwenden, um Workflows zu ändern und ihre eigenen zu erstellen.

Technologie

Die meisten Analysten greifen reflexartig nach einem Tabellenkalkulationsprogramm, um Zahlen zu knacken und Erkenntnisse zu gewinnen. Das intuitive, vertrauenswürdige Zeilen-und-Spalten-Format macht sofort Sinn und ist unendlich flexibel. Der Tabellenkalkulationssoftware geht jedoch langsam die Puste aus, entweder bei der Zusammenarbeit, beim Austausch, bei der Kombination verschiedener Datensätze, bei der Durchführung fortschrittlicher Analysen oder bei der Ausführung wiederholbarer Workflows.

Data Scientists wissen, dass es sinnlos ist, rohe Mathematik und Statistiken über Menschen aufzuerlegen, die nicht geschickt mit ihnen sind. Ziel ist es, eine Analytik-Plattform in die Hände von Personen zu bekommen, die die Modelle für den gesamten Unternehmensgebrauch erstellen können. Jede Analytik-Plattform behauptet benutzerfreundlich zu sein, aber das reicht nicht aus. Es muss ausreichend leistungsfähig sein, um die Anforderungen von Data Scientists zu erfüllen und dennoch einfach genug zu sein, damit nicht technisches Personal automatisierte, gemeinsam nutzbare Workflows im gesamten Unternehmen nutzen kann.