Cos'è un Citizen Data Scientist?

Un citizen data scientist è un professionista senza una formazione specifica in matematica e statistica avanzata, che si avvale delle applicazioni per estrarre idee di alto valore dai dati. Un citizen data scientist usa dati e analisi su base giornaliera per risolvere specifici problemi di business con un'interfaccia point-and-click. Si affida a strumenti per astrarre gran parte della difficoltà da compiti come l'astrazione dei dati e automatizzare gran parte del lavoro di modellazione e rilevamento di modelli nei dati.

Le iniziative di Digital Transformation hanno avuto un impatto su ogni aspetto di come le aziende fanno business oggi. Questi cambiamenti guidati dai dati hanno portato sempre più leader aziendali a rivolgersi ai citizen data scientist per colmare il divario tra la domanda di dati e analisi e l'offerta limitata di data scientist qualificati nel mercato attuale. I citizen data scientist sono in grado di soddisfare questa carenza di competenze. Essi riescono a creare modelli di Data Science utilizzando l'analytics avanzata e la predictive analytics senza un background in analisi statistica.

Perché c'è una crescente domanda di Citizen Data Scientist?

Il ruolo di citizen data scientist è chiave per ottenere di più dalla tecnologia analitica avanzata senza spendere grandi somme di denaro per assumere data scientist ben addestrati. Il citizen data scientist è la migliore opportunità per l'organizzazione di coltivare le scarse competenze analitiche e di modellazione che permetteranno loro di soddisfare le richieste urgenti del business e di trasformare i dati in azione. Le aziende più smart oggi impiegano team di data science che includono una combinazione di data scientist e citizen data scientist. L'obiettivo dei citizen data scientist non è, tuttavia, quello di sostituire i data scientist, ma di integrarli e colmare le lacune di competenze nella comprensione sia dei dati che del business.

The Rise of the Citizen Data Scientist (L'avvento del citizen data scientist)

L'ascesa del Citizen Data Scientist può essere attribuita a:

1. Quanto i citizen data scientist dimostrano di essere un asset chiave. Essi rappresentano un'alternativa conveniente per i data scientist, sono più facili da trovare e meno costosi da assumere, ma sono in grado di integrare il lavoro di questi.
2. Come la Data Science sia un campo più accessibile ai non esperti. I moderni strumenti di analisi e business intelligence (BI) stanno permettendo agli utenti di tutto il business di impegnarsi e comprendere meglio i dati. Le soluzioni relative all'analitica aumentata e al machine learning (ML) stanno aiutando i Citizen Data Scientist a completare più facilmente la Data Discovery e i compiti di analisi che una volta erano svolti solo da Data Science esperti.

Come fornire più potere ai Citizen Data Scientist

Advanced analytics e machine learning stanno diventando sempre più importanti nel mondo connesso di oggi.

Guidare il valore di queste tecnologie si basa sulle organizzazioni che autorizzano i citizen scientist a sviluppare modelli intorno alla Data Analytics avanzata, al Machine Learning e al business algoritmico. E, successivamente, erogare quei modelli ai manager della linea d'impresa e agli utenti aziendali che ne hanno bisogno per prendere decisioni migliori.

I citizen data scientist sono la chiave per ottenere il massimo valore investimenti in analitica avanzata senza spendere troppo per i data scientist esperti. Quando sono autorizzati dall'azienda, i citizen data scientist senza una formazione specifica sono in grado di estrarre preziose insight dai dati. Impiegano una varietà di strumenti per rendere i compiti della data science meno difficili, come gli strumenti di automazione per la preparazione dei dati, la modellazione e il riconoscimento dei modelli.

Le aziende possono fornire più potere ai citizen data scientist grazie a una combinazione di persone, processi e tecnologia

Persone

La maggior parte delle definizioni di citizen data scientist sono abbastanza ampie da includere il personale delle linee di impresa, gli analisti di business e i dipendenti della business intelligence (BI) e persino dell'IT. Con una portata così ampia, il citizen data scientist svolge un ruolo prezioso in quella che l'analista Howard Dresner definisce "democrazia dell'informazione", garantendo che i dati e gli approfondimenti siano condivisi in tutto il business. Le aziende non possono più andare avanti senza applicazioni di BI e analisi. È fondamentale mettere le informazioni preziose nelle mani del business e degli altri stakeholder, invece che solo dei data scientist e degli altri esperti di dati.

Processo

Il processo attraverso il quale i data scientist e i citizen data scientist fanno un uso migliore dei dati e delle analisi è sostenuto da una domanda più profonda sull'organizzazione nel suo complesso: Dispone di processi per condividere qualcosa? Questo non è sempre un dato di fatto nelle aziende che sono cresciute rapidamente, sono cresciute attraverso fusioni e acquisizioni, o hanno iniziato a ridursi. Se la cultura non ha mai abbracciato o favorito la nozione di trasparenza e condivisione, allora qualsiasi processo l'azienda possa mettere in atto per utilizzare il software per pubblicare i modelli analitici e i dati che raccolgono è improbabile che abbia successo.

Una volta che i citizen data scientist si sono fatti avanti e i data scientist li hanno qualificati, ha inizio il processo di suddivisione del lavoro.

L'obiettivo di coinvolgere i citizen data scientist non è quello di sostituire i data scientist, ma di integrarli con un insieme di utenti esperti che possono utilizzare le vostre applicazioni per riprendere da dove gli scienziati hanno lasciato e colmare eventuali lacune di abilità. Dato che l'uso ottimale dei big data richiede conoscenze di codifica, statistica, machine learning, gestione dei database, tecniche di visualizzazione e conoscenze specifiche del settore, il modo migliore per riuscirci è combinare diverse competenze. Come minimo, i citizen data scientist offrono il maggior valore nell'area della conoscenza LOB, un qualcosa che sarebbe inefficiente per un data scientist per fermarsi e apprendersi in qualsiasi grado utile.

Una volta che un processo è in atto, le barriere tradizionali che i data scientist devono affrontare per ottenere l'approvazione, sia a monte del management che a valle del personale, iniziano a diminuire, poiché la democrazia dell'informazione mette più dati in più mani. Oltre ad arrivare a idee che aumentano le entrate o abbassano i costi nel breve periodo, la promessa della Data Science sta nell'applicare queste idee in modi che modellano beneficamente la direzione dell'azienda nel lungo periodo. Il modo più agevole è collegare gli sforzi dei Data Scientist formati e dei Citizen Data Scientist.

In pratica, ha senso che i data scientist si attengano al lavoro di analisi e statistica avanzata per cui sono addestrati, creando flussi di lavoro per la preparazione e la modellazione dei dati. Quando questi flussi di lavoro sono pronti per essere testati o portati in produzione, i data scientist usano il software di analisi per spingerli ai citizen data scientist, che li eseguono e si assicurano che funzionino come progettato. Con il tempo, i citizen data scientist possono assumersi una maggiore responsabilità, utilizzando l'applicazione per modificare i flussi di lavoro e crearne di propri.

Tecnologia

La maggior parte degli analisti si rivolge di riflesso a un programma di fogli di calcolo per analizzare i numeri e arrivare a delle idee. Il formato intuitivo, affidabile, a riga e colonna è immediatamente comprensibile ed è infinitamente flessibile. Tuttavia, il software del foglio di calcolo alla fine finisce la benzina, sia nella collaborazione, nella condivisione, nella combinazione di insiemi di dati disparati, nell'esecuzione di analisi avanzate o nell'esecuzione di flussi di lavoro ripetibili.

I Data Scientist sanno che è inutile imporre la matematica grezza e le statistiche a persone che non sono esperte in materia. L'obiettivo è quello di portare una Analytics Platform nelle mani di persone che possono costruire i modelli da utilizzare in tutta l'organizzazione. Ogni Analytics Platform sostiene la facilità d'uso, ma questo non è sufficiente. Deve essere sufficientemente potente da soddisfare le esigenze degli scienziati di dati, ma abbastanza facile per il personale non tecnico da utilizzare flussi di lavoro automatizzati e condivisibili in tutta l'azienda.