시티즌 데이터 사이언티스트는 무엇입니까?
시티즌 데이터 사이언티스트는 애플리케이션을 사용하여 데이터에서 가치가 높은 통찰력을 추출하는 고등 수학 및 통계에 대한 공식 교육을 받지 못한 지식 근로자입니다. 시티즌 데이터 사이언티스트는 매일 데이터와 그에 대한 분석을 사용하여 포인트 앤 클릭 인터페이스로 특정 비즈니스 문제를 해결합니다. 그들은 도구에 의존하여 데이터 추상화와 같은 작업에서 난이한 대부분 문제를 추상화하고 데이터를 모델링하고 패턴을 감지하는 작업의 대부분을 자동화합니다.
디지털 혁신 이니셔티브는 오늘날 조직이 비즈니스를 수행하는 방식의 모든 측면에 영향을 미쳤습니다. 이러한 데이터 중심의 변화로 인해 점점 더 많은 비즈니스 리더가 데이터 및 분석에 대한 수요와 현재 시장에서 숙련된 데이터 사이언티스트의 제한된 공급 사이의 격차를 메우기 위해 시티즌 데이터 사이언티스트로 눈을 돌리게 되었습니다. 시티즌 데이터 사이언티스트는 이러한 기술 부족을 해결할 수 있습니다. 그들은 통계 분석에 대한 배경 지식이 없이도 고급 및 예측 분석을 사용하여 데이터 사이언스 모델을 만들 수 있습니다.
시티즌 데이터 사이언티스트에 대한 수요가 증가하는 이유는 무엇입니까?
시티즌 데이터 사이언티스트 역할은 많은 돈을 들여 잘 훈련된 데이터 과학자를 고용하지 않고도 고급 분석 기술을 최대한 활용하는 데 있어 핵심입니다. 시티즌 데이터 사이언티스트는 긴급한 비즈니스 요구 사항을 충족하고 데이터를 실행할 수 있는 부족한 모델링 및 분석 기술을 제공할 수 있는 조직의 가장 좋은 기회입니다. 오늘날 현명한 조직은 데이터 사이언티스트와 시티즌 데이터 사이언티스트를 모두 포함하는 데이터 사이언스팀을 고용합니다. 그러나 시티즌 데이터 사이언티스트의 목표는 데이터 사이언티스트를 대체하는 것이 아니라 이를 보완하고 데이터와 비즈니스를 이해하는 데 있어 기술 격차를 메우는 것입니다.
시티즌 데이터 사이언티스트의 부상
시티즌 데이터 사이언티스트의 부상은 다음에 기인할 수 있습니다:
- 시티즌 데이터 사이언티스트가 얼마나 강력한 자산인지를 증명합니다. 그들은 전문 데이터 사이언티스트에 대한 비용 효율적인 옵션이며 찾기 쉽고 고용 비용이 저렴하면서도 데이터 사이언티스트의 작업을 보완할 수 있습니다.
- 비전문가가 현장에서 데이터 사이언스에 더 쉽게 접근할 수 있는 방법입니다. 최신 분석 및 비즈니스 인텔리전스 ( BI ) 도구를 사용하면 비즈니스 전반의 사용자가 참여하여 데이터를 더 잘 이해할 수 있습니다. 증강 분석 및 머신 러닝(ML)과 관련된 솔루션은 시티즌 데이터 사이언티스트가 한때 전문 데이터 사이언티스트만 수행했던 데이터 디스커버리 및 분석 작업을 보다 쉽게 완료 할 수 있도록 지원합니다.
시티즌 데이터 사이언티스트에게 권한을 부여하는 방법
오늘날의 연결된 세상에서 고급 분석 및 머신 러닝이 점점 더 중요해지고 있습니다.
이러한 기술에서 가치를 창출하는 것은 시티즌 사이언티스트가 고급 데이터 분석, 머신 러닝 및 알고리즘 비즈니스를 중심으로 모델을 개발할 수 있는 권한을 부여하는 조직에 의존합니다. 그런 다음 더 나은 의사 결정을 내리는 데 필요한 영업 부문(LOB) 관리자와 비즈니스 사용자에게 이러한 모델을 제공합니다.
시티즌 데이터 사이언티스트는 전문 데이터 사이언티스트에게 너무 많은 비용을 지출하지 않고도 고급 분석 투자에서 최대한의 가치를 얻을 수있는 열쇠입니다. 조직에서 권한을 부여 받으면 공식 교육을 받지 않은 시티즌 데이터 사이언티스트도 데이터에서 귀중한 통찰력을 창출할 수 있습니다. 그들은 데이터 준비, 모델링 및 패턴 인식을 위한 자동화 도구와 같이 데이터 사이언스 작업을 어렵지 않게 하기 위해 다양한 도구를 사용합니다.
조직은 인력, 프로세스 및 기술을 결합한 시티즌 데이터 사이언티스트의 역량을 강화할 수 있습니다.
인력
시티즌 데이터 사이언티스트에 대한 대부분의 정의는 LOB 직원, 비즈니스 분석가, 비즈니스 인텔리전스(BI) 직원, 심지어 IT 직원을 포괄할 수 있을 만큼 광범위합니다. 이러한 광범위한 범위를 통해 시티즌 데이터 사이언티스트는 분석가 Howard Dresner가 말하는 "정보 민주주의"에서 중요한 역할을 수행하여 데이터와 통찰력이 비즈니스 전반에 걸쳐 공유되도록 합니다. 기업은 더 이상 BI 및 분석 애플리케이션 없이는 성공할 수 없습니다. 데이터 사이언티스트 및 기타 데이터 전문가가 아닌 비즈니스 및 기타 이해 관계자의 손에 귀중한 정보를 제공하는 것이 중요합니다.
프로세스
데이터 사이언티스트와 시티즌 데이터 사이언티스트가 데이터와 분석을 더 잘 활용하는 프로세스는 조직 전체에 대한 심층적인 질문 "무엇이든 공유할 수 있는 프로세스가 있습니까?"에 의해 뒷받침됩니다. 빠르게 성장하거나, 인수합병을 통해 성장했거나, 위축되기 시작한 기업에서는 이러한 프로세스가 항상 제;공되는 것은 아닙니다. 문화가 투명성과 공유의 개념을 수용하거나 육성하지 않았다면 회사가 소프트웨어를 사용하여 분석 모델을 게시하고 수집한 데이터를 게시하기 위해 배치할 수 있는 프로세스가 무엇이든 성공하지 못할 것입니다.
시티즌 데이터 사이언티스트가 한 단계 더 나아가고 데이터 사이언티스트가 그들의 자격을 인정하면 작업 분할 프로세스가 시작됩니다.
시티즌 데이터 사이언티스트를 참여시키는 목표는 데이터 사이언티스트를 대체하는 것이 아니라 애플리케이션을 사용하여 사이언티스트가 중단한 부분을 파악하고 기술 격차를 메울 수 있는 강력한 사용자들로 데이터 사이언티스트를 보완하는 것입니다. 빅 데이터를 최적으로 사용하려면 코딩, 통계, 머신 러닝, 데이터베이스 관리, 시각화 기술 및 산업별 지식에 대한 지식이 필요하므로 이를 활용하는 가장 좋은 방법은 여러 기술 세트를 결합하는 것입니다. 최소한 시티즌 데이터 사이언티스트는 데이터 사이언티스트가 중지하였으며 유용한 수준으로 배우는 것이 비효율적인 LOB 지식 영역에서 가장 큰 가치를 제공합니다.
프로세스가 구축되면 정보 민주주의가 더 많은 데이터를 더 많은 곳에 투입함에 따라 데이터 사이언티스트가 구매를 확보하기 위해 직면하는 전통적인 장벽이 감소하기 시작합니다. 단기적으로 수익을 높이거나 비용을 낮추는 통찰력에 도달하는 것 외에도 데이터 과학의 약속은 이러한 통찰력을 장기적으로 회사의 방향을 유리하게 형성하는 방식으로 적용하는 데 있습니다. 가장 원활한 방법은 훈련 된 데이터 사이언티스트와 시티즌 데이터 사이언티스트의 노력을 연결하는 것입니다.
실제로 데이터 사이언티스트가 교육받은 고급 분석 및 통계 작업을 고수하여 데이터 준비 및 모델링을 위한 워크 플로를 만드는 것이 합리적입니다. 이러한 워크 플로를 테스트하거나 프로덕션에 적용할 준비가 되면 데이터 사이언티스트는 분석 소프트웨어를 사용하여 이를 실행하고 시티즌 데이터 사이언티스트에게 보내 설계된대로 작동하는지 확인하게 합니다. 시간이 지나면 시티즌 데이터 사이언티스트는 애플리케이션을 사용하여 워크 플로를 수정하고 자체적으로 생성하는 등 더 큰 책임을 맡을 수 있습니다.
기술
대부분의 분석가는 스프레드 시트 프로그램을 통해 수치를 처리하고 통찰력에 도달하기 위해 반사적으로 접근합니다. 직관적이고 신뢰할 수 있는 행 및 열 형식은 즉각적으로 의미가 있으며 무한히 유연합니다. 그러나 스프레드 시트 소프트웨어는 결국 협업, 공유, 이기종 데이터 세트 결합, 고급 분석 수행 또는 반복 가능한 워크 플로우 실행에서 진척이 잘 안됩니다.
데이터 사이언티스트들은 익숙하지 않은 사람들에게 원시 수학 및 통계를 부과하는 것은 헛된 일이라는 것을 알고 있습니다. 목표는 조직 전체에서 사용할 수있는 모델을 구축할 수 있는 사람들에게 분석 플랫폼을 제공하는 것입니다.모든 분석 플랫폼은 사용 용이성을 주장하지만 그것만으로는 충분하지 않습니다. 데이터 사이언티스트의 요구 사항을 충족할 수 있을 만큼 강력하면서도 비 기술적인 직원이 비즈니스 전반에 걸쳐 자동화되고 공유 가능한 워크플로를 사용할 수있을만큼 쉬워야 합니다.