Sivil veri bilimciler çağı başladı

Sivil veri bilimciler çağı başladı

Vatandaş veri bilimci iş kullanıcıları tarafından gerçekleştirilen; self servis analitiklerle veri bilimcilerine atfedilen ileri seviye analitikler arasındaki boşluğa köprü oluyor. Yazılım araçları da iş analistlerine güç veriyor.
Veri bilimcilerinin bir maliyeti var ve bu Google, Facebook, Amazon.com ve Apple dışındaki herhangi bir işletme için bir güçlüğü ortaya çıkartıyor. Onları büyük teknoloji firmalarından kapabilecek ya da akademi tarafından çekebilecek kadar şanslı olan CIO’lar sahip oldukları veri gurularıyla üretecekleri iş anlayışları hakkında konuşurken gururla gülümsüyorlar.
IBM veri bilimcilerine olan talebin 2020’de yüzde 28’e çıkmasını bekliyor ve bu rakam oldukça ihtiyatlı olabilir. Yetenek eksikliğini çözmek için işletmeler firmalar için ağır işi yapan yazılımlar inşa ediyor, efektif olarak IT içinde olmayan, kurumsal çalışanlardan “vatandaş” veri bilimciler yaratıyor.

Araştırma firması Garner’a göre vatandaş veri bilimi istatistik ve analitik alanlarının dışındaki pozisyonlarda çalışırken kullanıcıların veriden tahmine dayalı ve kuralcı anlayışlar çıkartmasına imkân tanıyan beceri ve uygulamaları içeriyor. Vatandaş veri bilimciler “ileri seviye kullanıcılar”; bilgisayar bilimi arka planına sahip olmayan fakat önceleri daha fazla uzmanlık gerektirebilecek basitten orta dereceye kadar karmaşıklıktaki analitik görevleri gerçekleştirebilen iş analistleri gibi, diyor Gartner analistlerinden Carlie Idoine. İş analistleri gibi iler seviye kullanıcıların mevcut beceri boşluklarının giderilmesine yardımcı olabileceğini söylüyor.
“Araçlar, teknoloji ve modellerin giderek daha fazla ulaşılabilir olması, normal şartlarda kendi başlarına anlayışlara ulaşma kapasitesine sahip olmayacak kişilere anlayışların yayılmasına imkân tanıyor,” diyor Forrester Reasearch analistlerinden Brandon Purcell.

Veri bilimi herkes için (hemen hemen) demokratikleşti
Teknoloji bilgiye erişimi demokratikleştirmenin bir yolunu her zaman bulur. Peki, ne değişti? Geleneksel modelde (halen çok işletmede uygulanıyor) iş analistleri tahmine dayalı anlayışlar üretmeye yönelik olarak modeller planlamak için IT’den birisi ve bir veri bilimciyle aylarca çalışıyor; veri bilimci modeli sıklıkla sıfırdan inşa ediyor.
Şimdi ise, IBM SPSS ve Alteryx gibi araçlar sağ olsun, vatandaş veri bilimciler, bolca veya asgari kod deneyimiyle, anlayış türetmek için veri modellerini bir tür yazılım tuvaline sürükleyip bırakıyor. Bu türden araçlar “iş hattı analistleri için Excel’e göre veriyi çok daha kolay bir şekilde yönetilebilir yapıyor,” diyor Purcell.

Söz gelimi General Motors inşa ettiği Maxis adlı analitik platformları ile iş kullanıcılarının Google benzeri sorgular gerçekleştirmesine imkân tanıyor. Bu sayede satış tahminlerine bir pencere açabiliyor ve tedarik zinciri performansı gibi operasyonel ölçütleri ekleyebiliyor. GM şimdilik istisna olabilir ama uzmanlar kısa zamanda birçok firmanın buna sahip olacağında hemfikir.
Veri bilimciler akaryakıt devi Shell için kritik bir odak. Çalışanlar operasyonel ve iş anlayışları üretmek için firmanın petabyte’larca verisini elden geçiriyor. Self servis yazılım sağ olsun aksi takdirde analitiklerden istifade edemeyecek olan çalışanlar artık bunu teknik yardım olmaksızın yapabiliyor, diyor Shell’in veri bilim merkezi genel müdürü Daniel Jeavons. Söz gelimi Shell binlerce petrol delme makinesi parçasının ne zaman bozulabileceğini öngören tahmine dayalı modeller çalıştırmaya yardımcı olması için Alteryx’in self servis yazılımını kullanıyor.
“Veri bilimi araçları veri biliminin alt seviyesini demokratikleştiriyor, böylelikle aşağı yukarı herkes onu yapabilir,” diyor Jeavons. Fakat spektrumun diğer ucunda Shell Google TensorFlow gibi “güçlü motorlar”dan, MXNet derin öğrenme kütüphanesi, Python ve R programlama dillerinden yararlanıyor. “Her zaman vatandaş veri bilimci ve profesyonel veri bilimciyi kapsayan bir spektrum olacak ve biz her ikisini de desteklemeliyiz.”

Vatandaş veri bilimci iş kullanıcıları tarafından gerçekleştirilen self servis analitiklerle veri bilimcilerine atfedilen ileri seviye analitikler arasındaki boşluğa köprü oluyor. Profesyonel veri bilimciler bütün bir işletme çapında veri modelleri ile algoritmaları inşa ederek ölçeklendiriyor, diyor Forrester’dan Purcell.
Şimdilerde yaygın bir biçimde verinin yeni petrol olduğunu söyleyen deyişle birlikte birçok işletme “kompleks analitiklerin cazibesiyle baştan çıkıyor,” şeklinde konuşuyor TD Bank Group’un kurumsal enformasyon kıdemli başkan yardımcısı Joe DosSantos. Gerçek şu ki veri bilimi artık büyücüler ve efsanevi tek boynuzlu atlar hakkında değil.

TD Bank, geçmiş ve mevcut müşteri verilerini daha iyi bir şekilde hizalamaya yönelik olarak ve aynı zamanda dolandırıcı analitikleri gerçekleştirmek için basitten karmaşığa geniş çeşitlilikteki analitik araçlarından yararlanıyor, diyor DosSantos. Örneğin, banka iş kullanıcılarının bankanın Hadoop veri gölünde sorgu yapabilmesine ve sonuçları hızla almasına yardım olmak için AtScale yazılımını kullanıyor. TD Bank analistleri veriyi Tableau’nun self servis sanallaştırma yazılımı içinde görüyor.
Diğer yazılım tedarikçileri veri demokratikleştirme trendini hızlandırıyor, sıklıkla otomatikleşmiş modeller inşa etmek için otomatik öğrenme (ML) ve yapay zeka (AI) yeteneklerini devreye sokarak.
Mesela Salesforce.com iş analistlerinin özel AI modelleri oluşturmasına izin veriyor; herhangi bir Salesforce alanına değişkenler veya bir müşterinin hizmet değiştirme olasılığı gibi sonuçları öngörmek için bir nesne ya da bir hesabın yaşam boyu değerini ekleyerek. Bir diğer ML yazılım aracı olan Adobe Sensei, pazarlamacıların dakikalar içinde bir pazarlama kampanyası hazırlamasına yardımcı oluyor, söz konusu görevde saatlerce tasarruf sağlıyor.

Veri bilim görevlerinin yüzde 40’tan fazlası muhtemelen 2020’de otomatik hale gelecek, diyor Gartner. “Bu otomatik ML yaklaşımı veri biliminin gelecek nesli,” diye konuşuyor Purcell.
Tabii ki tüm büyük veri güçlüklerinin üstesinden bir vatandaş veri bilimci kolayca gelmeyecek. İşletmeler halen istatistikçilere, veri bilimcilerine, aktüeryallere ve ileri seviye matematik tekniklerinden diğer uzmanlara ihtiyaç duyacak, diyor Deloitte Consulting’in bilişsel ve analitik uygulamaları genel müdürü Bill Roberts. Bu tür uzmanlar verideki boşlukları ve kayıp alanları doldurabilir, vatandaş veri bilimcilerinin uygun olmadığı görevleri yerine getirebilir.
Dahası, Roberts self servis araçların bir işletmeye doğru çalıştıkları takdirde hizmet verebileceğini işaret ediyor, peki doğru çalışmazsalar? Ya bir şeyler yanlış gider ve hesap tutmazsa? Belki algoritmanın kendisinde bir problem var. “Bir sıkışıklık ya da bir problem olduğunda bunu çözebilecek eğitimli veya ileri dereceden bir kişiye ihtiyacınız var,” diyor Roberts.

Categories: KARİYER

About Author

Write a Comment

Your e-mail address will not be published.
Required fields are marked*