Μία ακόμα «ανακάλυψη» της Gartner υπόσχεται να διευκολύνει τους οργανισμούς στην εφαρμογή data-driven business models. Όμως η επιχειρησιακή πραγματικότητα μπορεί να αποδείξει ότι δεν υπάρχουν εύκολοι δρόμοι για αξιόπιστα μοντέλα ανάλυσης και ποιοτικά insights.

Σε προηγούμενο άρθρο του Netweek διερευνήσαμε τον ρόλο του Data Scientist σε έναν οργανισμό και διαπιστώσαμε ότι υπάρχουν σημαντικές προκλήσεις στην προσέλκυση (και διακράτηση) ταλαντούχων data scientists. Δεν θα μπορούσε να είναι διαφορετικά, από τη στιγμή που ο στόχος είναι η εύρεση επαγγελματιών με εμπειρία στην τεχνολογία και στον προγραμματισμό, ακαδημαϊκό υπόβαθρο σε στατιστική και business acumen -για να μην αναφέρουμε τις υψηλές απαιτήσεις απολαβών αυτών που συνδυάζουν όλες τις σπάνιες αρετές.

Τη λύση έρχεται να δώσει η τεχνολογία, η οποία μπορεί να αυτοματοποιήσει σημαντικό όγκο διαδικασιών. Σε αυτό το πλαίσιο, η Gartner εφευρίσκει τον “citizen data scientist” ο οποίος έρχεται να γεφυρώσει τα self-service analytics με την επιστήμη των δεδομένων και να βοηθήσει τους οργανισμούς να εκμεταλλευθούν τη δύναμη των Big Data και Advanced Analytics, αυξάνοντας ταυτόχρονα την παραγωγικότητα. Η ανάδυση του citizen data scientist είναι επωφελής τόσο για τις επιχειρήσεις όσο και για τους vendors προηγμένων εργαλείων analytics και επεξεργασίας δεδομένων.

Ποιος είναι ο citizen data scientist;
Σύμφωνα με τη Gartner, ως citizen data scientist ορίζεται ο επαγγελματίας που δημιουργεί ή εφευρίσκει μοντέλα, τα οποία χρησιμοποιούν advanced diagnostic analytics ή predictive και prescriptive λειτουργικότητες, χωρίς να εργάζεται στο πεδίο της στατιστικής ή των analytics.

Η ανάδυση των citizen data scientists οφείλεται κατά κύριο λόγο στη δυναμική αυτοματοποίησης διαδικασιών ανάλυσης δεδομένων: η Gartner εκτιμά ότι, μέχρι το 2020, το 40% των data science εργασιών θα έχει αυτοματοποιηθεί, με απτά οφέλη για την παραγωγικότητα των οργανισμών. Ως εκ τούτου, ένας citizen data scientist θα μπορεί να πραγματοποιεί εξελιγμένες αναλύσεις δεδομένων, τις οποίες μέχρι σήμερα εκτελούν οι απόλυτα εξειδικευμένοι data scientists, χωρίς να έχει το ακαδημαϊκό υπόβαθρο των τελευταίων. Μάλιστα, οι αναλυτές επισημαίνουν ότι, μολονότι ένα πτυχίο στις θετικές επιστήμες είναι καλό εφόδιο για έναν citizen data scientist, δεν υπάρχει λόγος να επιδιώξει ακαδημαϊκή κατάρτιση στα business analytics: η hands-on κατάρτιση σε hackathons και λιγότερο επίσημα fora μπορεί να φανεί πιο χρήσιμη στον citizen data scientist.

Ο ρόλος είναι καινοφανής, ωστόσο η Gartner προβλέπει ότι, μέχρι το 2019, το έργο των citizen data scientists θα είναι μεγαλύτερο από αυτό των “καθαρόαιμων” data scientists, σε όρους αποτελεσμάτων εξελιγμένης ανάλυσης δεδομένων.

Η “εφεύρεση” του citizen data scientist συνάδει με την τάση των vendors να δημιουργούν ακόμα πιο εύχρηστα εργαλεία για τον τελικό χρήστη, με αυτοματοποίηση διαδικασιών όπως data integration και δημιουργία μοντέλων. Σε αυτό το πλαίσιο, η συνεργασία με τους vendors αναδεικνύεται ως ακόμα πιο σημαντικό κομμάτι των data-driven business μοντέλων.

Μπορεί ο λογιστής να είναι citizen data scientist;
Η έννοια του citizen data scientist ακούγεται πολύ καλή για να είναι αληθινή: οι οργανισμοί θα έχουν στο εξής τη δυνατότητα να πραγματοποιούν advanced αναλύσεις δεδομένων χωρίς να πληρώνουν τους δυσθεώρητους μισθούς των data scientists. Ωστόσο, όπως συμβαίνει με τις περισσότερες νέες επιχειρηματικές έννοιες, τα πράγματα δεν είναι ακριβώς όπως φαίνονται.

Μολονότι ο εκδημοκρατισμός της ανάλυσης είναι κάτι εφικτό και σίγουρα επωφελές για την επιχείρηση, είναι μάλλον ουτοπικό να πιστεύουμε ότι ένας λογιστής ή ένα υπάλληλος υποδοχής μπορεί να πραγματοποιήσει sophisticated αναλύσεις δεδομένων επειδή έκανε ένα μάθημα στατιστικής στο πανεπιστήμιο και καταννοεί την ανάλυση παλινδρόμησης.

Στην πραγματικότητα, οι citizen data scientists προέρχονται κατά κύριο λόγο από τις τάξεις των business analysts ή data analysts, οι οποίοι, θεωρητικά, βρίσκονται ένα σκαλί κάτω από τους data scientists στο υποθετικό επιχειρησιακό οικοσύστημα ανάλυσης δεδομένων (θυμηθείτε ότι μιλάμε για αρκετά καινούργιες έννοιες και ρόλους, και όλα είναι υπό συζήτηση). Με άλλα λόγια, ένας οργανισμός που δυσκολεύεται να βρει τον κατάλληλο data scientist ή δεν έχει την οικονομική δυνατότητα να ικανοποίησει τις μισθολογικές προδιαγραφές του, μπορεί να χρησιμοποιήσει έναν business analyst και να τον εξοπλίσει με τα κατάλληλα self-service analytics εργαλεία ώστε αυτός να εξάγει μοντέλα.

Εάν αναλογιστούμε ότι πολλοί οργανισμοί δημοσιεύουν αγγελίες για data scientists, αναζητώντας στην ουσία business analysts ή business intelligence στελέχη (μια πρακτική με δυσάρεστα αποτελέσματα στη διακράτηση των “αυθεντικών” data scientists) ο citizen data scientist δεν γεφυρώνει μόνο την παραγωγή μοντέλων με τα self service analytics, αλλά και τη θεωρία με την πραγματικότητα. Οι citizen data scientists, σε καμία περίπτωση δεν έρχονται να εκτοπίσουν τους data scientists, και οι οργανισμοί που θέλουν να εφαρμόσουν με επιτυχία ένα data-driven business μοντέλο, δύσκολα θα αποφύγουν την επένδυση σε καλούς data scientist, με “βαρύ” υπόβαθρο. Ωστόσο σίγουρα θα μπορέσουν να κρατήσουν την επένδυση αυτή σε λογικά πλαίσια, προσλαμβάνοντας λιγότερους data scientists και αναπτύσσοντας παράλληλα citizen data scientists με τις κατάλληλες δεξιότητες.

Θα μπορούσαμε να πούμε ότι ο citizen data scientitst είναι περισσότερο η ενσάρκωση των βασικών αρχών που (πρέπει να) διέπουν ένα data-driven business model, και λιγότερο ένας τίτλος σε μία επιχειρηματική κάρτα. Οι αρχές αυτές αφορούν σε “εκδημοκρατισμό” των δεδομένων, με περισσότερες ευκαιρίες πρόσβασης των business users σε αυτά, το αποκεντρωμένο μοντέλο ανάλυσης δεδομένων και πρόσβασης στα insights (σε αντίθεση με την κεντρική επεξεργασία που λάμβανε χώρα στις παραδοσιακές business intelligence διαδικασίες), τη αποκωδικοποίηση των insights σε επιχειρησιακό πλαίσιο περιεχομένου και τη δημιουργία δυνατών ομάδων ανάλυσης δεδομένων, με άτομα που θα έχουν συμπληρωματικές δεξιότητες και κατάρτιση. Σε ένα λίγο διαφορετικό επίπεδο ανάλυσης, η δημιουργία citizen data scientists σε διαφορετικά τμήματα του οργανισμού ενισχύει τη σύνδεση των Big Data με το business και εξασφαλίζει την αποδοχή της υλοποίησης των σχετικών έργων.

Ανεξάρητα με την αναλογία citizen data scientists προς data scientists που θα εφαρμόσει ο κάθε οργανισμός, τα νέα “buzzwords” που προκύπτουν στον κόσμο της ανάλυσης δεδομένων καταδεικνύουν με ακόμα μεγαλύτερη έμφαση τη δυναμική των self-service analytics και των αυτοματισμών. Και η σημαντικότερη παράμετρος που αφορά στους citizen data scientists δεν είναι άλλη από τη άριστη διακυβέρνηση δεδομένων, η οποία θα διασφαλίζει την ποιότητα και την ασφάλεια των δεδομένων, σε ένα καθεστώς χρήσης αυτών από πολλαπλούς χρήστες.