Πώς οι Επιστήμονες Δεδομένων Πολιτών μπορούν να γεφυρώσουν το χάσμα στις δεξιότητες δεδομένων;

Πώς οι Επιστήμονες Δεδομένων Πολιτών μπορούν να γεφυρώσουν το χάσμα στις δεξιότητες δεδομένων;

September 29, 2022 0 Von admin

Σε έναν κόσμο όπου η διαχείριση της ζωής των πολιτών γίνεται όλο και περισσότερο με τη συσσώρευση, την ανάλυση και την εφαρμογή δεδομένων, η ανάγκη για επιστήμονες δεδομένων είναι προφανής και αυξανόμενη. Ωστόσο, υπάρχει παγκόσμια έλλειψη ατόμων με το απαραίτητο σύνολο δεξιοτήτων.

Ωστόσο, οι ερωτηθέντες είπαν ότι η απουσία ψηφιακής κουλτούρας και οι σωστές δεξιότητες αποτελούν σημαντικά εμπόδια για να γίνουν οι λειτουργίες πιο ψηφιακές.

Για παράδειγμα, σχεδόν το 40% των εταιρειών που συμμετείχαν στην έρευνα παγκοσμίως και το 29% στην APAC βασίζονται στην τεχνογνωσία των αναλυτικών στοιχείων μεμονωμένων υπαλλήλων, αλλά δεν διαθέτουν ειδικά τμήματα ανάλυσης δεδομένων, σύμφωνα με την έρευνα.

ΔΕΔΟΜΕΝΗ ΕΡΓΑΤΙΚΟ ΔΥΝΑΜΙΚΟ, ΔΕΔΟΜΕΝΟΙ ΑΝΓΡΑΦΟΙ ΕΡΓΑΤΕΣ

Η έρευνα APAC Data Literacy Survey προχωρά περαιτέρω – διαπιστώνει ένα κλιμακούμενο χάσμα δεξιοτήτων στη διαχείριση δεδομένων σε όλο το εργατικό δυναμικό της APAC. Η έρευνα αποκαλύπτει ότι η ανησυχητική πλειονότητα των εργαζομένων στην περιοχή της Ασίας και του Ειρηνικού υποφέρουν από αναλφαβητισμό δεδομένων σε ένα εργατικό δυναμικό που γίνεται όλο και πιο επικεντρωμένο στα δεδομένα.

Αν και οι προσδοκίες για χρήση δεδομένων στην εργασία αυξάνονται, τα ευρήματα της έρευνας αποκάλυψαν ότι 4 στους 5 (80 τοις εκατό) των εργαζομένων της APAC είναι ως επί το πλείστον αναλφάβητοι ως προς τα δεδομένα, γεγονός που δείχνει την έλλειψη εμπιστοσύνης στην ικανότητά τους να διαβάζουν, να εργάζονται και να αναλύουν και διαφωνούν με δεδομένα.

Δεδομένου του συνεχώς αυξανόμενου όγκου δεδομένων και της ανάγκης κατανόησης των συλλεγόμενων πληροφοριών, δεν αρκεί να βασιζόμαστε μόνο σε εργαλεία χωρίς να εμπλέκουμε ανθρώπινο ταλέντο. Οι καλά εκπαιδευμένοι σύμβουλοι ψηφιακής ανάλυσης είναι ζωτικής σημασίας για να διασφαλιστεί ότι οι πληροφορίες που προέρχονται από δεδομένα μπορούν να μεταφραστούν σε αποτελεσματικές και διορατικές επιχειρηματικές αποφάσεις.

Η ΖΗΤΗΣΗ ΓΙΑ ΤΟΥΣ ΕΠΙΣΤΗΜΟΝΕΣ ΔΕΔΟΜΕΝΩΝ ΥΠΕΡΒΑΙΝΕΙ ΤΗΝ ΠΡΟΣΦΟΡΑ

Ωστόσο, η εύρεση του σωστού ταλέντου στην ψηφιακή ανάλυση είναι πιο εύκολο να ειπωθεί παρά να γίνει. Καθώς η ζήτηση για αναλυτές δεδομένων μεγεθύνεται σταθερά, η προσφορά δεν συμβαδίζει. Ωστόσο, μια πιθανή λύση σε αυτήν την πρόκληση είναι ορατό – από μια ίσως απροσδόκητη πηγή. Το γεγονός είναι ότι υπάρχει ένας μεγάλος πληθυσμός προγραμματιστών, μηχανικών, αναλυτών και επιχειρηματικών χρηστών που προσπαθούν να καλύψουν το κενό.

Ποιοι είναι αυτοί? Αποκαλέστε τους «επιστήμονες δεδομένων πολιτών„, και ετοιμαστείτε να έχουν σημαντικό αντίκτυπο στον τρόπο με τον οποίο οι επιχειρήσεις διαχειρίζονται τις απαιτήσεις επιστήμης δεδομένων τους.

Είναι προσωπικό ήδη με μισθοδοσία εταιρειών – έξυπνοι επιχειρηματίες που δεν είναι ειδικά εκπαιδευμένοι στα μαθηματικά ή στα στατιστικά, αλλά οι καθημερινές τους ευθύνες τους δίνουν διορατικές προοπτικές για τα επιχειρηματικά προβλήματα που θα μπορούσαν να αντιμετωπιστούν με λύσεις μεγάλων δεδομένων.

ΑΥΤΟΜΑΤΗ ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΡΓΑΣΙΕΣ

Η ευκαιρία για παραγωγική ανάπτυξη επιστημόνων δεδομένων πολιτών προκύπτει από τη νέα εστίαση της βιομηχανίας λογισμικού στην απλοποίηση μέσω της αυτοματοποίησης εργασιών που είναι επαναλαμβανόμενες, χειροκίνητες και δεν απαιτούν βαθιά τεχνογνωσία στην επιστήμη των δεδομένων.

Η πρόοδος στην τεχνητή νοημοσύνη και τη μαζική παράλληλη επεξεργασία που βασίζεται σε σύννεφο απλοποιεί δραματικά τη διαδικασία κατασκευής μοντέλων έτοιμα για ανάπτυξη. Αυτό οφείλεται εν μέρει στη διαρθρωτική έλλειψη καλά εκπαιδευμένων και οικονομικά προσιτών επιστημόνων δεδομένων. Η υπόθεση είναι ότι λιγότεροι εκπαιδευμένοι επιστήμονες δεδομένων μπορούν να χρησιμοποιήσουν αυτά τα εργαλεία για να παράγουν τον ίδιο αριθμό και την ίδια ποιότητα μοντέλων που απαιτούσαν μια πολύ μεγαλύτερη ομάδα πολύ περισσότερο χρόνο για να κάνει στο παρελθόν.

Ένας άλλος μοχλός είναι η συνεχιζόμενη ώθηση ορισμένων προμηθευτών αναλυτικών πλατφορμών για «εκδημοκρατισμό» των προγνωστικών αναλυτικών στοιχείων, με την οποία εννοούν να δώσουν τη δυνατότητα στον επιστήμονα δεδομένων πολιτών να δημιουργήσει ορισμένα από αυτά τα μοντέλα άμεσα. Υπάρχουν πολύ περισσότεροι αναλυτές και επιστήμονες δεδομένων πολιτών από ό,τι πλήρως εκπαιδευμένοι επιστήμονες δεδομένων – επομένως μια πιο ελκυστική αγορά για τους προμηθευτές πλατφορμών. Καθώς ο όγκος των δεδομένων αυξάνεται, δεν είναι πρακτικό να περιμένουμε ότι τα αναλυτικά στοιχεία θα διαχειρίζονται μόνο ένα μικρό ιερατείο ειδικών. Πρέπει να υπάρχει ένας ρόλος για τα άτομα σε θέσεις γραμμής επιχείρησης (LOB) για να θέτουν και να λύνουν κρίσιμα προβλήματα ανάλυσης. Αυτά τα άτομα μπορεί να στερούνται τις πιο προηγμένες ποσοτικές δεξιότητες, αλλά η επιχειρηματική τους τεχνογνωσία τους δίνει στην πραγματικότητα βαθύτερη προοπτική σχετικά με τα προβλήματα μάρκετινγκ ή λειτουργίας που πρέπει να επιλυθούν.

Οι οργανισμοί που είναι πιο πιθανό να αναγνωρίσουν αυτή την ευκαιρία και να αναπτύξουν επιτυχώς επιστήμονες δεδομένων πολιτών είναι εκείνοι που έχουν ήδη αναπτύξει μια σχετικά ανοιχτή κουλτούρα ανταλλαγής πληροφοριών. Οι εταιρείες που θα καταφέρουν να δημιουργήσουν έναν αναγνωρισμένο και αξιόπιστο ρόλο για αυτή τη νέα κατηγορία εργαζομένων θα μπορούν να συνδυάζουν επιτυχώς σύνολα δεξιοτήτων, φέρνοντας σε επαφή γνώσεις προϊόντος και αγοράς με κατανόηση των διαφόρων πτυχών της διαχείρισης δεδομένων.

Οι εργοδότες τους προετοιμάζουν αυτά τα άτομα ώστε να είναι σε θέση να αναπτύξουν και να διαχειριστούν μοντέλα που βασίζονται σε προγνωστικά ή προδιαγραφικά αναλυτικά στοιχεία, δίνοντάς τους μάγους και πρότυπα που έχουν αναπτυχθεί για συγκεκριμένα είδη επιχειρηματικών αναλύσεων και να ερμηνεύουν τα αποτελέσματα προς όφελος άλλων επιχειρηματικών δραστηριοτήτων ( LOB) χρήστες. Στην πραγματικότητα, εξελίσσονται σε ειδικούς των οποίων η τεχνογνωσία βρίσκεται ανάμεσα σε αυτή των επιστημόνων δεδομένων και των επιχειρηματικών χρηστών.

ΟΦΕΛΗ ΤΩΝ ΕΠΙΣΤΗΜΟΝΩΝ ΔΕΔΟΜΕΝΩΝ ΠΟΛΙΤΗ

Το βασικό όφελος για οργανισμούς αυτού του επιπέδου τεχνογνωσίας είναι ότι ελαχιστοποιεί την επιβάρυνση των πόρων τους, βάζοντας τους εκπαιδευμένους επιστήμονες δεδομένων τους να αναπτύξουν μοντέλα σχετικά με προηγμένες αναλύσεις δεδομένων, μηχανική μάθηση και αλγοριθμικές επιχειρήσεις και στη συνέχεια να τα διαθέσουν στους διαχειριστές και τους χρήστες LOB που χρειάζονται για να παίρνουν καλύτερες αποφάσεις.

Και το πλεονέκτημα για τον μέσο επιχειρηματία χρήστη είναι η δυνατότητα χρήσης αυτών των έξυπνων εργαλείων ανακάλυψης δεδομένων για να αντλήσει γνώσεις από προηγμένες αναλύσεις, χωρίς να χρειάζεται να διαθέτει παραδοσιακή τεχνογνωσία επιστημόνων δεδομένων.

Ένα άλλο σημαντικό όφελος για τον επιστήμονα δεδομένων μεμονωμένων πολιτών είναι η ευκαιρία που τους παρέχει να εισέλθουν στον κόσμο της επιστήμης δεδομένων από την καθημερινή τους εργασία, όπου είναι ειδικοί σε θέματα. Επιπλέον, τόσο ο οργανισμός όσο και το άτομο επωφελούνται από αυτή τη διαδικασία – γίνεται μια στρατηγική διατήρησης όπου το άτομο αυξάνει την αξία του/της για την εταιρεία.

Κατά την εφαρμογή μιας στρατηγικής επιστημόνων δεδομένων πολιτών, οι εταιρείες πρέπει να εντοπίσουν τα σωστά εργαλεία για συγκεκριμένες χρήσεις. Τα εργαλεία που προορίζονται για χρήση από επιστήμονες δεδομένων δεν προορίζονται για επιστήμονες δεδομένων πολιτών, απλώς και μόνο επειδή η καμπύλη μάθησης θα ήταν πολύ απότομη. Από την άλλη πλευρά, για να φέρουν εις πέρας τον ρόλο τους, οι επιστήμονες δεδομένων πολιτών χρειάζονται ένα εργαλείο που να κάνει προηγμένες αναλύσεις και όχι ένα απλό εργαλείο οπτικοποίησης δεδομένων.

Η έλευση της εποχής των επιστημόνων δεδομένων πολιτών ενισχύει τις δυνατότητες των επιχειρήσεων στην Ασία να ψηφιοποιηθούν πιο γρήγορα και να κάνουν παραγωγική χρήση της τεχνολογίας και των εργαλείων που είναι διαθέσιμα σήμερα.

Για να βοηθήσουν στην καλλιέργεια αυτής της νέας γενιάς ταλέντων, οι πρωτοπόροι τεχνολογίας υποστηρίζουν την ανάπτυξή τους μέσω ενός αυξανόμενου συνόλου ισχυρών εργαλείων αυτοεξυπηρέτησης που θέτουν δυνατότητες όπως η ανάπτυξη εφαρμογών, η τεχνητή νοημοσύνη και η μηχανική μάθηση σχεδόν σε όλους.

Η ΛΥΣΗ ΧΑΜΗΛΟΥ ΚΩΔΙΚΟΥ

Ένας τρόπος για να το κάνετε αυτό είναι μέσω χαμηλού κώδικα – αυτοματοποιώντας χειροκίνητες εργασίες που είναι δύσκολες και χρονοβόρες, ο χαμηλός κώδικας απελευθερώνει τους ανθρώπους να κάνουν πράγματα που είναι πολύ πιο σημαντικά. Επιτρέπει στους πολίτες προγραμματιστές να δημιουργούν, να δοκιμάζουν και να αναπτύσσουν εύκολα εφαρμογές χωρίς να χρειάζεται να βασίζονται σε μια ομάδα IT που πιθανώς είναι θαμμένη στο ανεκτέλεστο αρχείο ανάπτυξης εφαρμογών.

Η ανάπτυξη χαμηλού κώδικα τροφοδοτεί την καινοτομία παρέχοντας τη δυνατότητα στο προσωπικό να μετατρέπει τις ιδέες σε εφαρμογές εταιρικής ποιότητας μέσα σε λίγα λεπτά και από μόνες τους – βοηθώντας τις επιχειρήσεις να γίνουν πιο έξυπνες και πιο γρήγορα ψηφιακά. Με μια πλατφόρμα χαμηλού κώδικα, οι επιχειρήσεις μπορούν να λύσουν τα δικά τους επιχειρηματικά προβλήματα ή των πελατών τους και να αντιμετωπίσουν τις ευκαιρίες ανεξάρτητα, χωρίς χρονοβόρα ειδική εκπαίδευση. Μπορούν να καινοτομούν γρηγορότερα με ανατρεπτικά προϊόντα και υπηρεσίες που υπερβαίνουν τις προσδοκίες των πελατών. Τα σχόλια μπορούν να ληφθούν γρήγορα και οι νέες εκδόσεις να αναπτυχθούν στην αγορά χωρίς καθυστέρηση.

Η προγνωστική ανάλυση των Μεγάλων Δεδομένων γίνεται γρήγορα ένα απαραίτητο επιχειρηματικό εργαλείο, αλλά η πραγματική της αξία έγκειται στην εφαρμογή των γνώσεων που αποκτήθηκαν στην επιχείρηση, έτσι ώστε να επιτευχθεί ένα ανταγωνιστικό πλεονέκτημα για τον οργανισμό. Και ο καλύτερος τρόπος για να συμβεί αυτό είναι οι άριστα εκπαιδευμένοι επιστήμονες δεδομένων και οι συνάδελφοί τους επιστήμονες δεδομένων πολιτών να συνεργαστούν, δίνοντας μια συνεργατική εστίαση σε ολόκληρη την εταιρεία σε στρατηγικές που βασίζονται στα δεδομένα.

Ο επιστήμονας δεδομένων πολιτών ήρθε για να μείνει.

Source: The Business Times