Data Science, што е тоа?

Data Science е честопати спомнуван модерен збор во современиот деловен свет. Сите збоуваат за него, но секоја компанија има различно разбирање за тоа што точно значи и кој чекор е неопходно да се преземе во таа насока.

Денес, како готови производи, достапни се бројни софтверски решенија кои олеснуваат најразлични компаниски процеси. Еден од поважните исходи е набавување и генерирање на разни податоци кои со монетизација можат потенцијало да им донесат голема вредност на самите компании.

На експертите не им е лесто да објаснат што точно претставува пристапот Data Science. Мојот впечаток е дека примената на овие решенија постепено станува сè поразбирлива.

Доколку сè уште не знаете на што мислам, погледнете неколку примери за употреба на овие софтвери во практика.

• Aвтоматско препознавање на Вашето лице на фотографиите на социјалните мрежи.
• Најдобра рута- патека на патот до нашата куќа автоматски се добива веднаш штом ќе седнеме зад воланот на нашето возило.
• Испорака на храна со нарачување преку мобилна апликација во гарантираниот рок.
• Интересниот случај на фудбалскиот клуб Ливерпул кој објави дека за малку го освоил првенството во Премиер лигата 2019 така што со напредна обработка на податоците успеал да ги најде и регрутира потценетите фудбалери.

Моменталната ситуација покажува дека компаниите на големо се вртат кон моделот на управување кој се базира на податоци, што во овој домен подразбира примена и употреба на таканаречен модел на Машинско учење, модел кој учи и ни носи вредни информации врз основа на нашите податоци.

Експертите предвидуваат дека како следна фаза ќе настапи вештачката интелигенција, која покрај учењето од нашите модели, ќе може сама да заклучува и да ни носи уште поголема вредност.

Сè уште се присутни мислењата дека Data Science е експерт едно лице кое ги поседува сите потребни знаења и искуства. Според мене, вистината е нешто поинаква. Тоа е збир на вештини што по природа на нештата се наоѓаат кај повеќе лица, во зависност од индивидуалните проекти и потреби. Збирот на бараните компетенции и нивната сложеност на која треба да ѝ се посвети младиот професионалец, доведува до заклучок дека постојат повеќе стручни Data Science профили.

На младите таленти би им советувал, од свој аспект, да посветат должно внимание на развојот на преносливите вештини и соработката. Aсертивната комуникација, вештините на презентирање, отвореноста за feedback, колаборациja… се само некои од нив.

Од суштинско значење е да се зборува на ист јазик. Не може да се занемари фактот дека оваа работа не се работи во изолација од остатокот на компанијата, туку резултатите од анализата и моделиањето мора да се претстават во деловниот контекст. Менаџментот ретко или никогаш, не поставува прашање кој алгоритам се користел, или колкава е прецизноста на моделот мерена со површината под ROC кривата, и тоа треба да се има предвид.

Врз основа на досегашниот увид во трендовите и искуствата кои ги стекнав во деловниот сектор можам да кажам дека времено на податоци е веќе широко присутно, дека сè повеќе и повеќе доаѓа, и дека можеме да ги толкуваме само сегментите. Би било претенциозно да се предвидат идните сервиси во ваквото динамично опкружување.