数据科学家时代的到来
日期：2018-12-07
来源：程序思维浏览：2211次
数据科学家非常有价值，除了谷歌、 Facebook、亚马逊和苹果之外，雇用他们对任何公司都是一个挑战。那些有幸从大型科技公司中挖掘出来或者能够从学术界吸引他们的CIO们将会自豪地谈论他们将与数据专家产生的所有商业见解。
软件工具使业务分析师无需软件工程师和数据收集专家的帮助即可获得分析模型和见解。
数据科学家非常有价值，除了谷歌、 Facebook、亚马逊和苹果之外，雇用他们对任何公司都是一个挑战。那些有幸从大型科技公司中挖掘出来或者能够从学术界吸引他们的CIO们将会自豪地谈论他们将与数据专家产生的所有商业见解。
公民数据科学家的时代已经到来
IBM预计到2020年数据科学家的需求将增加28％，这个数字很可能是保守的。为了解决人才短缺问题，该公司正在构建能够为公司带来巨大成功的软件，以便有效地从普通公司员工中创建“公民”数据科学家。
根据研究公司Gartner的说法，公民数据科学包括在统计和分析领域之外工作时从数据中提取预测性和规范性见解的能力和实践。 Gartner分析师卡莉Idoine在博客中说，公民科学家的数据可以是“超级用户”，如业务分析师没有计算机科学的背景下，谁能够完成以前需要更多的专业知识简单或中等复杂的分析任务。她补充说，这些超级用户（如业务分析师）可以帮助缓解当前的技能差距。
Forrester Research分析师Brandon Purcle表示：“工具、技术、数据和模型的可用性不断提高，使人们能够向那些无法理解的人传播见解。”
数据科学将完全民主化
技术总能找到一种方法，使信息获取更加民主。有什么改变？在大多数公司仍在实施的传统模型中，业务分析师将在几个月内与IT和数据科学家合作，以规划预测性见解，然后数据科学家通常将从头开始。开始构建此模型。
现在，由于IBM的SPSS和Alteryx等工具，许多具有较少编码经验或编码经验的公民数据科学家只能通过将数据模型拖放到软件画布上来获得洞察力。根据Purcell的说法，这些工具使“业务线分析师更有可能操纵数据，而不是Excel。”例如，通用汽车公司建立了Maxis，这是一个分析平台，允许业务用户进行类似Google的查询，并获得销售预测和供应链绩效等运营指标窗口。专家们认为，目前通用汽车公司可能是一个特例，但短期内会有很多类似的公司。
数据科学是石油巨头壳牌公司的一个重要关注点，在这里，员工不断浏览公司的数PB数据，以获取运营和业务洞察力。例如，壳牌使用该公司的自助服务软件Alteryx帮助运行预测模型并预测数千个石油钻井平台组件何时失效。
Jeavens说：“数据科学工具正在使数据科学的低端民主化，这使得越来越多的人能够做到这一点。”但另一方面，壳牌也在使用一些“强大的引擎”。如Google TensorFlow和深度学习库MXNet，以及Python和R编程语言。 “公民数据科学家和专业数据科学家之间始终存在着一种频谱，我们必须支持两者。”
公民数据科学家确实弥合了商业用户的自助服务分析与数据科学家的高级分析之间的差距。 Forrester的Purcell表示，专业数据科学家将在整个企业内构建和扩展数据模型和算法。
TD Bank Group企业信息部高级副总裁Joe Dos Santos表示，现在人们普遍认为数据是一种新的石油，许多公司已经“被复杂分析的魅力所吸引”。现实是，数据科学不再是关于巫师和神话的独角兽。
根据DosSantos的说法，道明银行使用一系列基本和复杂的分析工具来更好地协调历史和当前客户数据并进行欺诈分析。例如，该银行使用AtScale的软件帮助企业用户从银行的Hadoop数据湖中查询实时数据并快速获得结果。 TD Bank分析师还将查看Tableau自助式可视化软件中的数据。
数据科学家：仍然不可或缺
其他软件供应商也通过使用机器学习（ML）和人工智能（AI）功能构建机器模型来加速数据民主化的趋势。
例如，Salesforce.com提供爱因斯坦预测生成器，允许业务分析师创建自定义AI模型并将变量添加到任何自定义Salesforce字段或对象，以预测客户流失或客户生命周期值等结果。 Adobe的Sensei是另一款ML软件工具，可帮助营销人员在几分钟内启动广告系列并缩短任务时间。Gartner表示，到2020年，超过40％的数据科学任务可能会自动化。 “这种[自动ML方法]是下一代数据科学，”Purcell说。
当然，并非所有大数据任务都可以由公民数据科学家轻松解决。 Deloitte Consulting认知与分析总经理Bill Roberts表示，该公司仍需要统计学家、数据科学家、精算师和其他精通高等数学的专家。这些专家可以填写公民数据科学家无法获得的空缺和遗失领域的数据。
另外，如果出现问题我该怎么办？我无法通过数学验证它？也许算法本身有问题。罗伯茨说：“当你遇到困难或问题时，你需要有某种培训或高级学位来帮助你解决这个问题。”
软件工具使业务分析师无需软件工程师和数据收集专家的帮助即可获得分析模型和见解。
数据科学家非常有价值，除了谷歌、 Facebook、亚马逊和苹果之外，雇用他们对任何公司都是一个挑战。那些有幸从大型科技公司中挖掘出来或者能够从学术界吸引他们的CIO们将会自豪地谈论他们将与数据专家产生的所有商业见解。
公民数据科学家的时代已经到来
IBM预计到2020年数据科学家的需求将增加28％，这个数字很可能是保守的。为了解决人才短缺问题，该公司正在构建能够为公司带来巨大成功的软件，以便有效地从普通公司员工中创建“公民”数据科学家。
根据研究公司Gartner的说法，公民数据科学包括在统计和分析领域之外工作时从数据中提取预测性和规范性见解的能力和实践。 Gartner分析师卡莉Idoine在博客中说，公民科学家的数据可以是“超级用户”，如业务分析师没有计算机科学的背景下，谁能够完成以前需要更多的专业知识简单或中等复杂的分析任务。她补充说，这些超级用户（如业务分析师）可以帮助缓解当前的技能差距。
Forrester Research分析师Brandon Purcle表示：“工具、技术、数据和模型的可用性不断提高，使人们能够向那些无法理解的人传播见解。”
数据科学将完全民主化
技术总能找到一种方法，使信息获取更加民主。有什么改变？在大多数公司仍在实施的传统模型中，业务分析师将在几个月内与IT和数据科学家合作，以规划预测性见解，然后数据科学家通常将从头开始。开始构建此模型。
现在，由于IBM的SPSS和Alteryx等工具，许多具有较少编码经验或编码经验的公民数据科学家只能通过将数据模型拖放到软件画布上来获得洞察力。根据Purcell的说法，这些工具使“业务线分析师更有可能操纵数据，而不是Excel。”例如，通用汽车公司建立了Maxis，这是一个分析平台，允许业务用户进行类似Google的查询，并获得销售预测和供应链绩效等运营指标窗口。专家们认为，目前通用汽车公司可能是一个特例，但短期内会有很多类似的公司。
数据科学是石油巨头壳牌公司的一个重要关注点，在这里，员工不断浏览公司的数PB数据，以获取运营和业务洞察力。例如，壳牌使用该公司的自助服务软件Alteryx帮助运行预测模型并预测数千个石油钻井平台组件何时失效。
Jeavens说：“数据科学工具正在使数据科学的低端民主化，这使得越来越多的人能够做到这一点。”但另一方面，壳牌也在使用一些“强大的引擎”。如Google TensorFlow和深度学习库MXNet，以及Python和R编程语言。 “公民数据科学家和专业数据科学家之间始终存在着一种频谱，我们必须支持两者。”
公民数据科学家确实弥合了商业用户的自助服务分析与数据科学家的高级分析之间的差距。 Forrester的Purcell表示，专业数据科学家将在整个企业内构建和扩展数据模型和算法。
TD Bank Group企业信息部高级副总裁Joe Dos Santos表示，现在人们普遍认为数据是一种新的石油，许多公司已经“被复杂分析的魅力所吸引”。现实是，数据科学不再是关于巫师和神话的独角兽。
根据DosSantos的说法，道明银行使用一系列基本和复杂的分析工具来更好地协调历史和当前客户数据并进行欺诈分析。例如，该银行使用AtScale的软件帮助企业用户从银行的Hadoop数据湖中查询实时数据并快速获得结果。 TD Bank分析师还将查看Tableau自助式可视化软件中的数据。
数据科学家：仍然不可或缺
其他软件供应商也通过使用机器学习（ML）和人工智能（AI）功能构建机器模型来加速数据民主化的趋势。
例如，Salesforce.com提供爱因斯坦预测生成器，允许业务分析师创建自定义AI模型并将变量添加到任何自定义Salesforce字段或对象，以预测客户流失或客户生命周期值等结果。 Adobe的Sensei是另一款ML软件工具，可帮助营销人员在几分钟内启动广告系列并缩短任务时间。Gartner表示，到2020年，超过40％的数据科学任务可能会自动化。 “这种[自动ML方法]是下一代数据科学，”Purcell说。
当然，并非所有大数据任务都可以由公民数据科学家轻松解决。 Deloitte Consulting认知与分析总经理Bill Roberts表示，该公司仍需要统计学家、数据科学家、精算师和其他精通高等数学的专家。这些专家可以填写公民数据科学家无法获得的空缺和遗失领域的数据。
另外，如果出现问题我该怎么办？我无法通过数学验证它？也许算法本身有问题。罗伯茨说：“当你遇到困难或问题时，你需要有某种培训或高级学位来帮助你解决这个问题。”