HR
kariera w IT
Dlaczego Data Science? wyjaśnia Patryk Choroś, Dyrektor Działu Business Intelligence & Data Science w Sygnity SA teraz z powodzeniem mogła być aplikowana na masową skalę. Wkroczyliśmy do ery Data Science. Czym jest więc Data Science? To pasjonujące, dość unikatowe połączenie 3 obszarów umiejętności i kompetencji. Zacznijmy od początku, czyli od zdolności technicznych. Data Scientist umie wykorzystywać nowoczesne, często jeszcze niestabilne lub często zmieniające się narzędzia. Przykładów można wymieniać wiele, ale w tej chwili bardzo reprezentatywne to: Hadoop, Python, R. Ale zajmujemy się nie tylko open-source, więc do listy dodamy SAS 4GL, różne odmiany SQL czy nawet Javę.
Karolina Janiak: W Sygnity powstał nowy dział: Business Intelligence & Data Science. O tej nowej dziedzinie mówi się ostatnio bardzo wiele, ale czym jest ona dla Was? Patryk Choroś: Określenie Data Science jest bardzo pojemne i różnorodność interpretacji potrafi zaskoczyć. Dla mnie jest to naturalna ewolucja tych zawodów, które zajmowały się umiejętnym wykorzystywaniem danych do wspierania podejmowania decyzji. Historycznie były to osoby odpowiedzialne za przygotowywanie przepastnych tabel i arkuszy z wynikami firmy wg linii produktowych – sam takie pod koniec lat 90. opracowywałem.
TRZY OBSZARY Jaki był później rozwój tej dziedziny? Nastąpiła rewolucja, na którą złożyło się kilka zjawisk. Po pierwsze, staliśmy się gospodarką cyfrową, gromadzimy i chcemy wykorzystywać dane w każdym naszym działaniu. Po drugie, zmieniła się technologia i pojawienie się takich narzędzi, jak Hadoop, umożliwiło praktycznie każdemu relatywnie tanie przetwarzanie tych nowych wolumenów danych. Wtedy też zmieniło się podejście do stosowania algorytmów uczenia maszynowego. Wiedza opracowana jeszcze w latach 60. 12
A drugi obszar? To efektywne wykorzystanie tych narzędzi. I tu włącza się wiedza z zakresu ekonometrii i statystyki. Dobry Data Scientist rozumie, jak wykorzystywać analizę danych w swojej pracy, jest w stanie poprawnie interpretować wyniki modelowania matematycznego i formułować na ich podstawie wnioski. Nie boi się także często zapominanej dziedziny badań operacyjnych. Ekonometria, data mining dają nam wiedzę o przyszłych zdarzeniach (np. prognozują popyt na energię elektryczną czy określają skłonność klienta do zakupu produktów finansowych), ale to właśnie badania operacyjne pozwalają zoptymalizować nasze działania i realizować najlepszy scenariusz z punktu widzenia celów organizacji.
Czy to wystarcza? Jeżeli chcemy być najlepszym, musimy wyjść krok dalej. W oparciu o wiedzę, o znajomość zasad rządzących naszym światem powinniśmy umieć rekomendować strategie pozwalające przełamywać stereotypy. Czyli dobry Data Scientist to nie tylko rzemieślnik, to innowator.
PERSPEKTYWY Czy takie osoby w ogóle istnieją? Istnieją. Ale najważniejsza jest droga, jaką pokonują, aby zostać Data Scientist. Ostatni, trzeci z wymienionych obszarów, buduje się, latami zdobywając praktyczne doświadczenie. W Sygnity rozumiemy to i mamy pomysł, w jaki sposób takie kompetencje budować. Kluczem jest silna pozycja w dostarczaniu, utrzymywaniu i rozwoju systemów będących sercem naszych klientów, np. systemy centralne w bankowości czy billingowe w sektorze utilities. Tam znajduje się wiedza o procesach biznesowych w konkretnych branżach i w oparciu o nią możemy kształcić specjalistów. Potrzebny jest do tego otwarty umysł i smykałka techniczna. Pasja i zaangażowanie, odpowiednio mentorowane i prowadzone, są w stanie wykreować niespotykane dotychczas pomysły i strategie. Taki właśnie zespół budujemy.
Dobry Data Scientist musi być innowatorem
INNOWACJE Został jeszcze trzeci obszar... Wydaje się on najważniejszy. Skoro pierwszy dostarcza nam narzędzi, drugi – metodyki, to trzeci powinien je scalać, pokazując „cel”. Spoiwem dla umiejętności jest znajomość zagadnień biznesowych, wiedza o procesach, które chcemy wspierać. Dobry fachowiec powinien rozumieć, w jaki sposób wykorzystanie danych cyfrowego świata oraz zaawansowanych algorytmów zmieniać będzie organizację, dla której pracuje, w jaki sposób zadania, które realizuje, wpisują się w jej strategię i zwiększają jej konkurencyjność na rynku.
To dzisiaj, a co jutro? Czym zespół ten będzie zajmował się w przyszłości? Rozwijanie systemów Business Intelligence oraz analitycznych dla naszych klientów to zadanie, które realizujemy już teraz. W ciągu najbliższych lat chciałbym to rozszerzyć na umiejętność oferowania nie tylko kompetencji i wdrożeń. Zespół Data Science będzie realizował projekty dla klientów polegające na analizie ich danych, z wykorzystaniem naszego własnego warsztatu i narzędzi. Produktem końcowym będzie przygotowanie np. modeli rekomendacyjnych czy też zoptymalizowanie scenariusza biznesowego. Taki sposób funkcjonowania nazywa się „Analytics as a Service”. Wymaga to zbudowania zespołu najlepszych specjalistów, ale równocześnie pozwala na zrealizowanie pasji do poszukiwania w danych najbardziej ukrytych odpowiedzi. www.semestr.pl