Nowa ropa

Ropa naftowa straciła status najbardziej pożądanego surowca na świecie. Jej miejsce zajęły wielkie zbiory danych (Big Data), których wielkość Oracle szacuje aktualnie na poziomie 11 Zettabajtów. Data scientist badają wielkie strumienie danych, które przepływają przez Sieć – a te nieustannie rosną. Firma badawcza IDC twierdzi, że do końca przyszłego roku przepływ danych zewnętrznych w przedsiębiorstwach wzrośnie aż pięciokrotnie. Z kolei liderzy cyfrowej transformacji zwiększą ilość danych wychodzących co najmniej 500-krotnie. Funkcję cyfrowej rafinerii, która oczyszcza wszystkie te informacje i przekształca dane w paliwo napędzające działanie firmy, spełniają badacze danych (data scientists). Ich zadaniem jest wyłuskanie z tego cyfrowego potopu najcenniejszych informacji, które firmy będą mogły spieniężyć.

Zdolność do monetyzacji zgromadzonych przez firmę danych definiuje nową wartość w biznesie, którą możemy określić jako „cyfrowe IQ” firmy. Z jednej strony dzisiejsze przedsiębiorstwa zgromadziły już wystarczająco dużo danych, aby móc je spieniężać. Z drugiej strony to właśnie z tym zadaniem mają największe trudności. Mimo że posiadają dane (bądź kupują je na rynku), to nadal nie wiedzą, jak generować z nich zysk i w jakich obszarach je implementować. Zrozumienie, uporządkowanie i monetyzacja cyfrowych strumieni danych często leżą poza zasięgiem kompetencji pracowników, a także możliwościami firmowych systemów służących do obróbki cyfrowych informacji. Jeśli zatem firmy chcą robić użytek ze swoich danych, muszą w ostateczności skorzystać z pomocy data scientists.

Gros danych generowanych w firmach de facto przecieka im przez palce albo zalega na archiwach. Przedsiębiorcy tracą w ten sposób szansę na usprawnienie działań swojej organizacji, a także zamykają swoje drzwi na nowych klientów. Badacze danych są po to, aby pomóc im zrozumieć wartość ich cyfrowego kapitału i pokazać na realnych przykładach, jak firmy mogą go spieniężyć.

Po raz pierwszy o nowym zawodzie zrobiło się głośno w 2008 roku. Nagłośnili go Jeff Hammerbacher oraz D.J. Patil, zachęcając przedsiębiorców do głębszego przyjrzenia się informacjom pozostawianym przez internautów w Sieci oraz działaniom podejmowanym przez użytkowników. Naciskali również na to, aby firmy zwróciły uwagę na dane, które przepływają przez ich systemy informatyczne.

Od analityka do badacza

Blisko 10 lat temu, gdy rynek po raz pierwszy usłyszał o data scientists, na portalu LinkedIn nie figurował żaden profil zawodowy, w którym ktokolwiek określiłby się jako badacz danych. Większość analityków określała wówczas swoją profesję jako: data miner, data analytic, data janitor, data specialist, itp. Każda z tych profesji ma jednak wyspecjalizowany i wąski charakter. Tymczasem data scientist łączy wiedzę ze  wszystkich tych obszarów i dysponuje bardziej ogólnym spojrzeniem na dane, wnosząc analitykę Big Data na kolejny, wyższy poziom. Firmy wiedzą dziś, że samo przetwarzanie i gromadzenie danych jest niewystarczające. Potrzebna jest fachowa wiedza i biznesowe know-how, jak takie dane wykorzystać do optymalizacji procesów biznesowych firm oraz jak je zmonetyzować. Tę wiedzę mają właśnie badacze danych. Co ich wyróżnia na tle innych zawodów, w których również pracuje się z wielkimi zbiorami danych?

Analityk systemów typu business intelligence to zawód, który pojawił się na rynku wraz z popularyzacją Excela, czyli w drugiej połowie lat ’80. Od badacza danych różni się przede wszystkim tym, że operuje na historycznych danych firmy. Odkrywa wzorce w danych i powiązania między informacjami, które zostały zgromadzone jakiś czas temu po to, aby wyłuskać z nich trendy, ustalić wpływ wydarzeń rynkowych na sytuację firmy oraz wyjaśnić, dlaczego coś się stało. Jego rola ma zatem retro-aktywny charakter. Tymczasem praca badacza danych wiąże się z postawą proaktywną. Kluczowym pytaniem zadawanym przez data scientist jest „jak?”. Jak sprawić, że wydarzy się pożądany przez firmę scenariusz? Jakich danych użyć? Jak zwiększyć docieralność do klienta? Jak pozyskać nowych odbiorców naszego produktu itd.

Data scientist potrafi nie tylko wygenerować zysk z informacji zgromadzonych już przez firmę. Pełni również funkcję cyfrowego konsultanta, ponieważ dysponuje zarówno abstrakcyjnym, jak i dogłębnym zrozumieniem fenomenu danych w firmie. Śledzi też kierunki i trendy rynkowe. Ma umiejętność wizualizacji danych i układania z nich strategii biznesowych. Nie jest jednak kimś, kto formułuje wyłącznie gotowe odpowiedzi, przeciwnie: badacz danych stawia pytania istotne z punktu widzenia dalszego rozwoju firmy: sygnalizuje potencjalne kryzysy oraz okazje do wykorzystania. Taki badacz danych to „data hero”.

Jednym z bieżących zadań stojących przed data scientist jest wskazywanie firmie danych, które nadają się do monetyzacji już teraz, a także wypunktowanie obszarów firmy ubogich w dane, które wymagają dalszej „datyzacji”. Proces zasilania firmowych danych informacjami z zewnętrznych źródeł określa się mianem data enrichment. Wzbogacanie danymi firmowych systemów pozwala badaczowi na uzyskanie szerszego oglądu sytuacji samej firmy oraz zwiększenie zakresu wiedzy o jej klientach i produktach. Badacz danych to zatem nie tylko pracownik odpowiedzialny za spieniężanie cyfrowego kapitału, lecz także ktoś, kto wie jak i w jakie dane przedsiębiorstwo powinno zainwestować.

Eksperci ds. cyfrowego kapitału

Jeśli nawet dane stały się nową walutą gospodarki cyfrowej, to i tak niewiele firm jest w stanie realnie nią płacić. Powód? Po pierwsze – deficyt badaczy danych. Po drugie – trudność samego zawodu. Osoba o profilu data scientist musi posiadać kompetencje multidyscyplinarne. W tej dziedzinie krzyżują się umiejętności programistyczne, analityczne, matematyczne, statystyczne i behawioralne. Badacz danych to połączenie naukowca i programisty.

Data scientist to jeden z najtrudniejszych zawodów w świecie gospodarki cyfrowej. To ktoś, kto nieustannie musi trzymać rękę na cyfrowym pulsie internetu oraz systemów BI i CRM w firmach. W przypadku globalnej Sieci tylko w ciągu kwadransa pojawia się około 30 gigabajtów nowych informacji, które mogą znacząco różnić się od tych już zmagazynowanych przez firmę. Co minutę w Sieci powstaje ponad 570 nowych witryn, na których internauci będą zostawiać swoje dane. Badacz danych musi wiedzieć, które z takich danych firma powinna wykorzystać, a które może odrzucić. Musi znać odpowiedź na pytanie: w jakich danych zakodowana jest nowa wiedza o kliencie, a jakie dane są biznesowo bezużyteczne.

Wiedza, w którą badacze danych zaopatrują firmy, przynosi realne korzyści biznesowe. Jak podaje Economist Intelligence Unit (EIU) wykorzystanie specjalistów od strumieni danych stało się głównym motorem napędowym przychodów w przeszło 60 proc. przebadanych firm z sektora IT. Z kolei aż 83 proc. przedsiębiorstw twierdzi, że dzięki dostarczonym przez nich danym produkty i usługi firmy stały się bardziej opłacalne, a także zaczęły przynosić większe profity. Podobny stopień zadowolenia zgłaszają uczestnicy piątej edycji corocznego badania „Big Data Executive Survey” autorstwa NewVantage Partners. Przedsiębiorcy ze szczebla C-level twierdzą, że aż 80,7 proc. inicjatyw podejmowanych przez badaczy danych i związanych z analityką Big Data okazało się sukcesem i przyniosło – pośredni lub bezpośredni – zysk firmie.

Te statystyki sprawiają, że firmy toczą dziś regularną wojnę o badaczy danych. Josh Sullivan z Booz Allen Hamilton twierdzi, że użytkownicy, w których profilu zawodowym na LinkedIn widnieje wpis „data science”, mogą otrzymywać dziennie od rekruterów nawet około stu maili z nową propozycją pracy. Badacze danych są dziś łakomym kąskiem na celowniku headhunterów. Dzięki pojawieniu się nowych usług biznesowych, takich jak np. data-as-a-service, firmy mogą również „wynająć” badaczy danych do uporządkowania swoich cyfrowych zasobów. W ten sposób mogą wypróbować ich usługi i w krótkim czasie przekonać się, ile warta jest wiedza data scientists.

Naszym badaczom danych wystarczy raptem 30 dni, aby móc dokładnie ocenić wartość zasobów cyfrowych, która zgromadziły firmy czy instytucje, a także przynieść im realny zysk z danych, które już u siebie mają. Prościej rzecz ujmując: monetyzujemy dane firm już w miesiąc. W tym czasie wzbogacamy również systemy BI oraz CRM przedsiębiorstwa o dane pochodzące z nowych źródeł, wypełniając tym samym luki w systemach informatycznych przedsiębiorstwa i umożliwiając dotarcie do realnych klientów z krwi i kości, a także pozyskanie nowych odbiorców usług czy produktów. Wykorzystując dane pokazujemy również firmom czarno na białym, jakie elementy wymagają jeszcze usprawnienia bądź zasilenia w nowe informacje. Obecnie z naszych usług korzystają m.in. banki, branża windykacyjna czy sektor fintech.

Autorzy: Michał Grams i Paweł Brach, z firmy TogetherData, polskiego Data Science House zrzeszającego badaczy danych, którzy pomagają firmom w optymalizacji i monetyzacji ich cyfrowych zasobów.