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.
