Zakaj je podatkovna disciplina ena najhitreje rastočih v IT industriji?

Globalni trg masovnih podatkov in poslovne analitike bo do konca letošnjega leta zrasel na 274,5 milijarde ameriških dolarjev, kar je več kot 60-odstotna rast v primerjavi z letom 2018, ocenjuje podjetje Statista. Podjetja se transformirajo v podatkovno gnana in vedno več znanja, denarja in časa investirajo v podatkovno analitiko. Vse to so razlogi, da je podatkovna disciplina v zadnjem času med najhitreje rastočimi segmenti v večini IT podjetij, tudi v Endavi.

O tem, kako postati bolj ozaveščeni o vlogi masovnih podatkov in kakšna je dandanes vloga podatkovne analitike, so na okrogli mizi v sklopu internega dogodka Dnevi podatkov razpravljali Endavini strokovnjaki znotraj podatkovne discipline.

Zakaj je področje masovnih podatkov in poslovne analitike pomembno in kako je svet podatkov videti z njihove perspektive, so pojasnili predstavniki treh različnih vlog iz treh različnih držav: Olivera Hadžić Borisavljević, višja podatkovna analitičarka iz Srbije, Bojan Sapunov, višji podatkovni svetovalec iz Severne Makedonije in Jure Bevc, višji podatkovni znanstvenik iz Slovenije.

Stranke se vse bolj zavedajo pomena podatkov

Po mnenju Jureta Bevca imajo stranke pogosto težave s pridobivanjem in obdelavo podatkov, zlasti če jih zbirajo ročno. Na voljo imajo lastne modele učenja podatkov, razvitih s strani njihovih strokovnjakov, ki pa se velikokrat ne zavedajo pravilnih načel vrednotenja modelov, to pa lahko privede do napačnih rezultatov. Zato je nadvse pomembno, da stranke prepoznajo prednosti dobrega modela.

»Pri zbiranju podatkov se pogosto izkaže, da je bil pristop, ki ga je stranka izbrala, od vsega začetka napačen. Zbiranje nerelevantnih podatkov in izpuščanje pomembnih podatkov sta dva od načinov, kako se lahko stvari zapletejo. Strankam lahko pomagamo tako, da jim povemo, kako naj zbirajo podatke. Tudi če so podatki trenutno slabi in modeli ne delujejo, lahko še vedno doprinesemo veliko vrednost,« pravi Bevc.

Povedano je dokaz, da je v podatkovni znanosti ključno razumevanje domene stranke in način čiščenja podatkov. Kaj pa je najbolj pomembno pri izdelavi dobrega modela? Po besedah Bojana Sapunova obstaja več načinov za doseganje podobnih rezultatov, vendar so izkušnje pogosto tiste, ki vam povedo, katera praksa je najboljša.

»Stranke so se začele zavedati pomena podatkov in želijo, da njihovo poslovanje postane podatkovno usmerjeno, zato se je ta disciplina tako zelo razširila in še vedno raste,« dodaja Sapunov.

Kariera v podatkovni disciplini?

Vsi tisti, ki si želijo kariere v podatkovni disciplini, morajo biti pripravljeni na tesno sodelovanje s strankami, poleg tega pa se morajo konstantno učiti in razumeti posel. »Tisto, kar razlikuje vloge v podatkovni disciplini od ostalih razvijalskih vlog je dejstvo, da klasični razvijalci morda niso ves čas v kontaktu s stranko, medtem ko mi z njimi neposredno sodelujemo na dnevni ravni. To predvsem velja za podatkovne analitike, medtem ko za podatkovne inženirje nekoliko manj,« zaključuje Sapunov.

Pred nami je čas, poln izzivov, saj se srečujemo z večjo količino podatkov kot kadar koli prej. Skupaj z razvojem oblaka in naprednimi tehnologijami strojnega učenja se odpirajo nove priložnosti, ki bodo podatkovno disciplino v prihodnosti naredile še bolj zanimivo.

Več najdete na www.endava.com