Data science i big data w zarządzaniu

Artykuł przygotowany we współpracy z firmą Sages
aktualizacja: 30-08-2017, 16:01

Specjaliści potrzebni od zaraz

W serialu „House of Cards” pojawił się temat wykorzystania gigantycznych baz danych kampanii prezydenckiej. Ponoć także Obama zawdzięcza wygrane wybory specjalistom od big data. Ale data science to nie political fiction. To dziedzina, która staje się ważnym narzędziem dla biznesu.

Globalne sieci handlowe ustawiają asortyment, a nawet lokalizują półki w supermarketach wykorzystując analizy danych. E-commerce, logistyka czy finanse nie tylko w wysokim stopniu zawdzięczają swoje obroty i oszczędności wiedzy z big data, ale budują ofertę ufając wnioskom z analizy liczb. Dzięki danym masowym funkcjonują różnego rodzaju służby, jak energetyka, transport, telekomunikacja, bezpieczeństwo i obrona. Także dzięki analizie dużej liczby danych firmy ubezpieczeniowe wiedzą, jak jeździ młode pokolenie kierowców, jak starsze, jak kobiety, i dostosowują do tego ceny i zawartość polis. Nowoczesne systemy medyczne na podstawie masowych danych z wielu baz są w stanie przewidzieć zachorowalność na określone schorzenia, w określonym czasie.

W branży finansowej analizuje się dane transakcyjne i umożliwia identyfikację podejrzanych operacji czy nadużyć. W marketingu analiza zachowań użytkowników stron internetowych i sklepów w sieci pozwala tworzyć i doskonalić systemy rekomendacyjne proponujące klientowi produkty i usługi profilowane dla niego. Analiza danych umożliwia przewidywanie trendów sprzedażowych i segmentacje klientów, co pozwala zbudować ofertę produktową i organizować działy handlowe producentów.

Wypowiedzi na forach i w mediach społecznościowych służą analitykom m.in. w badaniach wizerunkowych, opinii o marce, badaniach upodobań. I jeszcze ta słynna, pozornie nielogiczna, decyzja menedżerów UPS w 2011 r. o unikaniu przez kierowców firmy skręcania w lewo, która przyniosła gigantyczne oszczędności paliwa, czasu i ostatecznie kosztów... To wszystko rezultat analizy danych masowych. Wiele największych firm świata nie osiągnęłoby takiego sukcesu, gdyby nie zaufały analizom masowych danych i nie poznały swoich klientów.

Środowiska big data

Zbieranie i przechowywanie informacji do celów analitycznych to narzędzie wykorzystywane od dawna. Jednak w XXI wiek weszliśmy z pojęciem „big data” (zdefiniowanym przez Douga Laneya, analityka amerykańskiej firmy analityczno-doradczej Gartner), zawierającym pojęcie danych masowych, charakteryzowanych przez trzy „V” - volume, velocity, variety (ilość, szybkość, różnorodność). Wkrótce model rozwinięto o jeszcze jedną cechę - veryfication.

– Dane, które gromadzą i przetwarzają analitycy, są oczywiście uzyskiwane zgodnie z prawem. Często powiązane z usługami; banki gromadzą dane, o ruchu na kontach klientów, np. płatnościach, ich wielkości, przychodach i rodzaju dokonywanych zakupów. Firmy udostępniają aplikacje np. na smartfony, dzięki którym dostają dostęp do danych abonentów, a właściciele portali śledzą ruch internautów i analizują ich zainteresowania – wymienia Łukasz Kobyliński, chief science officer w Sages.

Nowszym źródłem danych są media społecznościowe, które choć trudniejsze w analizowaniu (nie zawierają łatwo porównywalnych wartości liczbowych – analizuje się je na podstawie m.in. obecności czy słów kluczowych), stanowią dodatkowe, „odnawialne“ źródło wiedzy. Zbiory danych są również dostępne w źródłach publicznych, jak organizacje rządowe i pozarządowe oraz unijne, fundacje i instytucje (tzw. open data).

Potrzebny człowiek

Generowanie danych to jedno, ich analiza i wyciąganie wniosków to drugie. Przełożenie tego na model biznesowy i strategię organizacji, to dopiero podstawa do sukcesu. Trzeba pamiętać, że wartość big data wynika nie z samych danych, lecz z rezultatów ich przetworzenia i analizy oraz wniosków, które staną się podstawą dla produktów i usług.

– Big data może stać się instrumentem, który pomaga firmie poznać jej otoczenie i klienta. To wielki potencjał kreowania zachowań konsumentów. Na podstawie analizy zgromadzonych danych można zbudować profil klienta i oferować mu rozwiązania dopasowane do jego potrzeb. To buduje konkurencyjność, zapewnia firmie zwiększenie sprzedaży i większą efektywność działania. Aby jednak tak się stało, muszą się spotkać: wiedza o biznesowym celu organizacji i jej potrzebach ze znajomością narzędzi analitycznych big data i infrastrukturą informatyczną – podkreśla Łukasz Kobyliński.

Potrzebni są więc specjaliści, którzy „odczytują” treść wynikającą z big data, potrafią wyciągać wnioski i podejmować na ich podstawie decyzje biznesowe – menedżerowie, którzy przetransformują wiedzę z analiz w modele biznesowe. Biznes potrzebuje bowiem klarownych i przekonujących wniosków oraz efektywnych rozwiązań na rynek.

Przetwarzanie wielkich zbiorów danych jest kluczową umiejętnością specjalistów z dziedziny data science. Data scientist to specjalista łączący różne kompetencje – matematykę i statystykę, programowanie, rozumienie celu biznesowego, wnikliwość i umiejętność prezentowania problemu w postaci danych.

– To poszukiwani obecnie pracownicy. Zarobki analityków big data znacznie przekraczają średnią zarówno w Polsce, jak i na świecie. Z analizy wielkich zbiorów danych korzystają korporacje, prywatne firmy i instytucje publiczne. I zainteresowanie ciągle rośnie – dodaje Łukasz Kobyliński.

Dla menedżerów i szefów projektu

Dziedzina data science obejmuje wyjątkowo dynamicznie rozwijające się dziedziny, m.in. technologie informatyczne, programowanie, przechowywanie (bazy danych), przetwarzanie i analizę danych. W tym kontekście nie można mówić o raz nabytych kwalifikacjach, wykształceniu kierunkowym. Tym bardziej, że kształcenie podyplomowe i kursy specjalistyczne obejmują nie tylko zagadnienia analizy danych i programowania, ale też uczą szerokiego spojrzenia na wyzwania biznesowe i zarządzanie. Proponowane przez uczelnie studia prowadzone są zarówno przez ekspertów w zakresie data science, jak i osoby z biznesu, które miały okazję przecierać szlaki we wdrażaniu strategii data science oraz big data w Polsce. Zainteresowanie jest duże. Politechnika Warszawska zaoferowała kształcenie podyplomowe dla członków zespołów data science, natomiast Akademia Leona Koźmińskiego, we współpracy z firmą Sages, oferuje studia podyplomowe dla menedżerów zarządzających, którzy na podstawie analiz danych przygotowanych przez ich zespoły data science podejmują decyzje, budują strategie itd. Studia mają ich też przygotować do wdrożeń rozwiązań big data w ich organizacjach.

Jak zaznaczono na stronie uczelni, celem studiów podyplomowych (Data Science i Big Data w Zarządzaniu) na Akademii Leona Koźmińskiego jest wykształcenie w kadrze menedżerskiej holistycznego spojrzenia na całość zagadnień związanych z big data i data science oraz nabycie praktycznych, twardych kompetencji wykorzystywanych w kierowaniu działem lub przedsiębiorstwem. W szczególności, celem jest przekazanie wiedzy w zakresie specyfiki dużych danych, integracji i gromadzenia danych z różnych źródeł oraz architektury rozwiązań klasy big data. Studia mają pomóc zarówno tym, którzy są już w procesie transformacji, jak i tym, którzy chcieliby poznać co ich potencjalnie czeka w przyszłości, jeśli ich organizacja zdecyduje się pójść tą drogą.

– Studia podyplomowe w Koźmińskim przeznaczone są dla średniej i wyższej kadry menedżerskiej z co najmniej sześcioletnim stażem zawodowym, pełniącej swoje funkcje m.in. w dziedzinach marketingu, finansów, IT, zarządzania łańcuchem produkcji, HR, zarządzanie strategiczne. Wykształcenie techniczne nie jest konieczne – tłumaczy Łukasz Kobyliński. Po ukończonych i zaliczonych studiach menedżer będzie mógł skutecznie prowadzić projekty o charakterze big data i data science, efektywnie przeprowadzić transformację przedsiębiorstwa lub działu w organizację opartą o analizę danych, organizować i zarządzać infrastrukturą big data i data science oraz wykorzystywać wyniki analizy danych do zarządzania.

Bootcamp Kodołamacz

Sages organizuje także bootcamp data science (czyli intensywny kurs, skoncentrowany na przekazaniu uczestnikom praktycznej wiedzy, umożliwiającej im rozpoczęcie pracy w zawodzie badacza danych) o znaczącej nazwie „Kodołamacz”.

Bootcamp trwa 256 godzin (w trybie dziennym lub weekendowo). Obejmuje również 30 dni warsztatów (240 godzin) oraz dwudniowe szkolenie z rekruterem. Kandydaci muszą umieć programować w przynajmniej jednym języku, znać podstawy statystyki i język angielski na poziomie średnio zaawansowanym.

– W odróżnieniu od studiów na Koźmińskim, które przygotowują kadrę zarządzającą do wprowadzenia osiągnięć wynikających z dostępu do big data na poziomie organizacji absolwenci bootcampu data science zasilą zespoły analityków dużych danych w tych organizacjach. Po zakończeniu bootcampu jego uczestnik będzie miał ugruntowaną wiedzę dotyczącą statystycznej analizy danych i uczenia maszynowego (również deep learning), popartą projektami zrealizowanymi w trakcie zajęć. Poza projektami ćwiczebnymi, każdy z uczestników zrealizuje projekt finalny, pokazujący syntezę umiejętności zdobytych na kursie, który będzie stanowił główną składową jego profilu zawodowego, prezentowanego pracodawcom po zakończeniu nauki. Uczestnik bootcampu opanuje Pythona, SQL, Apache Spark i inne narzędzia, wystarczające do rozpoczęcia pracy na stanowisku Junior Data Scientist – podsumowuje Łukasz Kobyliński.

© ℗
Rozpowszechnianie niniejszego artykułu możliwe jest tylko i wyłącznie zgodnie z postanowieniami „Regulaminu korzystania z artykułów prasowych” i po wcześniejszym uiszczeniu należności, zgodnie z cennikiem.

Podpis: Artykuł przygotowany we współpracy z firmą Sages

Polecane

Inspiracje Pulsu Biznesu

Puls Biznesu

Inne / Data science i big data w zarządzaniu