Hvad laver en Data Scientist? Det er et spørgsmål, som Data Scientists ofte møder, og med god grund, for Data Science eller Advanced Analytics er komplekse begreber, der består af en række interagerende komponenter.
Begreberne, Data Science og Advanced Analytics, er grundlæggende synonymer. Disse begreber er overordnede discipliner som har berøring med mange andre begreber. I bund og grund dækker Advanced Analytics over alle tænkelige discipliner inden for data og modellering kombineret med kommunikation og forretningsrelaterede discipliner. Figuren nedenfor opsummerer ganske godt, hvad Advanced Analytics består af.
Den inderste del er en visualisering af de tekniske- og datarelaterede discipliner, der er behov for i Advanced Analytics. Det er discipliner som f.eks. klassisk statistik, visualisering, Data Mining, Machine Learning osv. Det er selvsagt nær umuligt at mestre alle disse discipliner til perfektion. Evnen til at udvide sine kompetencer inden for relaterede discipliner og kombinere dem med hinanden er en meget vigtig komponent for enhver som ønsker at arbejde med Advanced Analytics. Det er grundlæggende disse discipliner, som mange kommer i tanke om, når tanken falder på Advanced Analytics, men de kan ikke stå alene, hvis ønsket er at lave vellykket Advanced Analytics. Ofte oversete men afgørende kompetencer er, hvad mange vil karakterisere som “bløde” kompetencer. Disse kompetencer er visualiseret som den ydre ring på figuren og dækker bl.a. domæneviden, kommunikationsfærdigheder, nysgerrighed osv.
Advanced Analytics er således mere end blot modeller og store datamængder. Det er en helhed af en stor mængde discipliner, hvor de enkelte ikke kan stå alene.
Hvorfor kan de “hårde” kompetencer ikke stå alene?
Ethvert Advanced Analytics projekt udspringer af et forretningsbehov, og hvis dette ikke er tilfældet, bør projektet nedlægges med det samme. For at kunne arbejde med denne type af projekter kræver det, at de deltagende i projektet har en forståelse for domænet, forretningen samt de bagvedliggende behov og strategier som ligger til grund for projektet. Hvis det ikke er på plads, er der risiko for, at projektet ender ud i en løsning som ikke er relevant eller værdiskabende for forretningen.
Et Advanced Analytics projekt involverer ofte mange interessenter. Gode kommunikative evner er derfor vigtige for at kunne tale på tværs af grupper, ligesom det er nødvendigt at kunne præsentere resultater, modeller og processer for mange forskellige personer med meget varierende vidensniveau inden for tekniske discipliner.
Desuden kan Advanced Analytics projekter ses som meget komplekse puslespil som aldrig har én rigtig løsning, men derimod multiple løsninger og mindst lige så mange måder at nå til disse løsninger. Der er derfor behov for en nysgerrighed og lyst til at løse meget komplekse problemer for at kunne løse denne type af projekter.
De “bløde” kompetencer bør ses som et fundament, som de “hårde” tekniske kompetencer hviler på. Hvis dette fundament vakler, vil de tekniske kompetencer blot være en bunke byggesten, som aldrig bliver til andet end en bunke af flotte sten.
Vil du vide mere om Advanced Analytics og Artificial Intelligence?
Machine Learning, deep learning, reinforcement learning. Buzz eller business? Spørger du os, er der gevinster ved AI for alle. Og i alle brancher.
Hvis du er blevet nysgerrig og vil vide mere om de nye, spændende teknologier, kan du læse meget mere hos vores søsterselskab Kapacity, som har stort fokus på at transformere AI til forretningsværdi.
Læs mere om Advanced Analytics og Artificial Intelligence hos Kapacity.
