軟件工具使業(yè)務分析師能夠在沒有軟件工程師和數(shù)據(jù)收集專家?guī)椭那闆r下獲得分析模型和見解。

數(shù)據(jù)科學家的身價很高，以至于雇傭他們對于除了谷歌、Facebook、亞馬遜和蘋果以外的任何企業(yè)來說都是一個挑戰(zhàn)。而那些有幸從大型科技公司挖走他們或者能夠從學術(shù)界吸引到他們的CIO們將可以自豪地談論他們將與他們的數(shù)據(jù)專家所產(chǎn)生的所有商業(yè)見解。

IBM預計，到2020年，對數(shù)據(jù)科學家的需求將激增28%——而這一數(shù)字可能還是保守的。為了解決人才短缺問題，公司正在構(gòu)建能夠為公司帶來巨大成功的軟件，以便有效地從普通的公司員工中創(chuàng)建“公民”數(shù)據(jù)科學家。

研究公司Gartner表示，公民數(shù)據(jù)科學包括允許用戶在統(tǒng)計和分析領域之外工作時從數(shù)據(jù)中提取預測性和規(guī)范性見解的能力和實踐。 Gartner分析師Carlie Idoine在一篇博客文章中表示，公民數(shù)據(jù)科學家可以是一些“超級用戶”，例如沒有計算機科學背景的商業(yè)分析師，他們可以執(zhí)行簡單或中等復雜的分析任務，而這些任務以前需要更多的專業(yè)知識。她補充說, 這些超級用戶,如業(yè)務分析師,可以幫助緩解當前的技能差距。

Forrester Research的分析師Brandon Purcle表示:“工具、技術(shù)、數(shù)據(jù)和模型可用性的不斷提高，使得人們能夠?qū)⒁娊鈧鞑ソo那些原本沒有能力自己去了解的人。”

數(shù)據(jù)科學將全部民主化

通過技術(shù)總是能找到一種能夠使信息獲取更加民主化的方法。其中有什么變化么?在大多數(shù)企業(yè)仍在實施的傳統(tǒng)模式中，業(yè)務分析師會在數(shù)月內(nèi)與IT和數(shù)據(jù)科學家共同努力，計劃用于產(chǎn)生預測性見解的模型，然后數(shù)據(jù)科學家將通常從頭開始構(gòu)建這個模型。

現(xiàn)在，由于IBM的SPSS和Alteryx等工具，許多沒有編碼經(jīng)驗或編碼經(jīng)驗很少的公民數(shù)據(jù)科學家只需要將數(shù)據(jù)模型拖放到某種軟件畫布上，就可以獲得洞察力。Purcell表示，這些工具使得“業(yè)務線分析師能夠比在Excel中更容易的操作數(shù)據(jù)”。

例如，通用汽車公司建立了Maxis，這是一個分析平臺，允許商業(yè)用戶進行類似Google的查詢，并獲得銷售預測和供應鏈績效等運營指標的窗口。專家們一致認為，現(xiàn)在的通用汽車公司可能是一個特例，但在短期內(nèi)就會有很多類似的公司出現(xiàn)。

數(shù)據(jù)科學是石油巨頭殼牌公司的一個重要關注點，在那里，員工們通過不停地瀏覽公司千萬億字節(jié)的數(shù)據(jù)，以獲得運營和業(yè)務洞察力。例如，殼牌公司使用公司的自助服務軟件Alteryx來幫助運行預測模型，預測成千上萬的石油鉆機部件何時會出現(xiàn)故障。

Jeavens說:“數(shù)據(jù)科學工具正在使數(shù)據(jù)科學的低端民主化，這讓越來越多的人可以做到這一點了。”但在另一方面，殼牌也正在使用一些“強大的引擎”，如Google TensorFlow和深度學習庫MXNet，以及Python和R編程語言。 “總會有一個跨越公民數(shù)據(jù)科學家和專業(yè)數(shù)據(jù)科學家的頻譜，我們必須同時支持這兩者。”

公民數(shù)據(jù)科學家確實彌合了商業(yè)用戶進行的自助分析和數(shù)據(jù)科學家進行的高級分析之間的差距。Forrester的Purcell表示，專業(yè)數(shù)據(jù)科學家將更多的在整個企業(yè)中構(gòu)建和擴展數(shù)據(jù)模型和算法。

TD銀行集團企業(yè)信息高級副總裁Joe DosSantos說，現(xiàn)在人們已經(jīng)普遍認識到數(shù)據(jù)是新的石油，許多企業(yè)已經(jīng)“被復雜分析的魅力所吸引”?，F(xiàn)實情況是,數(shù)據(jù)科學將不再是關于巫師和神話中的獨角獸。

DosSantos表示，TD銀行使用了一系列基本的以及復雜的分析工具來更好地協(xié)調(diào)歷史和當前的客戶數(shù)據(jù)，并進行欺詐分析。例如，該銀行使用了AtScale的軟件來幫助商業(yè)用戶查詢來自該銀行Hadoop數(shù)據(jù)湖的實時數(shù)據(jù)，并快速獲得結(jié)果。而TD銀行分析師也會在Tableau自助可視化軟件中查看數(shù)據(jù)。

數(shù)據(jù)科學家:仍然不可或缺

其他的軟件供應商也正在加速數(shù)據(jù)民主化的趨勢，通過采用機器學習(ML)和人工智能(AI)功能來構(gòu)建自動化模型。

例如，Salesforce.com提供了Einstein預測生成器，它允許商業(yè)分析師創(chuàng)建自定義的AI模型，在任何自定義Salesforce字段或?qū)ο笊咸砑幼兞?，以預測一些結(jié)果，如客戶流失的可能性或客戶的生命周期價值。Adobe的Sensei是另一個ML軟件工具，它可以幫助營銷人員在幾分鐘內(nèi)啟動營銷活動，減少任務的時間。

Gartner表示，到2020年，超過40%的數(shù)據(jù)科學任務可能會實現(xiàn)自動化。“這種[自動化的ML方法]是下一代的數(shù)據(jù)科學，”Purcell說。

當然,并不是所有的大數(shù)據(jù)任務都能被公民數(shù)據(jù)科學家很容易的解決。德勤咨詢公司認知和分析業(yè)務的常務董事Bill Roberts說，公司仍然需要統(tǒng)計學家、數(shù)據(jù)科學家、精算師和其他精通高級數(shù)學技術(shù)的專家。這些專家可以填補空缺和缺失字段的數(shù)據(jù),這些任務是公民數(shù)據(jù)科學家無法勝任的。

另外，如果出了問題，又無法通過數(shù)學進行驗證時該怎么辦?也許算法本身也存在問題。 Roberts說:“當遇到困難或問題時，你需要有受過某種培訓或具有高級學位的人來幫助你解決這個問題。”