Araştırmalar, birçok şirketin geniş veri depolarını kullanılabilir bilgilere dönüştürmek için mücadele ederken ihtiyaç duydukları yeteneği bulamadığını gösteriyor.
Tipik olarak, bu, belirli bir iş unvanını doldurabilecek işe alım talebini hızla artıran veri bilimcileri için bir av anlamına gelir. Ancak kendilerine “veri bilimcisi” diyen daha fazla insanı işe almak sorunu çözmenin bir yolu olsa da, şirketler bu zor insanlardan birkaçını işe almak için yarışa katılmayı gerektirmeyen alternatifler de sunuyor.
Beş yıl önce, teknoloji analisti ormancı Şirketler, veri bilimi yeteneklerini çekmek için büyük kaynaklar ayırdıkça, veri bilimcilerinin verilerden değer yaratmasına yardımcı olacak mühendislik yeteneklerine yatırım yapmayı unutma riskiyle karşı karşıya oldukları konusunda uyardı. Bugün, bazı şirketlerin bu dengesizliği gidermeye başladığı görülüyor.
Novartis örneği
Yaşam bilimleri devi Novartis’in dijital platform ve ürün teslimatının küresel başkanı Loïc Giraud, yetenek mücadelesinin çok uzun zaman önce olmayan önemli bir sorun olduğunu kabul ediyor. Ama bugün daha az endişe verici. “Bence bir çılgınlık var” diyor. “İki yıl önce veri bilimci bulmak çok zordu. »
Novartis’in yaklaşık 2.000 veri bilimcisi var ve Loïc Giraud, yetenek mücadelesinin artık veri mühendisliği yeteneğini kapmak ve iş analisti yeteneklerini geliştirmek de dahil olmak üzere diğer alanlara odaklandığını söylüyor ve diğer şirketlerin de benzer sonuçlara varmasını bekliyor.
“Veri bilimcilerine olan talebin artacağını düşünmüyorum. İş analistlerinin bilimi yapması için daha fazla, kullanımı daha kolay teknoloji olacağını düşünüyorum” diyor. “Aslında, kuruluşumuzda bile daha fazla veri bilimci bulmaya çalışmıyoruz. Daha fazla kişi tarafından kullanılabilecek yazılım çözümleri oluşturmaya ve veri bilimini iş analistleri arasında demokratikleştirmeye çalışıyoruz. »
Novartis, kuruluşun iş analistlerinin elindeki verilerden en iyi şekilde yararlanmasına yardımcı olmak için ihtiyaç duyduğu kapsamlı mühendislik yeteneğini bulmaya odaklanmıştır.
Veri bilimciler becerilerini modeller oluşturmak ve sorunları çözmek için kullanırken, veri mühendisleri veri kaynakları ile veri analizi arasında yer alan altyapıyı oluşturur ve yönetir. Her ikisi de önemlidir, ancak artan kanıtlar, veri mühendisliği pahasına veri bilimine çok fazla vurgu yapıldığını göstermektedir.
Rolleri ayarlayın
Başka bir endüstri yorumcusu, bir “kurs düzeltmesinin” devam ettiğini öne sürdü. Veri bilimcisi Maruf Hossain şöyle yazdı: Blog yazısı geçen yıl, birçok kuruluş veri bilimcileri işe alıyor ve daha sonra onlara mühendislerle daha sık ilişkili görevler veriyor.
Ona göre bu tutarsızlık, birçok veri bilimcinin analiz yapmak için sağlam bir teknolojik temele sahip olmayan şirketlere katılmasıyla açıklanıyor.
Daha sonra bu temellerin oluşturulmasına yardımcı olmak veri bilimcilerine kalmıştır. Bu nedenle, bazı veri bilimcileri kodlama yapmaları veya algoritma oluşturmaları gerekirken, kendilerini muhtemelen mevcut yetenekleriyle uyuşmayan teknik roller üstlenirken bulurlar.
Yine de, hangi rolü doldururlarsa doldursunlar, şirketler her zaman veri bilimi yeteneği arayışındadır. bu güncel araştırma CodinGame ve CoderPad’den teknoloji kiralama konusunda veri biliminin, talebin arzı geride bıraktığı bir meslek olduğunu gösterdi.
Elbette pek çok aday, bu şirketlerin tam teşekküllü veri bilimcilerine mi yoksa tam bir mühendis gibi bir şeye mi ihtiyacı olduğunu bu alanda çalışmaya başlayana kadar öğrenemeyecek. Bu amaçla, Loïc Giraud ve Novartis’teki meslektaşlarının halihazırda üstlenmiş oldukları çalışma, veri bilimcileri işe almak isteyen yöneticiler ve bu rolleri üstlenmek isteyen profesyoneller için bazı önemli ipuçları sunuyor.
Mühendislik ve iş analizine odaklanın
Şirketin son birkaç yılda veri bilimcisi becerilerindeki boşlukları kapatmaya yönelik yaklaşımı, şimdi mühendislik ve analitik üzerine yeni bir odaklanmaya yol açan bir keşif yolculuğunu içeriyor.
Şirket bulut tabanlı bir yaklaşım benimsedi ve 2017 yılında kabul edilen Kar Tanesi operasyonlarının her yönünü dijitalleştirme çabasının bir parçası olarak. Bu yaklaşımın bir kısmı, organizasyondaki karar alma süreçlerini iyileştirmek için teknoloji ve veri kullanımını teşvik etmek için yeni bir veri baş ofisinin oluşturulmasını içeriyordu.
“CDO ofisimizi oluşturduğumuzda, endüstrinin dört bir yanından yetenekleri işe aldık. Bir Veri Bilimi Akademisi kurduk ve ardından birçok insanı işe almaya başladık. Kuruluşumuzda, veri bilimcisi olmak üzere dönüştürdüğümüz çok sayıda istatistikçi vardı” diye açıklıyor Loïc Giraud.
Kuruluşunun hızla öğrendiği ana şeylerden biri, doğru verilere sahip değilseniz veri biliminin işe yaramaz olduğudur. İlk bir buçuk yıl boyunca Novartis veri bilimcileri zamanlarının %60-70’ini algoritma yazmak yerine verileri belirleyip düzenlemek için harcadılar.
İşte o zaman şirket, ihtiyaç duyduğu yetenek ve veri mühendislerinin oynadığı kritik rol hakkında çok daha dikkatli düşünmeye başladı. “Nihayetinde, bir veri mühendisi olarak veri kümelerimizi entegre edebilecek insanlar istiyoruz – ve tam yığın mühendisi tüm yığının entegre bir şekilde çalışmasını sağlıyor” diye açıklıyor.
Bugün, şirketin 2.000 veri bilimcisi, ticari zorluklara akıllı cevaplar bulmak için Snowflake, Databricks, Data IQ ve Sage Maker gibi şirketlerin araçlarını kullanıyor. Bu profesyoneller, yaşamı değiştiren ilaçları her zamankinden daha hızlı bir şekilde pazara sunmaya yardımcı olmak için verileri kullanan bir ekibin parçasıdır.
Veri bilimi daha demokratik hale geliyor
İlk araştırmadan üretim, test ve dağıtıma kadar, yeni bir ilacın pazara sunulması geleneksel olarak 12 yıl kadar sürer. Novartis, bu süreçlere veri ve yapay zeka uygulayarak bu süreyi dokuz yıla indirebileceğine inanıyor.
Loïc Giraud’a göre, şirketin veri bilimindeki ustalığı, 500 yıllık denemesinden hangisinin pazarlanabilir bir ilaç haline gelmesi için sürdürülmesi ve geliştirilmesi gerektiğine karar vermesine yardımcı oluyor. Ve şirketin veri mühendisliği platformu geliştirilmeye devam ederken, Loïc Giraud iş profesyonellerinin yarattıkları bilgiler için daha da fazla sorumluluk almalarını bekliyor.
Altı veya yedi yıl önce ekibi, Novartis’te kullanılan tüm gösterge tablolarını oluşturdu. Bugün şirkette yaklaşık 3.000 kişi kendi gösterge tablolarını oluşturuyor.
Dolayısıyla veri bilimi demokratikleşiyor ve Loïc Giraud, yetenekli veri bilimcilerinin ve veri mühendislerinin en fazla fark yaratan üst düzey faaliyetlere odaklanmasını istiyor.
“Ekibimin bir gösterge panosu oluşturmasını istemiyorum çünkü bunun hiçbir değeri yok” diye açıklıyor. “İş analistlerinin ve iş kullanıcılarının kendilerine yardımcı olabilecekleri bir platforma sahip olmalarını istiyorum. »
Kaynak : ZDNet.com