خسته: دانشمندان داده. Wired: هنرمندان داده

به گفته تحلیلگران در نشست داده و تحلیل گارتنر در سیدنی، استرالیا، دانشمندان داده مهم هستند، اما آنچه که جهان در حال حاضر به آن نیاز دارد هنرمندان داده است.

سالی پارکر و پیتر کرنسکی تحلیل‌گران توضیح دادند که هنرمندان داده افرادی هستند که سؤالات گسترده‌تری – حتی شاید مماس – در مورد داده‌ها و آنچه که ممکن است پس از بررسی توسط دانشمندان داده آشکار شود، می‌پرسند.

برای نشان دادن این مفهوم، آنها مطالعه موردی یک اپراتور حمل و نقل عمومی در بلژیک را به اشتراک گذاشتند که از علم داده در تلاش برای یادگیری علت خرابی برخی از وسایل نقلیه خود استفاده کرد. با توجه به پتانسیل گسترش پروژه، یک تیم تحلیلی یک برنامه پروژه 20 روزه را با نیمی از زمان صرف آماده سازی داده ها و مابقی به توسعه یک مدل اختصاص داد.

این تلاش بینش مفیدی ایجاد نکرد - اما تیم داده را در تماس با تیم عملیات قرار داد. هنگامی که دومی داده‌های مربوط به اتوبوس‌های خراب را دید، به سرعت نشان داد که در مسیرهای تپه‌ای مورد استفاده قرار می‌گیرند و بنابراین با استرس‌های بیشتری مواجه می‌شوند.

اتوبوس‌های چرخشی در مسیرهای مختلف بار را پخش کردند و ده‌ها میلیون نفر را نجات دادند.

تحلیلگران هیچ بینشی در مورد چگونگی توسعه هنرمندان داده ارائه نکردند. در عوض، آنها پیشنهاد کردند که همکاری بین رشته‌ای و مراقب باشید که داده‌ها حاوی بینش‌های امیدوارکننده نباشند، گام‌های مفیدی هستند.

این زوج داستان اخترشناس قرن شانزدهم تایکو براهه را به اشتراک گذاشتند که مشاهدات گسترده ای را برای اثبات اعتقادش مبنی بر اینکه خورشید به دور زمین می چرخد، انجام داد. همکار براهه، یوهانس کپلر، از همین داده ها برای اثبات اینکه زمین به دور خورشید می چرخد، استفاده کرد.

کرنسکی گفت: "گاهی اوقات تنها چیزی که برای موفقیت نیاز داریم تغییر دیدگاه است."

این زوج همچنین توصیه کردند که سازمان ها داده های کمتری را جمع آوری کنند، زیرا جمع آوری داده های انبوه خطرات امنیتی ایجاد می کند. این زوج از هتل های زنجیره ای مثال زدند که مشتریان را تنها با استفاده از دو نقطه داده تجزیه و تحلیل می کند: اینکه آیا آنها از باشگاه ورزشی استفاده می کنند و آیا آنها غذای سالم را انتخاب می کنند. این دو قطعه برای ارائه پیشنهادات کافی است و برای مجرمان ارزش بسیار کمتری نسبت به سایر موارد اطلاعاتی دارد.

هر دو تحلیلگر همچنین از استفاده از داده های مصنوعی حمایت کردند، زیرا جمع آوری آن ارزان تر است و چالش های کمتری در حفظ حریم خصوصی ایجاد می کند.

داده‌های مصنوعی همچنین می‌توانند فرصتی برای شبیه‌سازی رویدادهایی که مشاهده آن‌ها دشوار است را ارائه دهد. به گفته تحلیلگران، شرکت فناوری خودروهای خودران آلفابت Waymo از آن برای شبیه‌سازی مسیری برای آمبولانس‌هایی استفاده می‌کند که مسیر خود را در ترافیک با سرعت بالا می‌پیوندند و آزمایش‌های بیشتری از خودروهای خودران نسبت به جاده‌های واقعی انجام می‌دهند.

سخنرانی اصلی همچنین توصیه‌ای برای تیم‌های فناوری اطلاعات ارائه کرد که به «محافظان داده» تبدیل شوند که روی ابرداده‌ها سرمایه‌گذاری می‌کنند تا تیم‌های تجاری بتوانند به‌سرعت داده‌های مورد نیاز خود را شناسایی کرده و از آنها استفاده کنند، نه «دستگاه‌ساز داده‌ها» که بر زیرساخت‌ها تمرکز می‌کنند. ®