Гражданский дата-сайнс (Citizen Data Science)

Синонимы: Гражданская наука о данных

Разделы: Бизнес-задачи

Loginom: Аналитическая платформа Loginom

Гражданский дата-сайнс — это корпоративная стратегия, в рамках которой к реализации технологий Data Science и анализу данных (в частности, Big Data) активно привлекаются работники линейных подразделений компании, не имеющие специального образования и навыков, а не только профессионалы в области бизнес-аналитики и сотрудники IT-подразделений, обладающие соответствующими компетенциями.

Сам термин «Citizen Data Science» впервые был введён в 2016 году для описания возможностей небольших компаний использовать технологии интеллектуального анализа данных и Big Data по созданию сложных систем бизнес-аналитики своими силами, с помощью доступных сервисов и приложений, а главное, без привлечения профессионалов со стороны (или почти без привлечения).

При этом под «гражданскими» понимаются специалисты, «которые создают модели продвинутой бизнес-аналитики и прогнозирования, но основная профессиональная деятельность которых не связана со статистикой и анализом данных».

Портрет гражданского специалиста в области Data Science может быть описан следующим образом:

создаёт аналитические модели, в том числе и на основе машинного обучения;
не является членом IT-команд, реализующих какие-либо аналитические проекты;
решает линейные бизнес-задачи;
сосредоточен на решении проблем бизнеса, а не работы с данными;
не имеет профильного образования в области статистики и обработки данных;
способен применять продвинутую аналитику для ответов на вопросы, связанные с бизнесом.

Концепция вовсе не предполагает полной замены профессионального Data Science на гражданский. Речь скорее идёт о том, что совместные усилия профессионалов и не профессионалов в области обработки данных позволят достичь лучших результатов за меньшие сроки и с меньшими затратами.

По современным оценкам до 40% отдачи от применения бизнес-аналитики в компаниях даёт именно гражданский дата-сайнс. Поэтому правильнее говорить о попытках заполнения разрыва между желаниями компаний получить конкурентные преимущества, открываемые современными технологиями бизнес-аналитики, и существующими организационными возможностями.

Основополагающие составляющие стратегии Citizen Data Science:

Сделать корпоративные данные открытыми настолько, насколько это позволяют требования безопасности.
Реализовать обучение персонала с использованием выложенных в открытый доступ обучающих материалов с описанием работы применяемых в компании инструментов анализа данных.
Мотивировать работников: применять материальное и нематериальное стимулирование.
Изменить политику управления данными в компании исходя из того, что к ним получат доступ непрофессионалы.
Максимально упростить операции с данными, чтобы персонал мог сосредоточится на бизнес-логике, а не на технических аспектах работы с данными.

Одна из основных проблем в бизнес-аналитике связана с тем, что носители знаний о бизнес-логике и программисты — это разные люди. Поэтому неизбежным этапом реализации аналитических проектов является перенос знаний о бизнес-логике от аналитиков к программистам, а затем контроль того, что бизнес-правила были правильно поняты, корректно формализованы и воплощены в коде.

Данный процесс не только является затратным по времени, но и может порождать ошибки. Поэтому всё большую популярность набирают аналитические платформы с технологией минимизации написания кода вручную (low-code), или вообще без кодирования (no-code), использующие визуальный пользовательский интерфейс в сочетании с логикой, управляемой бизнес-моделью. При этом порог создания или изменения систем анализа данных снижается до уровня бизнес-аналитика или даже продвинутого пользователя.

Именно гражданские дата-сайнтисты, таким образом, позволяют ликвидировать разрыв между аналитиками и IT-специалистами, поскольку одновременно являются носителями знаний о бизнес-процессах компании и могут строить аналитические модели.