5 Tipps, um Ihre Data Science im Jahr 2023 zu verbessern

Startseite » 5 Tipps, um Ihre Data Science im Jahr 2023 zu verbessern
5 Tipps, um Ihre Data Science im Jahr 2023 zu verbessern

Gegen Ende des Jahres 2022 wird immer deutlicher, dass Data Science nicht mehr die Domäne von Unternehmen ist, sondern dass sich auch mittelständische Unternehmen und KMUs ihr zuwenden. Mit einer riesigen Datenmenge, die ihnen zur Verfügung steht, wenden sich große und kleine Unternehmen Daten und Analysen zu, um sich einen Vorteil gegenüber ihren Mitbewerbern zu verschaffen.

Hier sind einige Top-Tipps zur Datenwissenschaft, die ich zusammengestellt habe, um Ihre Datenwissenschaft im Jahr 2023 auf ein höheres Niveau zu bringen.

Machen Sie sich bereit für die Arbeit in der Cloud

Mit einem wachsenden Datenpool, der unüberschaubare Ausmaße erreicht, wird die Datentransformation immer schwieriger, nicht einfacher. Unternehmen kämpfen nicht nur mit einer wachsenden Datenmenge, sondern auch mit Legacy-Systemen und verschiedenen vererbten Datenstrukturen. Und die Cloud könnte der einzige Weg für Unternehmen sein, sich durchzusetzen.

Insbesondere die Cloud ermöglicht es, die Punkte zwischen Datenquellen zu zentralisieren und zu verbinden. As notiert von Karthikeyan Rajasekharan von Microsoft, ermöglicht dies Kunden, bessere Fragen zu stellen, einschließlich Fragen, die sie vorher nicht stellen konnten.

Die Cloud bietet auch einen besseren Zugriff auf neue Tools, die sonst möglicherweise nicht verfügbar sind. Zum Beispiel ich schrieb Kürzlich darüber, wie ein Maschinenbaustudent ein stabiles Diffusionsmodell trainierte, indem er Cloud-basierte GPUs mietete Vast.ai für ein paar Dollar. Mit der Wolke ist der Himmel die Grenze.

Data Science ist heute ein Mannschaftssport

Die Zeiten, in denen eine kleine Handvoll erstklassiger Data Scientists in der Lage war, die Anforderungen des gesamten Unternehmens zu erfüllen, sind vorbei. Die Breite und der Umfang der heutigen Datenherausforderungen erfordern Teams von Datenexperten, die mit Datenwissenschaftlern zusammenarbeiten, um Datenprobleme vorzubereiten, zu analysieren und zu operationalisieren.

Letztendlich brauchen die meisten Unternehmen nicht mehr Data Scientists, sondern eine Möglichkeit, ihre Wirkung zu verstärken. An dieser Front Libby Duane Adams von Alteryx empfohlen dass bestehende Datenwissenschaftler ihren Fokus auf Makroerkenntnisse und die Nutzung des kollektiven Fachwissens bestehender Analysten und Unternehmensmanager aufteilen sollten.

Ignorieren Sie Ihre dunklen Daten nicht

Die Explosion von Daten übertrifft wohl die Fähigkeit von Unternehmen, sie zu nutzen, und gipfelt in Dark Data, bei denen es sich um Informationsressourcen handelt, die Organisationen während normaler Geschäftsaktivitäten sammeln, verarbeiten und speichern, aber im Allgemeinen nicht für andere Zwecke verwenden. Es kann verborgene Korrelationen zwischen Informationen aufdecken, von denen angenommen wurde, dass sie keinen Zusammenhang haben.

Dark Data können in manchen Fällen ein regulatorisches Risiko darstellen. Für Banken wären die Aufsichtsbehörden nicht beeindruckt von dem Vorhandensein vorhandener Daten, die Warnsignale für Betrug aufdecken oder zur Verhinderung eines Datenverstoßes hätten verwendet werden können.

Nach Laut Ajay Bhatia von Veritas kann KI verwendet werden, um ungetaggte und unstrukturierte Daten zu identifizieren und zu verwalten, sie schnell zu scannen, zu taggen und für die Verwendung zu klassifizieren. Es kann auch genutzt werden, um große Datenmengen zu analysieren. Insbesondere kann KI das Datenvolumen einfach verwalten, um potenzielle Anomalien zu identifizieren und andere schwer zu findende Erkenntnisse aufzudecken.

Arbeiten Sie daran, Ihre Daten zu demokratisieren

Silos und die Unfähigkeit, einfach auf relevante Daten zuzugreifen, sind ein verbreitetes Schreckgespenst von Datenteams und Geschäftsanwendern. Zu langsam, und die Geschäftsanforderungen haben sich möglicherweise geändert. Datendemokratisierung wird in diesen Fällen oft als Lösung angepriesen. Aber obwohl es einfach klingt, erfordert die Demokratisierung von Daten eine Menge Arbeit, um die gewünschten Ergebnisse zu erzielen, und erfordert oft ein Gleichgewicht zwischen Verfügbarkeit, Datenschutz und Sicherheit.

Zum einen bedeutet Datendemokratisierung nicht, alle Daten für alle verfügbar zu machen, selbst wenn es sich um vertrauenswürdige interne Benutzer handelt. Ein gutes Beispiel wären die Verschreibungsunterlagen einer Gesundheitsorganisation – bestimmte Medikamente werden möglicherweise nur unter besonderen Bedingungen verschrieben, und der allgemeine Zugriff würde die Vertraulichkeit der Patienten verletzen.

Laut Ram Thilak von Inchcape ist eine erfolgreiche Datendemokratisierung, die Cloud untrennbar mit der Datendemokratisierung verbunden. Hey sagte: „Es gibt für kein Unternehmen eine bessere Möglichkeit, diesen Wert freizusetzen und die Entscheidungsfindung durch Daten ohne Cloud voranzutreiben, und das ist für jeden ein Kinderspiel.“

Fahren Sie Daten von oben

So gerne wir es auch tun, Benutzer werden sich möglicherweise nicht ohne einen Anstoß von oben zu Daten hingezogen fühlen. Nach Laut Chong Yang Chan, Managing Director von Qlik für ASEAN, müssen Unternehmen Analysen mit einem Top-Down-Ansatz vorantreiben, durch Führungskräfte auf C-Ebene, die deutlich zeigen, dass sie Entscheidungen nicht mit ihrem „Bauchgefühl“, sondern auf der Grundlage von Daten treffen.

„Um die Organisation beispielsweise dazu zu ermutigen, ein Dashboard zu verwenden, sollte der CEO nach unterstützenden Beweisen oder Datenpunkten aus dem Dashboard fragen, bevor er eine Geschäftsempfehlung ausspricht“, sagte Chan.

Wie können Unternehmen also den Stand ihrer Datenwissenschaft einschätzen? Chan hat einen Vorschlag, wie Unternehmen ihren Fortschritt verfolgen können: „Wie lange dauert es von dem Moment an, in dem ein Problem erkannt wird, bis die Beteiligten die erforderlichen Erkenntnisse aus den Daten gewinnen?“

Paul Mah ist Herausgeber von DSAI Trends. Als ehemaliger Systemadministrator, Programmierer und IT-Dozent schreibt er sowohl Code als auch Prosa. Sie erreichen ihn unter [email protected].​

Bildnachweis: iStockphoto/Jerome Maurice