Ako želite da izvučete maksimalnu vrednost iz podataka, naučite zaposlene da koriste Python i Excel umesto specijalizovanih programskih jezika.
Istraživanje koje je sprovela kompanija NewVantage Partners pokazalo je da je 93.9% ispitanih osoba na visokim funkcijama očekivalo da će povećati ulaganje u podatke u 2023. godini, dok svega 23.9% organizacija svoje poslovanje vodi na osnovu velikih podataka.
Ovi rezultati doveli su do pitanja – gde će navedene investicije ići, ako ne na promenu načina na koji kompanije funkcionišu, i šta sprečava te menadžere da svoju viziju budućnosti vođene podacima nametnu kompaniji?
Kratak odgovor je – ljudi.
Od tih istih ispitanih menadžera, 79% tvrdi da su kulturološki problem najveća prepreka ulasku u budućnost vođenu podacima.
Čini se da je lako reći da poslovanje kompanije vode ozbiljni podaci, ali je to mnogo teže sprovesti u delo i implementirati jer su na kraju dana ljudi ti koji udišu život u posao, a ne podaci.
Ako ovo uzmemo u obzir, ključ je obezbediti podatke koji osnažuju ljude, ali ih ne zamenjuju.
Python i prijatelji
Pre više od jedne decenije, Svetlana Sikular, analitičarka kompanije Gartner, iznela je dve ključne istine o podacima koje vrlo često zaboravljamo: “Organizacije već imaju ljude koji poznaju svoje podatke bolje od mističnih data naučnika” i “učenje Hadoopa je lakše nego učenje kompanijskog posla”.
Jedan od načina da se unapredi inteligentna upotreba podataka jeste spuštanje granice programske pismenosti.
Ma koliko misteriozni data alati mogu biti, mnogo značajniji alat jeste način na koji zaposleni posmatra poslovanje kompanije jer stručniji zaposleni mogu da postavljaju inteligentnija pitanja i dolaze do dragocenijih zaključaka iz dostupnih podataka.
Iz tog razloga, fokus svake kompanije bi trebalo da bude veća dostupnost data alata zaposlenima. Napori da se Microsoft Excel učini ključnom komponentom analize podataka je nešto što treba ohrabrivati s obzirom na to da postoji znatno veći broj ljudi stručnih u Excelu nego sa TensorFlow ili Hugging Face modelima.
Isto važi i za Python. Iako R i drugi specijalizovani jezici nastavljaju da igraju značajnu ulogu, Python je jedan od najvećih pokretača AI produktivnosti za sve veći broj data analitičara.
Ako planiramo da podatke stavimo u centar poslovanja svake kompanije, onda bi dominantan jezik trebalo da bude onaj koji je najpristupačniji najširem broju zaposlenih.
A to je Python. Ali, i SQL.
Nedavna analiza popularnosti programskih jezika pokazala je da se Python i SQL nalaze na prve dve pozicije. Python je definitivno na prvom mestu sa velikom prednošću - koja nastavlja da raste.
Ova dva jezika zajedno predstavljaju dobru kombinaciju s obzirom na činjenicu da se uklapaju u veštine koje mnogi zaposleni već imaju i samim tim nema potrebe da se oni uče novim načinima za rad sa podacima.
Generativni AI je još jedan način na koji zaposleni mogu da se ohrabre na rad sa podacima. Međutim, rezultati i odgovori koje AI može da pruži i dalje nisu dovoljno dobri po pitanju tehničke preciznosti, mada je prozaičnost tu.
Na kraju dana, poenta nije tehnologija, već ljudi koji je koriste – i to je stvar u kojoj mnoge kompanije greše.
Osnaživanje zaposlenih
Kako NewVantage izveštaj navodi, svake godine, velika većina ispitanih izjavljuje da su ključni izazovi na putu ka data transformaciji organizacija ljudske prirode – kultura, ljudi, procesi i same organizacije – a ne tehnološke.
Sa druge strane, veliki broj kompanija fokus stavlja na probleme u čijoj srži nisu ljudi poput data modernizacije, data proizvoda, veštačke inteligencije i različitih data arhitektura.
Drugim rečima, polako shvatamo da postoji problem sa ljudima, ali pokušavamo da ga rešimo tehnologijom.
Ključna stvar u svakoj kompaniji su ljudi koji interpretiraju dostupne podatke, ne sami podaci. Ti ljudi već rade svoj posao, a ključna stvar jeste shvatiti kako da se bolje iskoriste alati koje već poznaju ili lako mogu da se nauče.
1 komentar