Big Data: Ilmu Matematika, Sains, dan Ilmu Komputer

Big Data adalah sebuah mimpi buruk. Sulit untuk membuat, mengelola, dan membuat kepala atau ekor dari Big Data. Jadi mengapa semua orang begitu terpikat dengan Big Data? Ini karena potensi nilai yang mengubah cara kerja yang menggunakan Big Data. Ini sebabnya perusahaan di seluruh dunia, besar dan kecil, di setiap industri sedang mencoba untuk mencari cara untuk memanfaatkan potensi Big Data. Jika Big Data adalah tubuh manusia, analisis Big Data adalah hati, Big Data menjadi sistem saraf yang membawa darah ke dan keluar dari jantung, dan visualisasi Big Data akan menjadi luar tubuh yang membuat Anda menjadi menarik kepada setiap orang yang melihat. Setiap bagian dari tubuh Big Data adalah penting dan kunci untuk mencapai hasil akhir dan hati adalah pusat dari penciptaan sebuah nilai.

Ilmuwan Data adalah sumber di tim yang menciptakan nilai dengan menggabungkan matematika mereka dalam, ilmu pengetahuan, dan latar belakang ilmu komputer untuk menyelesaikan masalah bisnis tertentu. Dengan keahlian mereka, ilmuwan data dapat dengan cepat mempelajari industri atau bisnis dan menerapkan pengetahuan mereka untuk memecahkan masalah bisnis yang sulit. Jika Anda memiliki ilmuwan data dengan latar belakang domain / industri yang mendalam, mereka luar biasa berharga karena mereka dapat lebih cepat menyelesaikan masalah dan dapat mengantisipasi isu-isu yang belum teridentifikasi belum.

Ilmuwan Data secara alami ingin tahu. Mereka cenderung untuk menyelidiki dan menginvestigasi masalah dan keingintahuan yang pebisnis yang sibuk lainnya cenderung diskon atau mengabaikan. Sebagai contoh, seorang ilmuwan data yang cenderung ingin tahu tentang anomali dan kejadian jarang untuk menentukan apakah mereka muncul tren (yaitu, tren siklus lagi) atau outlier (yaitu, ekor panjang evaluasi). Singkatnya, para ilmuwan data yang menyelidiki data untuk menentukan hubungan antara data dan pola data untuk menentukan dampak pada hasil.

Seperti Conway melihatnya, seorang ilmuwan data yang benar juga harus menjadi “berbicara hacker.” Yang pasti masuk akal, karena sebagian besar data hari ada sebagai urutan satu dan nol dalam database. ilmuwan Data tidak harus Geeks komputer hard-core, kata Conway, tetapi mereka harus tahu jalan di sekitar lanskap TI karena di mana kehidupan data. Kemampuan hacking penting karena data cenderung berada di banyak lokasi, dan dalam beberapa sistem. Hasil dan data mengambil kadang-kadang membutuhkan keterampilan hacking bahkan ketika data tersebut dalam domain publik, yang dimiliki oleh organisasi Anda, atau dimiliki oleh organisasi lain yang telah setuju untuk membiarkan Anda menggunakannya.

Diagram Venn berguna, tetapi penting untuk menyoroti bahwa satu orang tidak dapat melakukan semua ini. Inilah sebabnya mengapa banyak perusahaan berusaha untuk menciptakan tim yang bekerja sebagai salah satu untuk menutupi semua basis.

Mungkin istilah “ilmuwan data” mencerminkan keinginan untuk melihat analisis data gilirannya ke akar ilmiah. “Saya bukan penggemar besar dari metode spaghetti,” kata Zubin Dowlaty, Wakil Presiden Inovasi dan Pengembangan di Mu Sigma, sebuah perusahaan layanan analisis global. “Itu membuat saya gugup ketika orang menjalankan banyak teknik analitik hanya untuk mendapatkan jawaban yang mereka inginkan, bukannya tujuan. Melakukan pekerjaan ini benar membutuhkan ketegasan dari seorang ilmuwan. Ilmuwan dapat melihat hal-hal yang orang lain tidak bisa melihat.”

Dengan atau tanpa moniker baru, industri analisis berubah, kata Dowlaty. “Kecenderungan adalah menuju pendekatan multidisiplin untuk mengekstraksi nilai dari data. Ini bukan hanya tentang matematika lagi. Anda juga perlu keterampilan teknologi. Tapi apa yang akhirnya memisahkan analis dari ilmuwan adalah dimensi kreativitas seni. Ini adalah skill khusus yang membuat perbedaan besar.”

Michael Driscoll, penulis Dataspora Blog, gelar Ph.D. dalam Bioinformatika dari Boston University dan AB dari Harvard College. Dia memiliki satu dekade pengalaman mengembangkan platform data dan algoritma prediktif untuk telekomunikasi, keuangan, dan kehidupan lembaga ilmu. Dari sudut pandangnya, munculnya ilmu Data merupakan tahap logis berikutnya inovasi dalam intelijen bisnis.

“Anggap saja sebagai kue tiga lapis dengan manajemen data di bagian bawah, software BI di tengah, dan wawasan di atas,” kata Driscoll. “Manajemen Data, semakin diidentifikasi, masalah diselesaikan. Vendor BI bisa menghadapi kepunahan massal. Kami bergerak naik stack ke tahap berikutnya, menuju analisis yang drive produk.”

Apakah Anda menyebutnya analisis data atau ilmu data, masa depan bidang ini terlihat cemerlang dan menarik.