Big Data i nove uloge u organizaciji

Big Data pokret kojim se, pa usudimo se reći, i razbacuju posljednjih nekoliko godina, učinio je puno više od priče koja se provlači u agresivnim marketinškim kampanjama. Iako je istina da je „Big“ u imenu Big Data pomalo ambiciozan termin, jednog dana će se to nazivati samo „Data“, ali nema sumnje da je ovaj pokret iz temelja promijenio način na koji danas organizacije donose svoje odluke.

Osim osnova, ovaj pokret je značajno povećao potražnju za dvjema relativno novi i kritičnim organizacijskim ulogama: Podatkovnim znanstvenicima i istraživačima podataka.

Definiranje uloge

Uloga podatkovnih znanstvenika je ključna jer karakteristike od kojih se sastoji  Big Data (volumen, raznolikost i brzina) zahtijevaju stručno upravljanje podacima, data mining i stručnost u modeliranju, s posebnim naglaskom na analitičke vrste (uključujući statistiku i predviđanje). Podatkovni znanstvenici također trebaju nove vještine stečene iz rada na modernim, multi-strukturalnim podatkovnim vrstama uobičajenim u Big Data rješenjima .

Ove nove vještine mogu se najlakše steći na obuci kod dobavljača, kao što je IBM Big Data University ili jednostavno zasukati rukave i izgraditi pilot projekt koji koristi neke od najnovijih Big Data tehnologija.

Sljedeća najvažnija uloga je istraživač podataka. Ovaj termin je širok i proteže se na nekoliko razina analitičkih vještina, ali ima zajednički opis funkcije kojom opisuje nekog na nekoj funkciji koja zahtjeva uvođenje Big Data podataka u rad,kako bi se donosile bolje poslovne odluke . Kombinacija podatkovnog znanstvenika i podatkovnog istraživača stvara novu razinu jedinstva između poslovne analize i informacijskih tehnologija.

Jaz IT biznisa

Opća podjela rada između podatkovnih znanstvenika i podatkovnih istraživača postaje bolje definirani proces koji bitno uključuje modeliranje i analizu podataka od strane podatkovnih znanstvenika.

Nakon što su izvorni podaci uključeni u Big Data, tada podatkovni znanstvenik i podatkovni istraživač započinju s radom. Podatkovni znanstvenik može biti uključen u pripremu podataka za uporabu gdje je to moguće. Kada se izravno pristupa i koristi nativno, kao što je to slučaj kod Jaspersofta, podatkovni znanstvenik će vjerojatno potvrditi da je uspostavljena robusna i korisna podatkovna vezna. U ovom trenutku, istraživač podataka je u poziciji da koristi analitički i alat za izvještavanje za pristupanje, ispitivanje i analiziranje podataka.

Nestašica Big Data vještina

Moderni analitički i alati za izvještavanje, dizajnirani za rad s Big Data rješenjima, brzo postaju vrlo moćni i jednostavni za korištenje čak i za podatkovne istraživače. Dok je većina članaka i rasprava usredotočena na manjak vještina među podatkovnim znanstvenicima,nedovoljno se raspravlja o manjku vještina kod podatkovnih istraživača . Pri tome se misli da svaki poslovni čovjek mora   posjedovati analitičke vještine kako bi uspio u novom informacijskom gospodarstvu.

Mnogi na poslovnim funkcijama nemaju adekvatan set analitičkih vještina. Te će problem s nedostatkom vještina s vremenom samo rasti. Idealno bi bilo kada bi fakulteti i sveučilišta u svojim programima nudila studije iz analitike ili donošenja odluka na temelju informacija. Tako bi puno veći broj diplomiranih studenata s razumnom razinom analitičkih vještina bio dostupan na tržištu rada.

Big Data - Open Source softver

Konačno je open source softver doživio vrlo važne pozitivne promijene u proteklom desetljeću, te je osigurao nevjerojatno pristupačan, snažan, siguran i moderan temelj za potpuno nove IT infrastrukture i omogućio jeftin pristup i korištenje novih Big Data vrsta. U svakom važnijem području i sloju softvera, nalazimo open source prednosti, funkcije i širinu korištenja. U stvari, nastavak sazrijevanja open source cloud i Big Data programskih sustava transformira moderan računalni krajolik nama pred očima. Gotovo svi od najvažnijih Big Data projekata dolaze iz open source zajednice.