Использование Big data в бизнесе — половина успеха. Нужно еще найти аналитиков, экспертов и статистиков. Всего с большими данными для бизнеса важны 5 специальностей.
Большие данные они одни на всех. То есть самые различные компании вынуждены пользоваться одними и теми же большими данными Big-data и каждой из них нужно «выкачивать» так необходимую для бизнеса информацию. Сделать это нереально без сотрудников соответствующей квалификации. Также задача поиска необходимой информации не под силу одному человеку, следовательно, придется оплачивать несколько сотрудников, не приумножая свой штат работниками, занятыми вполсилы.
Специальность №1 — Инженер анализа данных
В IT-секторе по этой специальности можно провести аналогию с обычным материальным производством. Как и инженер на производства, инженер анализа данных не занят их анализом. Он лишь разрабатывает технические решения. Таким образом, получается, что сделанное сотрудником этой специальности за один оклад в течение месяца, автоматически можно перенести на другой месяц и использовать его наработанные алгоритмы поиска все время. Инженеры анализа данных — высокооплачиваемая работа. Их позволить себе могут только компании высшего и среднего звена, но оно того стоит. Именно по такой специальности готовит специалистов информационный центр «21 век».
№2 — Эксперт-аналитик
Руководит работой нескольких аналитиков, которые в свою очередь, занимаются разработкой технических средств, позволяющих быстрее просматривать данные. Иногда занимается самостоятельной работой по координации сторонних разработчиков, выдает рекомендации на покупку софта для предприятия. Для эксперта-аналитика, главное — опыт работы и понимание задачи.
№3 — Аналитик
Аналитики требуются в компании, которые еще не подключены к большим данным, но с появлением такого доступа актуальность такой профессии выросла. Работа аналитика заключается в ручном анализе данных. То есть, он делает то, чего никакая система машинного обучения обеспечить не может. Оплачивать должность аналитика могут и мелкие компании. Поиск человека на эту специальность не составит труда, особенно, если не предъявлять требований большого опыта.
№4 — Статистик
Этой специальности обучают в вузах, и найти на нее специалиста проще простого. Статистик работает с данными, полученными от аналитиков. Его задача — на основе статистического анализа происходящего с компанией сделать прогноз спроса (или иное задание по запросу). Для анализа спроса необходимо сделать исследовать очень широкий спектр данных. Они касаются не одной компании, а целой отрасли.
Статистик даст возможность менеджерам компании прийти к неожиданному для них выводу и подкрепить свое решение статистическими данными, наглядными отчетами и таблицами. В свою очередь, это поможет направить средства более эффективно, не так, как казалось, на первый взгляд.
№5 — Инженер прикладного машинного обучения
Использовать для работы только алгоритмы, разработанные инженером анализа данных — слишком расточительно. Между тем, есть способ куда более простого доступного и дешевого получения нужных алгоритмов, а именно — машинное обучение. Чисто теоретически, такую схему нужно настроить один раз, после чего она самостоятельно будет выдавать нужные данные. На практике, конечно, не все так идеально. Для настройки нужно держать в штате хотя бы одного человека в штате, специалиста своего дела.
Специалист по машинному обучению настраивает схемы анализа данных. Он не является только программистом. Сфера его специализации уже. Необходимо знание схем работы самообучающихся систем. Такого специалиста легче найти, если на предприятии стоит типовое ПО.
Почему нужно столько специалистов?
Профессионалы обеспечивают, говоря простым языком «пропуск данных через алгоритмы». Использовать Big-Data для бизнеса наиболее эффективно в тех сферах, где еще нет готовых решений. Это означает наличие неисследованного сектора аудитории. В тех отраслях, где все уже разработано (таких много в b2b «бизнес — бизнесу»), использование Big-data поставлено на широкую ногу, там очень трудно войти новым игрокам.
Поведенческий экономист или нейроэкономист
Поскольку большую долю Big-Data составляют именно поведенческие данные и используются они для целей поднятия экономики предприятия, сама собой появляется новая специальность поведенческого экономиста. Формируется понятие «экономическое поведение», что означает более уточненное использование привычного термина «покупательная способность». Есть и более экстравагантное название поведенческой экономики, как «нейроэкономика». Для эффективных рекламных кампаний это очень важная специальность.
Сфера Big—data многообразна. Она общая на все секторы бизнеса любого направления.