Nakon održane konferencije Data Science 5.0, sa posetiocima smo razgovarali o istaknutim temama, predavanjima i diskusijama koje su ostavile najveće utiske i pokrenule ključna pitanja profesionalne zajednice. O praktičnom stanju stvari u korporativnom okruženju i savetima za mlade profesionalce koji počinju da razvijaju Data Science karijeru, za Wiso govori Marko Đurić, Advanced Analytics and Reporting Expert, Vip Mobile.

Marko Đurić
Advanced Analytics and Reporting Expert
Vip Mobile

Data Science konferenciju posećujem već treću godinu zaredom i veliko mi je zadovoljstvo da primetim da se čitava zajednica širi iz godine u godinu. Ovog puta je program konferencije bio tematski podeljen pa je svakoj programskoj celini bio posvećen poseban prostor. Uobičajeno je da najveću pažnju privlači takozvana glavna pozornica gde možete slušati prominentne govornike – “zvučnija imena” Data Science stručne zajednice od kojih možemo da čujemo mnogo toga o dolazećim trendovima i naprednim projektima koji će definisati sutrašnjicu. Pratiti takva predavanja je zadovoljstvo, i najzad, obaveza nas profesionalaca jer možemo iz prve ruke da imamo uvid u ono što dolazi u budućnosti. Ipak, moju pažnju je najviše privukao deo programa posvećen monetizaciji podataka i druga interesantna programska celina – Aplikativno mašinsko učenje. Fokusirao sam se na teme monetizacije, primenu, produkciju – konkretne aktivnosti na kojima već sada možemo raditi – nešto što se može primeniti na današnji posao.

Mnogo se priča o zvučnim i pomodnim rečima, retke su prilike u kojima se može videti kako to o čemu se govori izgleda u produkciji i nekoj realnoj situaciji. Ovoga puta smo imali mogućnost da steknemo uvid u to koje su razlike između pristupa u kompanijama koje su se predstavljale s jedne, i pristupa koje mi imamo u kompaniji, s druge strane. Primetno je da se razlikuju samo neke tehnologije koje se koriste, inače je pristup veoma sličan. Uverio sam se da su opšti trendovi takvi da se sve više ide ka open source rešenjima, primeni Python i R, kompanije se u većini slučajeva radije opredeljuju za klaud rešenja umesto standardnih servera.

Teorija i praksa ne idu obavezno ruku pod ruku – od jedne do druge kompanije se razlikuje u kojoj meri se Data Science koncepti aktivno i praktično primenjuju danas u poslovanju, dok su neki segmenti, bar u pogledu implementacije još uvek u razvoju. Trendovi jesu veštačka inteligencija, deep learning, neuronske mreže, dok je u realnosti, odnosno na računarima analitičara u kompanijama analitički alat još uvek pretežno program Microsoft Excel uz neophodno poznavanje relacionog modela baza podatka i SQL-a. Iskorak jeste izuzetan, a veliki deo Data Science projekata je i dalje u fazi dokazivanja koncepta, bar što se tiče implementacije u velikim firmama gde je kompleksnost velika a rizici visoki.

Strategija kompanije Vip Mobile je takođe opredeljenje za open source, koristimo rešenja kao što su R, Python, Machine Learning, što je i globalno u najraširenijoj upotrebi. U oblastima zaštite finansija kompanije intenzivno primenjujemo mašinsko učenje i imamo razvijene modele za detekciju pronevera (fraud detection) i predviđanje i prevenciju napuštanja korisnika (churn prevention & prediction). Najzreliji su modeli koji su postavljeni godinama unazad i imali su prilike da uče u realnim situacijama.

Profesija poslovne analitike i inteligencije je oduvek bila izložena pojavljivanju i savladavanju novih alata kako se tehnologija baratanja podacima usavršavala, pa je to slučaj i danas sa Big Data i Data Science, samo u jednom mnogo većem obimu i brzini. Nakon godina praktičnog iskustva u ovoj oblasti i uvid u potrebe kompanija za novim mladim kadrovima i talentima, imao bih nekoiko preporuka, kojima bih se i sam vodio kada bih danas započinjao karijeru.

Kao student bih pokušao sa fakulteta direktno da pronađem angažovanje kroz praksu, najradije sa ciljem da to bude korporacija. Razlog tome je činjenica da korporacije pružaju mogućnost da se nauče poslovni procesi i postulati poslovanja, a bez takvog šireg znanja gotovo je nemoguće razumeti i samim tim analizirati i tumačiti podatke, pogotovo bez poznavanja poslovnih potreba kolega koji će te podatke koristiti. Obično su prozvodi u korporacijama vidljiviji – formirani, struktuirani i samim tim jasniji za razumevanje, pogotovo za nekoga ko tek počinje u ovoj profesiji. Nasuprot tome, u startapima je češće slučaj da su proizvodi u nastajanju i razvoju, gde njihovi obrisi i karakteristike nisu od samog početka sasvim najjasniji. Zato bih se najpre odlučio za početak sticanja praktičnog iskustva u korporaciji, a nakon toga bih razmišljao o angažovanju u startapu, što ima svojih prednosti i u smislu primene znanja koje ste stekli u kreiranju i razvijanju novog proizvoda.

Nije neuobičajena pojava da se profesionalci u kompanijama u sektorima i na pozicijama odgovornim za analitiku “kriju iza podataka”. Biti ekspert za podatke samo po sebi nije dovoljno – neophodno je razgovarati sa kolegama koji učestvuju u poslovanju, kako upravljačkim tako i izvršnim strukturama. Još jedan od ključnih preduslova je i razumevanje korisnika i/ili kupaca, to se često zanemaruje ali je veoma važno i pri pravljenju modela i pri interpretaciji rezultata. Razumevanje poslovanja je od suštinske važnosti. Treba uvek imati na umu da su statistika, matematika i programiranje ipak usko specijalizovane stručne kompetence koje postaju upotrebljive jedino usklađivanjem sa potrebama poslovanja i kolegijalnom saradnjom.


Fotografija sa panel diskusije: Kako promeniti kulturu kompanije u data driven pravcu, 19-ti Novembar 2019.

© Sva prava zadržava Data Science Conference

Šta znači data-driven kultura? Kako kompanija postaje data-driven i kako to utiče na poslovanje? Koje korake je potrebno preduzeti u tom smeru? Zašto je to toliko važno? Mnogo je pitanja i mnogo mogućih pravaca kojima možete poći sa data-driven kulturom. Ukoliko definišemo data-driven organizaciju kao onu koja podstiče snažnu posvećenost iskorišćavanju podataka za zaključke koji vode u aktivnosti, možemo se izgubiti u rupi bez dna ako razmišljamo samo o tehnološkom aspektu. Ali ukoliko smo u mogućnosti da poštujemo moć podataka i izvučemo najveću moguću vrednost iz njih, a da radeći to maksimizujemo vrednost podataka istovremeno upravljajući rizicima – onda je to više od tehnologije. U ovoj diskusiji smo imali prilike da čujemo perspektivu rukovodilaca C nivoa – zašto je data-driven kultura važna i šta to znači za savremeno poslovanje.

Učesnici panel diskusije:

Nataša Sekulić, Country Leader SMMA, IBM

Amir Tabaković, former VP for BD, BigML, Inc.

Ivica Tatar, CEO, Poslovna Inteligencija Podgorica