Odavno smo shvatili da su big data i rešenja za naprednu analitiku vredna – sada to već svi znaju. Istina je da je neizbežno sve više se oslanjati na te tehnologije. Samo je Big Data postala obavezna karakteristika svake moderne industrije – od trgovinske pa do proizvodnje, i to s dobrim razlogom. IDC predviđa da ukoliko je naš digitalni univerzum ukupnog sadržaja podataka predstavljen tabletama, onda bi one od 2020-te dosegle do meseca i to šest puta. To je jednako 44 zetabajta podataka, ili 44 triliona gigabajta. Ima mnogo razloga zašto se podaci generišu tako brzo – udvostručavaju se u količini svake druge godine. Nastanak IoT (internet predmeta) i povezanih uređaja je samo jedan od izvora, dok je drugi potreba za pouzdanijim podacima u realnom vremenu. Još su interesantniji trendovi nastali kao rezultat novijih rešenja koja se oslanjaju na digitalnu tehnologiju. Oni pogotovo oblikuju industriju, menjajući način na koji analitičari rade sa podacima. Kako će izgledati naša digitalna budućnost? Kako ćemo upravljati svim ovim inovacijama? Na koje veštine poslovni analitičari treba da se fokusiraju?

1. Specijalizacija kadrovskih uloga

Već duže vreme, uloge analitičar podataka i data naučnik su po prirodi bile univerzalne. Nije da specijalizacije nisu postojale, oduvek jesu, ali kompanije danas počinju da traže profesionalce sa iskustvom specifičnim za industriju. Žele nekoga ko je veoma verziran upravo sa onom vrstom podataka kojima se oni bave. Sve od finansijskih usluga preko proizvodnje i logistike je unapređeno tako da se više oslanja na digitalne servise i kao rezultat tu je upliv podataka u realnom vremenu. Mogućnosti su brojne, pa odabir specijalizacije neće naškoditi karijeri. Važno je izgraditi solidnu radnu biografiju sa kompanijama i timovima koji se uklapaju u neku specijalnost.

2. Iskustvo sa Mašinskim Učenjem je obavezno

Tokom 2020, preko 40% svih data science zadataka će biti automatizovano. Tehnologija mašinskog učenja i njene rastuće mogućnosti su najveći uzrok toj automatizaciji. Automatizacija i moćni alati mašinskog učenja mogu izvući uvide koje bi u suprotnom bilo jako teško pronaći, čak i za veoma vešte analitičare. Čitav proces se takođe obavlja mnogo brže, podstičući ne samo opštu efikasnost već i vreme potrebno da organizacija reaguje na određene događaje. Kvantitativna analiza, eksperimentalna analiza, skaliranje podataka, alati za automatizaciju i naravno, opšte mašinsko učenje jesu veštine koje savremeni analitičar podataka treba da teži da usavrši. Što više talenta i direktnog iskustva analitičar ima sa tehnologijom automatizacije, biće poželjniji na tržištu.

3. Rast regulative

GDPR je doprineo da se podstakne potražnja za prioritizovanim upravljanjem podacima, što se desilo jako brzo i uslovilo mnoge kompanije da se muče kako bi se prilagodile. Ali to nije jedina regulativa ili smernica koja je prisutna, a u budućnosti će ih biti sve više. Ova regulativa ima monumentalni uticaj na obradu i rukovanje podacima, profilisanje korisnika i sigurnost podataka. Kompanije su pod intenzivnim pritiskom ne samo da budu u skladu sa ustanovljenim pravilima već i da razumeju uticaj na trenutno i buduće poslovanje. Data naučnici i analitičari koji razumeju posledice mogu pomoći organizacijama da se snađu u ovim smernicama i kompetentni su ujedno i u privatnosti i sigurnosti podataka, za čime je velika potražnja. Kako se inauguriše nova regulativa, ta potražnja će nastaviti da raste što će postati unosna specijalizacija za sadašnje i buduće profesionalce.

4. Ostati u toku

Bez obzira koliko je teško, analitičar podataka mora nastaviti da prati razvoj tehnologije. Dobar analitičar može da se specijalizuje ali nikada se ne oslanja isključivo na jednu tehnologiju, platformu ili skup alata. Kod baza podataka, na primer, može odabrati NoSQL, HBase i MongoDB, ali verovatno je da se prioriteti mogu promeniti vremenom. Obrada podataka je još jedna veština koja je vitalna kako biste ostali relevantni u domenu analitike. Profesionalci vični u tome će biti poželjni u korporacijama i vladinom sektoru. U potražnji su SAS, Python, R, Apache Hadoop i mnogi drugi jezici. Popularni alati, s druge strane, obuhvataju Power BI, ETL, IBM Db2, i Teradata. Važno je razumeti da su ovo primeri aktuelni danas a mogu se promeniti vremenom. Na analitičarima je da ostanu u toku sa svim dostupnim rešenjima, što znači usvajanje pristupa kontinuiranog usavršavanja i rasta kada je reč o znanju i veštinama.

5. Klaud računarstvo i odgovarajuća mehanika

Data naučnici i softverski inženjeri su dve različite struke, ali to ne znači da među njima nema preklapanja. Kako raste potražnja za elastičnom i fluidnom infrastrukturom, analitičari i naučnici će morati da razumeju kako se to odnosi na trenutne operacije i opremu. Koncept razumevanja hardvera i infrastrukture će podići profesionalce na sledeći nivo. Big data, napredna nalitika, mašinsko učenje – ni jedna od ovih tehnologija ne bi postojala bez klaud računarstva i odgovarajuće infrastrukture. Donedavno je fokus bio na alatima i procesima koji bi pomogli da se postigne bolje razumevanje skladištenja podataka. Kako tehnologija ima sve bolje mogućnosti i usvaja se sve više, potreba da se razume hardver koji je u osnovi takođe postaje sve važnija. Otud neophodnost za preklapanjem uloga vezanih za softver i hardver kao i za profesionalcima koji razumeju širu sliku sistema koji su u igri.

6. Iskustvo u osnovnoj Poslovnoj Inteligenciji je obavezno

Danas analitičar podataka nije zaključan u sobi i odvojen od ostatka organizacije. Zapravo, skoro je uvek potpuno suprotno, jer analitičari sarađuju direktno sa timovima i donosiocima odluka. To znači da će profesionalci morati da budu spremni da efektivno komuniciraju o kompleksnim temama sa osobljem koje nema tehničko predznanje. Komunikacija će biti ključna društvena veština za poslovnu inteligenciju. Ali, to nije jedina veština koja je neophodna kako bi se napredovalo. Veštine SQL programiranja, iskustvo sa konkretnim alatom – na primer Tableau – i rešavanje problema samo su neki od primera. Uspešni analitičari moraju imati solidno poznavanje poslovne inteligencije.

Rast je uvek cilj, ali ključ je rasti pravilno

Analitičari podataka će nastaviti da se razvijaju kako preuzimaju više projekata i grade iskustvo u industriji. Podsticanje pravog pravca rasta u određenim domenima i veštinama može pomoći profesionalcima da postignu uspeh a takođe im osigurati buduće opcije. Sve više organzacija implementira alate za analitiku podataka kako bi uticali na svoje operacije, buduće odluke i zarad razumevanja ponašanja korisnika. Vremenom su ovi alati postajali sve napredniji naporedo sa samom tehnologijom koja se takođe razvila. Na analitičarima je ne samo da razumeju ključne sisteme i alate u igri, već i hardver u osnovi. Još je važnije za profesionalce da teže specijalizaciji u različitim industrijama kako bi podigli svoju vrednost.