业务信息

数据驱动型企业的技术洞察力

Sergej Khackimullin - Fotolia

管理 学会应用最佳实践并优化您的操作。

数据科学团队利用业务关系来提升数据知识

为了确保高级分析应用程序与业务操作相关,数据科学家与业务数据专家合作。

数据科学家擅长操纵数据并建立分析模型来运行数据。但他们可能并不精通业务数据的含义和相关性,这促使数据科学团队与业务分析师和其他能够帮助他们更好地理解他们分析的数据的工作人员联系起来。

与商业数据专家的更贴近的联系也可以减少前期数据准备工作数据科学家。数据准备通常会占用他们大量的时间,但依靠策划数据集由业务分析师之类的人创建,可以让数据科学家更多地专注于他们的分析职责,并确保他们处理与业务运营密切相关的数据。

这是为了保持主要目标:确保了先进的分析工作由数据科学团队完成的工作与真实的业务需求和问题保持一致。

产品安全测试和认证公司UL LLC的首席数字官Christian Anschuetz表示:“(在分析过程中)我们总是有业务代表,因为没有正当理由操纵数据是没有价值的。”“我们的任务不是为了数据而追踪数据。”

Anschuetz负责UL,以前称为Underwriters Laboratories的分析和其他数字运营。他说Northbrook,Ill。,公司对其数据科学家对有训练有素的语言学家帮助建立自然语言处理算法吸收非结构化数据,并为分析做准备,以及与其在法规遵从和化学品等领域的科学领导者一起精确分析特定业务问题。

Anschuetz说:“可以说,他们像一个人一样工作。”他补充说,这次合作汇集了“一系列技能”,包括数据科学和传统科学方法方面的专业知识。他指出,除了将分析应用程序集中在相关问题上之外,将不同的团队聚集在一起还有助于加快分析过程。

而不是从零开始

STACH overflow的数据科学家Julia·默斯(Julia Silge)表示,她经常重复使用纽约公司的财务,销售和其他部门的工人内置于数据集和分析仪表板中建立的商业逻辑和指标,该公司在纽约公司运营在线社区,软件开发人员的职业现场。默斯特需要将不同的数据集连接在一起预测建模她说,自己从原始数据中创建所有业务参数将是“极其繁重的”。

朱莉娅默斯,数据科学家,堆栈溢出“>朱莉娅默斯</div>
         <p>默尔格说,数据定义和属性上的大部分业务逻辑也是“非常复杂”,特别是对于财务数据来说。与财务团队和其他人一起工作,使她能够让她“确保我使用与组织中其他人的数据相同的语言,”她解释说明。“我正在利用他们的知识和他们投入数据的所有工作。”</p>
         <p>Stack Overflow使用了Looker Data Science Inc.的<a href=数据建模和分析平台创建可以合并到分析应用程序中的仪表板和清理数据集。例如,数据科学团队分析了用户对网站功能的参与程度,以及Stack Overflow销售代表与那些付费在网站上发布职位空缺的公司之间的互动。西尔格说,她建立的分析模型主要是r或python., 但美人的软件为她提供了一种与业务用户协作的自动化方式;它还提供了一个API,让她可以使用R在Looker中为她的分析工作设置表格。

Looker Data Platform Screenshot“data-credit=
用大鱿鱼克拉克机学习平台创建的样本仪表板使用来自Looker的数据来跟踪公司客户的寿命值。

Looker添加了R和Python连接和与从谷歌和大鱿鱼的机器学习平台的集成,以及5月份的软件以及旨在使数据科学团队更容易进入和分析数据集的功能数据工程师准备,业务分析师和其他工作者。三个月前,Looker最接近的竞争对手Periscope Data也在其软件中添加了对R和Python的支持。

数据科学家的数据支持

在4月的企业数据世界2018年(EDW)会议上,Susan Meyer,拜耳AG的蒙萨尼亚州的供应链质量检测团队的数据战略领导者表示,数据科学家“越来越需要商业专家的支持即可成功。“她建议将业务分析师“更多迈向数据科学家的数据需求”的职责转移 - 甚至到了改变他们的职称给业务数据分析师。

我们的任务不是为了数据而追踪数据。
基督教AnschuetzUL LLC首席数字官

在孟山都,Meyer列举的这些商业数据专家的职责包括识别分析机会,做数据发现工作以及为分析模型收集业务需求。她说:“它让每个人都关注正在做出的商业决策,而不是仅仅关注数据源和其中的内容。”

商业分析师应该深入纠缠于 - 甚至嵌入在数据科学团队中,以确保它们之间的合作“不是一次性对话”,迈耶添加了。

同样在EDW会议上,BI和数据仓库系统的一位经理说,他的团队包括数据工程师和架构师,他们与公司的数据分析师一起帮助他们识别和定位相关数据。分析师被嵌入一个业务部门,使用自助BI工具,“但他们中的很多人不知道有什么数据,在哪里,或者如何找到它,”这位要求不具名的经理说。

克里斯蒂安·安舒茨(Christian Anschuetz), UL首席数字官“>基督教Anschuetz</div>
         <p>但这是双向的。这位经理说,公司数据仓库中的大部分数据通常是以基本的方式获取的,不能完全满足业务分析的需求。他补充说,数据分析师为如何以更具体的业务方式构建新的数据字段提供指导,以更好地支持分析应用程序。</p>
         <p>数据科学团队拥有越来越多的可用的高级分析工具,以拓宽他们的分析工作。“我们可以用机器学习做人类自己做不到的事情,”UL的安舒茨说。例如,UL的数据科学家现在<a href=分析客户的情绪为公司测试的产品。但他警告称,如果对数据缺乏扎实的商业理解,所有的分析能力都可能瞄准错误的目标。

第6条第4条

下一步

如何甲骨文对DataScience.com的收购拓展公司的云计算业务

深入挖掘商业智能团队

获取更多商业信息

能看到我们所有的杂志 查看所有
搜索数据管理
搜索AWS
搜索内容管理
搜索甲骨文
搜索SAP
搜索SQL服务器
关闭