Żyjemy w czasach, w których ogromna część naszego życia odbywa się… wirtualnie. Otwierając aplikację w telefonie, możemy cyfrowo sprawdzić, co na śniadanie jedli dziś nasi znajomi lub jakie kraje odwiedzili podczas tegorocznych wakacji, a robiąc zakupy w sklepie, przykładamy do terminala kawałek plastiku, nazywany kartą płatniczą. Wszystkie te czynności pozostawiają jednak po sobie ślad w sieci, a zgromadzone w ten sposób dane mogą okazać się cennym źródłem informacji. Z tego powodu powstała stosunkowo nowa dziedzina nauki, zajmująca się właśnie takimi danymi — data science. Co konkretnie to oznacza? Jakie dane i w jakim celu są analizowane w ramach data science? Jak można zostać data scientist? Odpowiedzi na te pytania znajdziesz w poniższym artykule.

Data science — potęga danych

Gdybyśmy chcieli dosłownie przetłumaczyć termin data science z angielskiego na polski, otrzymalibyśmy wynik: nauka o danych. Dość dobrze określa to obszar, na którym skupia się data science. Dane, których każdego dnia ludzkość generuje coraz więcej, stają się cennym źródłem wiedzy o konsumentach, firmach i innych podmiotach. W końcu proces datyfikacji (ang. datafication) dotyczy już każdego człowieka, który korzysta z sieci na komputerze, tablecie czy smartfonie, a nawet po prostu płaci za zakupy kartą płatniczą. Każdy ruch wirtualny, wszystkie hasła wpisane w wyszukiwarkę i wszelkie transakcje kartą pozostawiają po sobie ślad, a ogromna skala tych śladów, czyli gromadzonych danych, otrzymała nawet własną nazwę: Big Data. I właśnie w znaczeniu tych danych można odkryć ukrytą wartość. Nawet jeśli nam, jako zwykłym konsumentom czy użytkownikom Internetu wydaje się, że są one bezwartościowe, to w rękach odpowiedniej osoby mogą stać się źródłem informacji o naszych preferencjach zakupowych, trybie życia, a nawet stałej trasie joggingu. Takie informacje są z kolei cenną podpowiedzią na przykład dla reklamodawców.

Na czym skupia się data science?

Doskonałą odpowiedzią na pytanie, co to jest data science, będzie rozważenie nad kwestią, na czym ta nauka się skupia. Chodzi bowiem nie tylko o zbieranie danych, ale również o ich szczegółową analizę, tak aby z surowych danych wydobyć praktyczną wartość. Można więc powiedzieć, że data science, wymagając także zaawansowanych umiejętności, łączy w sobie różne dziedziny nauki związanej z analizą danych: statystykę, informatykę czy uczenie maszynowe, ale także wiedzę specjalistyczną czy branżową i umiejętności programistyczne. Główny cel? Przy wykorzystaniu różnych możliwych metod badawczych, narzędzi i algorytmów wydobyć z dużej ilości danych przydatne wnioski. Wszystkim tym zajmuje się osoba na stanowisku data scientist.

Etapy procesu data science

Jeszcze lepszy wgląd w to, na czym dokładnie polega data science, dają konkretne etapy procesu analizy różnego rodzaju danych. Są one następujące:

• Zdefiniowanie problemu. Na tym etapie data scientist zadaje sobie konkretne pytanie, na które chce uzyskać odpowiedź, na przykład: czy pogoda ma wpływ na ruch w konkretnym sklepie internetowym?
• Zbieranie danych. Data scientist poszukuje danych z różnych dziedzin: dane pogodowe, statystyki wyświetleń i sprzedaży danej witryny, informacje o preferencjach klientów.
• Czyszczenie i przetwarzanie danych. Z pozyskanych danych analityk wyciąga to, co dla niego w tym momencie najważniejsze.
• Eksploracja danych oraz zdefiniowanie nowych zmiennych. Na podstawie pozyskanych informacji data scientist sporządza nowe, bardziej szczegółowe pytania i kategorie danych, które pomogą mu uzyskać odpowiedź.
• Pogłębiona analiza danych. Szczegółowe przeanalizowanie wszystkich zebranych informacji.
• Prezentacje wyników analizy — niekoniecznie w formie jednoznacznej odpowiedzi na zadane pytanie, ale mówiące wiele o preferencjach użytkowników sklepu internetowego i prawdopodobieństwie tego, jak zareagują oni na konkretną sytuację pogodową.

Cały ten proces pokazuje, jak skomplikowane może być data science — w pewnym sensie przypomina ono wręcz przewidywanie przyszłości i ludzkich zachowań na podstawie… przeszłości.

Co robi data scientist?

Szeroko pojmowana analiza danych, w tym także data science, spowodowała generowanie zupełnie nowych zawodów. Możemy do nich zaliczyć na przykład analityka danych (Data Analyst), inżyniera danych (Data Engineer) oraz data scientist — czyli mistrza danych, który jest odpowiedzialny za wszystkie etapy procesu data science. Czym więc zajmuje się osoba na takim stanowisku? Przede wszystkim pozyskiwaniem, opracowywaniem i szczegółową analizą danych, połączoną z wyciąganiem z nich odpowiednich wniosków. Nie jest to wbrew pozorom łatwe zajęcie. Wręcz przeciwnie. Do analizy danych potrzeba bowiem połączenia różnych specjalistycznych umiejętności, a data scientist to stanowisko uznawane w zasadzie za najwyższe w tej hierarchii. Zajmuje się planowaniem, realizacją i kontrolą całego procesu pozyskiwania i analizowania danych różnymi metodami oraz narzędziami, a dodatkowo sam zajmuje się wyciąganiem z nich wniosków i dostrzeganiem szerszego kontekstu. Jakie umiejętności trzeba zatem mieć, aby zostać data scientist? Czy można się tego nauczyć?

Data scientist — czy każdy może nim zostać?

Zawód data scientist z pewnością nie jest dla każdego, choć z pewną dozą prawdopodobieństwa można stwierdzić, że da się go w pewien sposób „nauczyć”. Najczęściej mistrzami danych zostają przebranżowieni analitycy danych i statystycy, którzy już wcześniej biegle władali matematyką, uczeniem maszynowym i wizualizacją danych, a następnie rozwinęli swoje kompetencje i zyskali nowe. Umiejętności techniczne to jednak nie wszystko — data scientist musi bowiem posiadać także wiedzę branżową oraz wysoko rozwinięte umiejętności interpersonalne. Konieczne są też pewne cechy charakteru, takie jak: dociekliwość, zdolność zadawania odpowiednich pytań, wyciągania wniosków i prezentowania ich w przejrzysty sposób, intuicja, a także zrozumienie potrzeb biznesu i konkretnej branży. Pracownicy na stanowisku data scientist są nieustannie poszukiwani zarówno na polskim, jak i zagranicznym rynku. Coraz więcej firm rozumie już potęgę data science, znaczenie odpowiednio przetworzonych danych i ich realny wpływ na wzrost sprzedaży lub osiągnięcie innych celów biznesowych.

Jak zostać data scientist?

Choć na uczelniach wyższych coraz częściej otwierane są różne kierunki studiów związane z danymi i analityką, jest też wiele alternatywnych opcji zdobycia wiedzy i umiejętności potrzebnych, aby zostać data scientist. Coraz większą rolę odgrywają w tym krótkie kursy i szkolenia prowadzone przez doświadczonych ekspertów, którzy skupiają się przede wszystkim na przekazaniu wiedzy w praktyce. Szeroką ofertę szkoleń i kursów związanych z uczeniem maszynowym, analizą danych w języku Python czy wizualizacją i eksploracją danych przy wykorzystaniu różnych narzędzi można znaleźć w EY Academy of Business. Warto pamiętać, że najlepsi data scientist nigdy nie przestają się dokształcać, ale to właśnie ciągły samorozwój stanowi podstawę zawodowego sukcesu w tej branży.