Išgirdęs sąvoką „big data“, dažnas įsivaizduoja tiesioginį šio termino vertimą – milžiniškus informacijos kiekius, saugomus didelėse serverinėse. Tačiau šie duomenys mums ypač artimi, mat jie – apie kiekvieną iš mūsų. Anot KTU ekonomisto Andriaus Grybausko, kiekvienas vartotojo veiksmas yra verčiamas „skaičiais“, pasitarnaujančiais atliekant verslo ar mokslo sprendimus, kuriuos priimti padeda duomenų analitikai.
Išgirdęs sąvoką „big data“, dažnas įsivaizduoja tiesioginį šio termino vertimą – milžiniškus informacijos kiekius, saugomus didelėse serverinėse. Tačiau šie duomenys mums ypač artimi, mat jie – apie kiekvieną iš mūsų. Anot KTU ekonomisto Andriaus Grybausko, kiekvienas vartotojo veiksmas yra verčiamas „skaičiais“, pasitarnaujančiais atliekant verslo ar mokslo sprendimus, kuriuos priimti padeda duomenų analitikai.
Asociatyvi „Pixabay“ nuotr.
Duomenys yra neatskiriama įvairių procesų ir paslaugų, formuojančių mūsų kasdieninį gyvenimą ir ekonomiką, dalis. Jų efektyvumo ir patogumo vartotojui didinimui reikalingos įžvalgos, kurias pateikia šios srities specialistai analizuodami naudotojų įpročius ar kitą informaciją, rašoma KTU pranešime žiniasklaidai.
Kauno technologijos universiteto Ekonomikos ir verslo fakulteto (KTU EVF) mokslininko teigimu, skaitmeninimo amžiuje tokių duomenų – galybė.
Gyvename skaitmeninėje erdvėje
Siekiant suprasti, kas yra didžiųjų duomenų analitiką, KTU ekonomistas siūlo pažvelgti į savo kasdienybę ir pabandyti atsakyti į klausimą, kas šiuo metu vyksta: „Kairėje jaunimas, panėręs akis į „TikTok“ aplikaciją, pirštais „svaipina“ į viršų, į apačią, dešinėje merginos darosi asmenukes ir dalinasi jomis tinkle „Instagram“. Bene kiekvienas XXI amžiuje naudojasi „Bolt“, „Booking“, „Amazon“ paslaugomis, kurios pasiekiamos vos vienu paspaudimu telefone.
„Štai išsikviečiate „Bolt“ pavežėją, įlipę vidun pasisveikinate su vairuotoju ir pateikiate jam nakvynės, kurią išsinuomojote „Booking“ platformoje, adresą. Pakeliui peržvelgiate „Amazon“ platformos nuolaidas ir užsisakote naują prekę. Tik išlipus iš taksi, sužadėtinė per „Messenger“ programėlę jūsų klausia, ar matėte kaimyno išmanųjį laikrodį. „Jis matuoja širdies pulsą ir daugiau!“, – sako ji. Atvykę į vietą ir priėję prie kambario durų ieškote ne aliuminio rakto, paslėpto po durų kilimėliu, o iš kišenės traukiate telefoną – durų atrakinimui jums reikia identifikuoti save „Smart ID“ programėle. Tai, jog dauguma žmonių tokiame pavyzdyje gali atrasti save, įrodo, jog mes nesame tik „šio pasaulio“ žmonės, bet ir viena koja gyvename skaitmeniniame pasaulyje“, – sako KTU ekonomistas.
2022 Skaitmeninės pasaulinės apžvalgos ataskaitos duomenimis, interneto vartotojas vidutiniškai praleidžia 6 valandas ir 58 minutes skaitmeninėje erdvėje, o tam tikrų šalių gyventojai – ir daugiau. Specialisto teigimu, viskas, kas gali būti skaitmenizuota, gali būti paverčiama skaičiais, todėl posakis „informacija yra naujoji nafta“ yra kaip niekad aktualus.
„Kiekvieną kartą, kai jūs žiūrite „TikTok“ vaizdo įrašus ar darotės asmenukes, apie jus yra renkamas masiškas kiekis duomenų: jūsų vieta, jūsų balso tembras, jūsų piršto antspaudai, pomėgiai, draugų ratas, norai, mėgstamų drabužių spalvos, simpatijos ir kita. Lieka vienas klausimas, ką su duomenimis daryti? Taip ir gimsta duomenų analitikos ir didžiųjų duomenų specialistai, kurie bando pateikti įžvalgas iš daugybės kiekio kintamųjų“, – teigia A. Grybauskas.
Duomenų analizės galimybės
Vienas iš dažniausiai sutinkamų duomenų analitikos pavyzdžių – reklamos. Pagal vartotojo įpročius ir pomėgius keičiami pasiūlymai, pasirodantys reklaminių skydelių pagalba naršant internete. Tačiau duomenų analitiko įžvalgos panaudojamos kur kas plačiau.
„Mane labiausiai žavi duomenų analitikos kaip mokslo galimybės spręsti naujas žmonijos problemas: baltymo formavimąsi, vėžinių ląstelių atpažinimą, tikslesnių ekonominių prognozių atlikimas realiu laiku. Todėl kiekvieną dieną tenka mokytis įvairiausių naujovių apie neuroninius tinklus, mašininį mokymąsi ir dirbtinį intelektą“, – sako KTU ekonomistas.
Siekdami paspartinti efektyvesnių vėžio gydymo būdų kūrimą, mokslininkai visame pasaulyje projektuoja didžiųjų duomenų analizės įrankius, kurie galėtų pateikti reikšmingų įžvalgų iš ligos duomenų per ypač trumpą laiką. Dirbtinis intelektas taip pat yra duomenų mokslininkų atsakomybė, mat jie „yra atsakingi už dirbtinio intelekto kūrimą, jo kalibravimą, šališkumą ir visus kitus parametrus“.
Lietuvoje duomenų analitikų uždarbis dažnai siekia keletą tūkstančių, o užsienyje – kartais ir dešimtis tūkstančių eurų, tačiau rinkoje, atrodo, darbo vietų dar užtektinai. Pasak A. Grybausko, šių specialistų poreikis tikrai jaučiamas.
„Duomenų mokslininko atlyginimas „Google“ bendrovėje vidutiniškai siekia 161 tūkst. eurų per metus, tam tikri „Google“ specialistai uždirba ir dar daugiau. Taip yra todėl, jog „Google“ algoritmas yra paremtas neuroninių tinklų modeliais – dirbtiniu intelektu – kurio išmanymui reikalingos papildomos kompetencijos. Žvelgiant makro lygmeniu, vis daugiau kompanijų skaitmenizuoja tam tikrus procesus ir ima domėtis duomenų analitiko galimybėmis. Nors darbo rinkoje visko gali nutikti, šiuo metu duomenų analitikai yra smarkiai geidžiami“, – pasakoja KTU ekonomistas.
Nuolatinis domėjimasis naujausiomis tendencijomis
Nors duomenų analitiko darbas atrodo labai patrauklus ir daug žadantis, svarbu nepamiršti, jog tai – matematikos, statistikos, programavimo bei ekonomikos ir kitų verslo sričių mokslas.
„Šiems specialistams reikia turėti labai geras matematikos žinias, mokėti programuoti, gebėti tvarkytis su duomenų bazėmis, atlikti sudėtingus optimizavimo uždavinius, suprasti problemą bei tos verslo srities niuansus, todėl siekiant tapti geru duomenų analitiku neužtenka mokytis ketverius metus universitete, mat tai nuolatos besikeičiantis procesas. Duomenų analitikos srityje visuomet esi priverstas mokytis, nes pokyčiai vyksta eksponentiškai“, – įspėja A. Grybauskas.
Duomenų analitikai geba analizuoti keletą skirtingų duomenų rūšių, pavyzdžiui, pardavimų duomenis ir reklaminių kampanijų rezultatus, tačiau skirtingų duomenų analizei reikalingi skirtingi įgūdžiai: „Jeigu liepsite duomenų analitikui iš prekybos centro kurti prognostinį modelį apie krūties vėžį, galite susidurti su problema, jog modeliai nebus teisingi, nes duomenų mokslininkas nėra pakankamai susipažinęs su krūties vėžio specifika. Todėl, yra labai svarbu prieš aklai taikant modelius susipažinti su verslu, jo operacijomis, tiekimo grandine, veikimo principais, tikslais ir tinkamai save įlieti į verslo ar domeno terpę“, – sako ekonomistas.
Skaičių pilnas gyvenimo būdas gali gąsdinti, mat klaidų išvengti ne visada pavyksta, o tarp duomenų įvairovės ir kiekio lengva pasimesti, tačiau A. Grybauskas įsitikinęs – ilgainiui tai specialistų nebetrikdo.
„Su duomenimis yra daug problemų tiek dėl jų valymo, skaidrumo, tiek dėl pasimetimo, bet kiekvieną dieną dirbant „dideli“ duomenys nebeatrodo tokie dideli bei tampa kasdienybės dalimi“, – dalijasi A. Grybauskas.
