Star inactiveStar inactiveStar inactiveStar inactiveStar inactive
 

העתיד של טכנולוגיית בינה עסקית היא בדרך עם מערכות חדשות ותהליכים להיות בולטת בשוק. אמנם יש מערכות תוכנה חדשים שנועדו לנצל את סוגי הנתונים וכמויות שלא היו רתומים לפני, עדיין בסופו של דבר אנשי המקצוע שמאחורי הנתונים המרכיבים את מערכות שימושי, על פי אתר Silicon Angle .

 מערכות חדשות רבות עוצמה לשלב את הפוטנציאל של תוכנות Analytics חזקה ואת שיטות העבודה המומלצות מושחז עם השנים. בעוד אוטומציה הפך הכוח המניע של התעשייה, הוא עדיין מונע בעיקר על ידי כישורים אנליטיים של משתמשים של תוכנות והבנה עמוקה של בעיות ופתרונות העומדים בפני החברה בפרט.

 אתר Silicon Angle  לאחרונה דיבר עם פני הרשנר מומחית  Analytics ו start-up המבצעת. היא הסבירה כי יש עדיין צורך מדענים ומנהלים נתונים, למרות ריבוי תוכניות חדשות שנועדו להפוך תהליכים. היא הסבירה כי הבינה העסקית חווה שינויים סיסמיים פעם אחת בעבהעתיד של טכנולוגיית בינה עסקית היא בדרך עם מערכות חדשות ותהליכים להיות בולטת בשוק. אמנם יש מערכות תוכנה חדשים שנועדו לנצל את סוגי הנתונים וכמויות שלא היו רתומים לפני, עדיין בסופו של דבר אנשי המקצוע שמאחורי הנתונים המרכיבים את מערכות שימושי, על פי אתר Silicon Angle .

 

מערכות חדשות רבות עוצמה לשלב את הפוטנציאל של תוכנות Analytics חזקה ואת שיטות העבודה המומלצות מושחז עם השנים. בעוד אוטומציה הפך הכוח המניע של התעשייה, הוא עדיין מונע בעיקר על ידי כישורים אנליטיים של משתמשים של תוכנות והבנה עמוקה של בעיות ופתרונות העומדים בפני החברה בפרט.

 האלמנט האנושי

 אתר Silicon Angle  לאחרונה דיבר עם פני הרשנר מומחית  Analytics ו start-up המבצעת. היא הסבירה כי יש עדיין צורך מדענים ומנהלים נתונים, למרות ריבוי תוכניות חדשות שנועדו להפוך תהליכים. היא הסבירה כי הבינה העסקית חווה שינויים סיסמיים פעם אחת בעבר, לפני 10 שנים, והיא חוזה כי השינויים הנוכחיים הרבה שינויים, כמו אלה האחרונים לא היו הופכות את תפקיד מנהל נתונים מיושנים.

 

Herscher הסבירה, בעוד הנתונים נעשה קל יותר ללמוד ולהבין עם הופעת הבכורה של כלים חדשים לניתוח, הוא גם הפך חשוב יותר בתוך חברות. מידע לא פשוט מדגיש את הצורך בניתוח המשך נתונים על ידי מדענים, לא משנה כמה הרבה יותר קל לנתח את העובדות והמספרים הופכים.

 

הנתונים "אמנות"

 

המחבר של הספר "Data Field" , ביל פראנק אמר לאחרונה ל TechTarget כי הוא רואה המדען נתונים אידיאלי להיות "אמן נתונים." הוא הסביר את הכישורים הקשורים שיטות לניתוח טובים לא יהיו ההיבטים קשה יותר, יותר מדעי וטכני של העבודה של המטפל. להערכתו, מדען גדול הוא מסוגל לקחת חשיבה יצירתית ולהחיל אותו על בעיות כגון נתונים פגומים או לא שלמים, כמו מידע שנאסף על ידי תהליכים חדשים רק לעתים נדירות בשם" נקי "ומסודר כמו דמויות קלאסיות מובנים.

 

כשנשאל איך למצוא נתונים אידיאליים מדענים לפי מודל מיומנויות רכות שלו, פרנק הסביר את המועמדים הטובים ביותר לתפקיד הם אלה להתמקד בבעיות ולא הימנעות מהם, התוקפים את הפגמים ומקווים להתיר את הבעיות העומדות בפני המחלקות שלהם. הוא העריך כי רק 20 אחוזים מהעובדים עם קורות חיים המקובלים על תפקידים כאלה דווקא בעלי עיקשות ופתרון בעיות ידע כדי להיחשב מועמדים אידיאליים.ר, לפני 10 שנים, והיא חוזה כי השינויים הנוכחיים הרבה שינויים, כמו אלה האחרונים לא היו הופכות את תפקיד מנהל נתונים מיושנים.

 Herscher הסבירה, בעוד הנתונים נעשה קל יותר ללמוד ולהבין עם הופעת הבכורה של כלים חדשים לניתוח, הוא גם הפך חשוב יותר בתוך חברות. מידע לא פשוט מדגיש את הצורך בניתוח המשך נתונים על ידי מדענים, לא משנה כמה הרבה יותר קל לנתח את העובדות והמספרים הופכים.

 המחבר של הספר "Data Field" , ביל פראנק אמר לאחרונה ל TechTarget כי הוא רואה המדען נתונים אידיאלי להיות "אמן נתונים." הוא הסביר את הכישורים הקשורים שיטות לניתוח טובים לא יהיו ההיבטים קשה יותר, יותר מדעי וטכני של העבודה של המטפל. להערכתו, מדען גדול הוא מסוגל לקחת חשיבה יצירתית ולהחיל אותו על בעיות כגון נתונים פגומים או לא שלמים, כמו מידע שנאסף על ידי תהליכים חדשים רק לעתים נדירות בשם" נקי "ומסודר כמו דמויות קלאסיות מובנים.

 כשנשאל איך למצוא נתונים אידיאליים מדענים לפי מודל מיומנויות רכות שלו, פרנק הסביר את המועמדים הטובים ביותר לתפקיד הם אלה להתמקד בבעיות ולא הימנעות מהם, התוקפים את הפגמים ומקווים להתיר את הבעיות העומדות בפני המחלקות שלהם. הוא העריך כי רק 20 אחוזים מהעובדים עם קורות חיים המקובלים על תפקידים כאלה דווקא בעלי עיקשות ופתרון בעיות ידע כדי להיחשב מועמדים אידיאליים.

מאמר זה הוא תרגום של מאמר שהופיע באתר של חברת פנורמה, בכתובת הזאת.

הדף שלנו בפייסבוק

מעניין? שתפו דף זה באמצעות הטלפון הנייד

מאמרים

מגמות של ביג דאטה בעולם הביטוח
CA Technologies
SSIS - Buffer Size Optimization
קטגוריה ראשית
בדיקות BI ו-DWH לעומת הבדיקות בתחומים אחרים
קטגוריה ראשית
איסוף דרישות לפרויקטי BI
קטגוריה ראשית
כח המידע במיקוד
קטגוריה ראשית
0

Microsoft

Oracle

IBM

Informatica

Sap

SAS

Qlikview

Cloudera

Machine Learning