Przejdź do treści
02_Elements/Icons/ArrowLeft Powrót do Insight
Insights > Audiences

Prawdziwa magia nauki o danych

3 minuty czytania | Kevin Lyons, Senior Vice President, Data Science | sierpień 2019 r.

Jeśli, jak stwierdził pisarz science fiction Arthur C. Clarke, "każda wystarczająco zaawansowana technologia jest nieodróżnialna od magii", to czasami można odnieść wrażenie, że nauka o danych jest postrzegana jako wyciąganie królików z kapeluszy. Ta narracja jest oczywiście błędna. Jest to postrzeganie tego, co nazywam "magią danych", gdzie ludzie wierzą, że dane mogą być wpompowane w jeden koniec "maszyny nauki o danych" i doskonały widget (rozwiązanie wszystkich problemów) pojawi się po drugiej stronie.

W znacznym stopniu jest to spowodowane tym, że zdecydowana większość ludzi nie rozumie działania nauki o danych, a kiedy dostaniesz się do bardziej zaawansowanych obszarów, takich jak głębokie uczenie, nawet wielu naukowców danych przyzna, że nie rozumie wielu poziomów złożoności. Ale jeśli jesteś naukowcem zajmującym się nauką o danych, to (w większości) wiesz wystarczająco dużo, aby wiedzieć, kiedy jesteś poza swoją głębią. Jednak poza społecznością badaczy danych, nie zawsze tak jest. I to jest zrozumiałe.

Po części to nasza własna wina. To twardy klub; historycznie trudny do przeniknięcia dla "zewnętrznych", a tym bardziej zrozumienia. Języki nauki o danych były trzymane blisko piersi. Tak jak Kościół rzymskokatolicki wybrał łacinę kościelną jako podstawowy język komunikacji, aby kontrolować przekaz, szczególnie w średniowieczu i we wczesnej nowoczesności, tak i nas, naukowców zajmujących się danymi, można by oskarżyć o podobne działania - choć oczywiście nie na taką skalę i nie mające tak bezpośredniego wpływu na całe populacje. Ale, tak jak Reformacja XVI wieku doprowadziła do uwolnienia języka, czyniąc doktryny różnych kościołów chrześcijańskich bardziej dostępnymi dla mas, tak nauka o danych musi teraz dalej rozszerzać swój język wernakularny. 

Wspólny język pozwoliłby nam wyjść poza przekonanie, że naukowcy zajmujący się danymi mają mistyczne zdolności do rozwiązania każdego problemu, przepuszczając dane przez środowisko AI, aby uzyskać pożądane wyniki, jak za dotknięciem czarodziejskiej różdżki. Pomogłoby to ludziom zrozumieć, że nauka o danych nie jest magicznym panaceum.

W rzeczywistości, jeśli naprawdę chcesz zaawansowanej nauki o danych, jedną z najgorszych rzeczy do zrobienia jest przypisanie naukowca ds. danych do rozwiązywania odizolowanych lub doraźnych problemów, ponieważ spowoduje to zamulenie komunikacji, utrzymując naukę o danych na zapleczu.

Najlepszym sposobem na rozpowszechnienie nauki o danych jest raczej ujawnienie problemów na poziomie przedsiębiorstwa, rozumiejąc, że nauka o danych, jeśli jest dobrze wykonana, jest sportem zespołowym. Posiadanie wielodyscyplinarnych zespołów zajmujących się produktami lub klientami przynosi doskonałe wyniki biznesowe i rozwija zrozumienie międzyfunkcyjne. Kohorta składająca się z pracownika handlowego, menedżera produktu, inżyniera, badacza danych i przedstawicieli innych kluczowych organizacji funkcjonalnych powinna zostać zamknięta w niezakłóconym pomieszczeniu w celu spotkania umysłów skoncentrowanych na największych potrzebach i możliwościach. To właśnie tam dzieje się prawdziwa magia.

Mimo to, podróżnik na tej drodze powinien być świadomy znaków ostrzegawczych. Jeśli w duchu współpracy z klientami lub innymi stronami trzecimi zaczynasz szukać rozwiązań, które można wytłumaczyć absolutnie wszystkim, zatrzymaj się. Tak jak magik nie ogranicza swojego występu do elementarnych sztuczek, tak publiczność rozumie, że naukowcy zajmujący się danymi nie powinni domyślnie stosować łatwo wytłumaczalnych rozwiązań. Celowe rozwadnianie procesu może mieć efekt uboczny w postaci dostarczenia mniej niż optymalnego rozwiązania problemu. To jest równowaga.

Ta równowaga opiera się na zaufaniu firm do możliwości ich naukowców zajmujących się danymi. Ufając, że naukowcy zajmujący się badaniami danych będą posługiwać się naszym językiem w miarę możliwości, ale nie rozcieńczać rozwiązań, gdy sprawy przybiorą zbyt techniczny obrót, i że zawsze pozostaniemy wierni naszej dyscyplinie. To właśnie ten rodzaj zaufania i równowagi umożliwia zaawansowanym technologicznie firmom dotarcie do swoich zbiorów prawdy.

Ten artykuł został pierwotnie opublikowany na Medium.

Kontynuuj przeglądanie podobnych spostrzeżeń