Data Science unio je revolucionarne promjene i poboljšanja, kako u moderno poslovanje kompanija, tako i u način života digitalnog građanina. Kompanije su postale svjesne da se u ogromnoj količini podataka kojima raspolažu kriju dobre poslovne prilike, rješenja problema i nove ideje, ali i da su im potrebni stručnjaci koji će “zaplivati” u njima i pronaći ih.
Kako je sve počelo?
Jedna od popularnijih teorija početka primjene Data Sciencea kaže da je sve počelo od Jonathana Goldmana, doktora fizike sa Stanforda. On je 2006. godine stigao u LinkedIn, koji je tada imao oko 8 miliona naloga. LinkedIn u tom periodu nije imao mogućnost mapiranja konekcija po interesima, što je cijeli koncept činilo nekompletnim. Prema riječima jednog od menadžera, bilo je to kao da dolazite na konferenciju na kojoj nikog ne poznajete, pa poželite što prije da odete jer vam nije jasno zašto ste povezani. Goldman je pristupio analizi podatka i pronalaženju logike u postojećim vezama i mapiranju sličnosti koje dovode do povezivanja 2 korisnika LinkedIna i analizi načina na koji se takvi korisnici mogu međusobno istaći. Rezultat ove analize je prva faza koja je podrazumijevala da se oglasima na stranici predstavljaju korisnici jedni drugima na osnovu nekog njihovog zajedničkog interesa (radno mjesto, obrazovanje i slično). Ove poveznice koje je Goldman napravio dovele su do toga da su se ljudi međusobno više konektovali, ali dovele su i do povećanja broja novih korisnika LinkedIna. Sve ostalo je historija definirana u opciji „People You May Know“.
Data Science u svakodnevnom životu
Od jednostavne primjene Data Sciencea u svakodnevnom životu, do nešto kompleksnijih komparacija i analiza kakvu je, npr., Goldman napravio, jasno je da obradom velike količine podataka možemo doći do idealnog biznis modela. Uzmimo za primjer da se i Google i njihov sistem zarade putem reklama zasniva na prikupljenim podacima i urađenoj analizi. Stoga, ukoliko želimo bolje razumjeti tržište i navike naših korisnika/kupaca pristupamo analizi koja će doprinijeti kreiranju prediktivnih modela i finalno doprinijeti prijedlozima za unapređenje.
Široka je primjena Data Sciencea i u zdravstvenom sektoru gdje u kombinaciji s novim alatima prikupljeni podaci pomažu u procjeni koji pacijent će imati najviše koristi od određene zdravstvene intervenije. Dodatno, jedna od najefektivnijih primjena Data Sciencea u zdravstvu je medicinsko snimanje. Računari mogu interpretirati magnetnu rezonancu, X zrake, mamografije i druge vrste slika, prepoznati obrasce u podacima i otkriti tumore, stenozu arterija, anomalije organa i još mnogo toga.
Ko se najbolje snalazi u ulozi data scientista?
Iako se na prvu čini da je Data Science zanimanje vezano za osobe sklone IT svijetu, za bavljenje ovim zanimanjem izuzetno je bitan istraživački pristup problemu. Stoga se u ulozi data scientista dobro snalaze i fizičari, te osobe s ekonomskih, socioloških i psiholoških studija koje imaju sklonost da od velike količine otvorenih podataka dođu do adekvatnog rješenja problema dubinskim promišljanjem.Podaci do kojih dođemo trebaju imati upotrebnu vrijednost i trebaju dovesti do odluka koje će se dalje razvijati kroz nove proizvode, usluge ili rješenja.