Ovde se naročito misli na podatke koje su generisali korisnici različitih društvenih mreža, na njihove slike, razmenjene poruke i statuse. Šmit tvrdi da su ovakvi podaci značajni za sve kompanije. Samo se postavlja pitanje da li i kako ih treba koristiti.

Mi postavljamo pitanje – ko su ljudi koji se bave obradom i analizom podataka?

Vrlo je verovatno da ćete u razgovoru sa svakim analitičarem podataka doći do saznanja da najviše vremena provodi u potrazi za pravim podacima, njihovom skupljanju, čišćenju i obradi. Otuda i ne čudi jedna zanimljiva izjava koju lako možemo povezati sa njima “da imam samo sat vremena da spasim svet proveo bih pedeset pet minuta definišući problem i samo pet minuta rešavajući ga”.

Ekspanzija i dostupnost različitih podataka otvorila je mnoge prilike. Tako zanimanja kao što su data analyst i data scientist postaju jedna od najtraženijih u svakoj industriji. Izuzetak nije ni industrija osiguranja jer posedovanje veština analize i obrade podataka podiže vrednost svake kompanije. Često se od kandidata koji poseduju navedene veštine zahteva i zavidan nivo posedovanja soft skills kao što su veština komunikacije, sposobnost održavanja timskog duha i ispoljavanja kreativnosti. Danas više nije skupo posedovati alate za obradu podataka, mnogi od njih su čak i besplatni i mogu se lako implementirati. Data Science nam je ispred vrata, potrebna je samo volja, jasna vizija i dobar biznis plan kompanije. Ekstrakt is softverskog alata u vidu zaključka, dobijen nakon analize mnogobrojnih podataka, predstavlja kompetitivnu prednost svake kompanije.

Može se reći da oboje, data scientist i data analyst rade sa podacima ali na nešto drugačiji način. Data analyst pokušava da otkrije šta nam to govore brojevi. Njihovu priču prevodi u vizuelnu prezentaciju kroz grafikone. Provode dosta vremena u prikupljanju i čišćenju podataka. Kroz analizu podataka pokušavaju da uoče određeni trend. Data scientist je više fokusiran na predikciju. Koristi uočene zavisnosti između podataka i trendove da bi pretpostavio moguća scenarija u budućnosti. Kao i data analyst, dosta vremena provodi u obradi i čišćenju podataka. 

Razlika između njih postoji. Data analyst pokušava da reši probleme posmatrajući iste podatke iz druge perspektive i vremenski se nalazi u sadašnjosti jer razmišlja o postojećim trendovima. Data scientist je vremenski više okrenut budućnosti jer razmišlja o tome kako da postojeće trendove u podacima iskoristi za projekcije.  

Svaki data scientist mora razvijati posebne veštine u mašinskom učenju, radu sa prediktivnim modelima i posedovati zavidan nivo znanja u programiranju. Kažu da je data scientist najbolji statističar među programerima i najbolji programer među statističarima. Da li to znači da je svaki data scientist ujedno i data analyst? Ne mora da znači, mada su mnogi data scientist-i prvo bili data analyst-i.

Za jedno društvo za osiguranje obe uloge su veoma značajne. Vrlo je verovatno da ćemo zapaziti jednog data analyst-a u okviru aktuarske funkcije i u finansijskom odseku. IT odsek nije jedini rezervisan za data scientist-a. Sa razvojem prediktivne analitike neminovno je da će ovo zanimanje biti i sastavni deo aktuarske funkcije. To ne znači da nam data analyst više neće biti potreban. Svaki tim koji uključuje oba člana imaće prednost, a uloge među njima biće podeljene. 

Odgovornosti data analyst-a ogledaće se u tome da: razume podatke kojima društvo za osiguranje raspolaže; ume da preuzme i transformiše potrebne podatke iz različitih izvora; identifikuje greške u podacima i ispravi ih; pripremi jasne i razumljive izveštaje koji sumiraju zaključke sprovedene analize nad podacima i da preporuke; ima sposobnosti da radi analize u domenu aktuarstva, finansija i upravljanja rizicima. Od data scientist-a će se očekivati da: ima veća znanja u programiranju i poznavanju različitih softvera za obradu podataka; ume da manipuliše velikim skupom podataka i to ne samo podacima koji imaju određeni predefinisani format već i onim nestruktuiranim; ume da koristi tehnike mašinskog učenja i prediktivne analitike; primenjuje znanja obrade i analize podataka naročito u oblasti tarifiranja.

Autor: Nevena Ćirić, Šef jedinice za aktuarstvo i razvoj i ovlašćeni aktuar, OTP Osiguranje