Data Science

Kontakt oss om
Data Science

 Er du interessert å ta beslutninger basert på data? Ønsker du å få bedre innsikt over dine kunder eller ditt domene (les: fagområde)? Hva med å benytte maskinlæring til å predikere utfall før de faktisk inntreffer? Da bør du ta i bruk data science!

Data science handler om å finne mening og mønster i data. Det handler om å forstå seg på et forretningsproblem, identifisere hvordan en skal håndtere dette ved bruk av relevante teknikker, og benytte informasjonen til å ta datadrevne beslutning. For å muliggjøre dette, er det viktig at personen som jobber med data science innehar solide egenskaper innen programmering, matematikk og statistikk, og datavitenskap. De må sette seg godt inn i det nye fagområdet, og ikke minst, kommunisere sine analyser og funn godt og forståelig til stakeholderne.

Folk som jobber med data science kalles for data scientists, eller dataforskere på godt norsk. De innehar en variert bakgrunn, gjerne med en teknisk og analytisk grad eller jobb i bagasjen. I tillegg er de nysgjerrige problemløsere som stiller de riktige spørsmålene, og bruker sin kunnskap og kreativitet til å løse forretningsproblemet.

Å være en Data Scientist kan være veldig forskjellig fra bedrift til bedrift. Oppgavene kan variere alt fra å jobbe med stordata, lage kule dashbord, samle data fra forskjellige systemer, til å utføre heftige, statiske analyser ved bruk av maskinlæring. Det som er sikkert er at folk innen dette feltet jobber på en systematisk måte for å løse oppdraget sitt. Denne prosessen er ofte iterativ og følger disse stegene:

Formulering av problemet: Det hele starter med en idé eller et problem som må formuleres godt. Hvordan kan dette oversettes til et konkret og godt definert problem?

Samle inn nødvendig data: Hvilke data er det som trengs, og hvor finner man de? Er de tilgjengelige, og hvilke deler skal man ta med seg videre?

Prosessere og vaske dataene (data wrangling på Engelsk): Rådataene som en har funnet i punktet over er ofte ikke brukbare til analyse i første omgang. Det kan være manglende eller misvisende elementer, eller andre problemer som gjør denne prosessen vanskelig og spennende. Ofte sies det at denne delen tar mesteparten av tida.

Utforske og visualisere dataene: Nå er dataene vasket og det er klart for å begynne med analyse. I første omgang er det viktig å forstå seg på dataene og hvilken informasjon som er iboende. Dette gjøres f.eks. med enkle analyser og visualisering for å observere trender og korrelasjoner.

Avansert analyse: Nå begynner vi å snakke om statistiske modeller, algoritmer og maskinlæring! Dette er muligens den mest spennende delen av hele Data Science prosessen. Her lager man modeller som brukes til å få skikkelig god kontroll på dataene, og lage modeller som kan brukes til å predikere framtidige utfall.

Kommunisering av resultatet og sette modellen i produksjon: Hvis ikke man klarer å forklare modellen til interessegruppen, eller at modellen ikke kan settes i produksjon, var alle stegene ovenfor til liten nytte. Å fortelle hva som er blitt gjort og laget på en enkel og oversiktlig måte er en viktig egenskap hos en Data Scientist!

 

Sherpa Consulting har ansatt en variert stall med flere Data Scientists og Data Analysts. De har relevant erfaring fra olje-, media- og mobilapp-bransjen, og offentlig sektor. De har arbeidet med stordataanalyser ved bruk av Hadoop-plattformen, anvendt statistiske analyser med maskinlæring, holdt hackathons og foredrag om Data Science. Våre folk jobber med språk og verktøy som Python, R, Spark, Scala, C#, SQL, Hadoop, Pig, Hive, HBase, Azure, AWS, Google Cloud, Power BI, Qlik, Tableau osv. De benytter seg av verktøyene som er riktig for det gitte oppdraget, og de har ikke høydeskrekk for å lære seg nye hvis det trengs.

Vi kan hjelpe deg med Data Science

Vi hjelper deg med Data Science

Vi kontakter deg så snart
vi kan!

Ha en fin dag!

Oops! Vi sliter litt med skjemaet, akkurat nå. Prøv å ring eller mail oss.