Мышление данных

Мышление данных — это основа проектирования продуктов с особым упором на науку о данных . Он объединяет элементы вычислительного мышления , статистического мышления и предметного мышления. ^[1] В контексте разработки продуктов мышление, основанное на данных, представляет собой основу для исследования, проектирования, разработки и проверки решений, основанных на данных. Мышление данных сочетает в себе науку о данных и дизайн-мышление , поэтому в центре внимания этого подхода находится пользовательский опыт, а также анализ и сбор данных . ^[2]^[3]^[4]^[5]

Мышление о данных — это образ мышления, который способствует повышению грамотности в отношении данных и побуждает как организации, так и отдельных лиц принимать решения, основанные на данных. Включив мышление на основе данных в процесс разработки продуктов, организации могут создавать продукты, более ориентированные на пользователя, основанные на данных и знаниях, а не на интуиции. Между тем, люди могут делать выводы на основе данных и избегать внешней предвзятости .

Основные компоненты мышления, основанного на данных

По словам Майка и др.: ^[1]

Мышление данных — это понимание того, что решение реальной проблемы должно основываться не только на данных и алгоритмах , но и на правилах, основанных на знаниях предметной области, которые ими управляют.
Мышление данных спрашивает, дают ли данные хорошее представление о реальной ситуации. В нем также рассматривается способ сбора данных и задается вопрос: «Можно ли улучшить сбор данных?».
Мышление данных — это понимание того, что данные — это не просто числа, которые нужно хранить в адекватной структуре данных , но что эти числа имеют значение, вытекающее из знаний предметной области.
Мышление данных — это понимание того, что любой процесс или расчет, выполняемый с данными, должен сохранять значение соответствующей области знаний.
Мышление данных анализирует данные не только логически, но и статистически, используя визуализацию и статистические методы для обнаружения закономерностей, а также нерегулярных явлений.
Мышление данных — это понимание того, что абстракция проблемы зависит от предметной области, а обобщение подвержено предвзятости и различиям в данных.
Мышление о данных — это понимание того, что лабораторного тестирования недостаточно, и что реальная реализация всегда будет сталкиваться с неожиданными данными и ситуациями, поэтому улучшение моделей и решения данной проблемы — это непрерывный процесс, который включает, среди прочего, постоянные и итеративный мониторинг и сбор данных.
Мышление данных — это творческий процесс понимания проблемы с разных уровней абстракции, который всегда предполагает стекирование
Мышление данных предполагает понимание того, что анализ данных может иметь несколько значений и что для получения достоверных представлений требуется правильное мышление.
Мышление данных — это процесс создания наиболее подходящего способа анализа входных данных и принятия на их основе выводов.
Мышление данных — это творческий способ оценить проблему, проанализировать все доступные данные с помощью современных технологий и получить желаемое решение в 5 раз быстрее, чем это было раньше.
Мышление данных — это процесс осмысленной обработки имеющихся данных, при этом не исключающий влияние недостающих данных.

Основные этапы мышления о данных

Несмотря на то, что пока не существует стандартизированного процесса анализа данных, основные этапы этого процесса во многих публикациях схожи и могут быть резюмированы следующим образом:

Уточнение стратегического контекста и определение приоритетных областей рисков и возможностей, основанных на данных.

На этом этапе анализируется более широкий контекст цифровой стратегии. Прежде чем приступить к конкретному проекту, важно понять, как новые данные и технологии, основанные на искусственном интеллекте, влияют на бизнес-среду и какое влияние это оказывает на будущее организации. Анализ тенденций / технологическое прогнозирование и планирование/анализ сценариев, а также оценка возможностей внутренних данных являются основными методами, которые обычно применяются на этом этапе. ^[6]^[4]

Идея/Исследование

Результатом более раннего этапа является определение приоритетных областей, которые являются либо наиболее перспективными, либо подвергаются наибольшему риску в связи с трансформацией на основе данных. На этапе разработки идей/исследований определяются конкретные варианты использования для выбранных приоритетных областей. Для успешного формирования идей важно объединить информацию об организационных (бизнес) целях, потребностях внутреннего/внешнего использования, потребностях в данных и инфраструктуре, а также знания предметной области о новейших технологиях и тенденциях, основанных на данных. ^[7]^[3]

Принципы дизайн-мышления в контексте мышления о данных можно интерпретировать следующим образом: при разработке идей, основанных на данных, крайне важно учитывать пересечение технической осуществимости, влияния на бизнес и доступности данных. типичные инструменты дизайн-мышления (например, исследование пользователей, персон , пути клиента ). На этом этапе широко применяются ^{[ нужна ссылка ]}

Помимо потребностей пользователей, здесь также необходимо учитывать потребности клиентов и стратегические нужды. Потребности в данных, анализ доступности данных и исследование технологий искусственного интеллекта, подходящих для решения, являются важными частями процесса разработки. ^[8]

методы межотраслевых стандартных процессов интеллектуального анализа данных ( CRISP-DM ). Для определения объема данных и технологической основы решения на этом этапе обычно используются ^[9]

Прототипирование/проверка концепции

На предыдущих этапах была разработана основная концепция решения данных. Сейчас проводится проверка концепции , чтобы проверить осуществимость решения. Этот этап также включает тестирование, оценку, итерацию и уточнение. ^[10] На этом этапе принципы проектирования прототипов также комбинируются с моделями процессов, которые применяются в проектах по науке о данных (например, CRISP-DM). ^[6]

Измерение влияния на бизнес

Реализуемость и прибыльность решения доказываются в процессе анализа данных. анализ затрат и выгод и расчет экономического обоснования . На этом этапе обычно применяются ^[11]

Внедрение и улучшение

Если разработанное решение на этом этапе докажет свою осуществимость и рентабельность, оно будет внедрено и введено в эксплуатацию. ^[2]^[4]

См. также

Ссылки

^ Jump up to: ^а ^б Майк, Коби; Рагонис, Ноа; Розенберг-Кима, Ринат Б.; Хаззан, Орит (21 июля 2022 г.). «Вычислительное мышление в эпоху науки о данных» . Коммуникации АКМ . 65 (8): 33–35. дои : 10.1145/3545109 . ISSN 0001-0782 . S2CID 250926599 .
^ Jump up to: ^а ^б «Зачем компаниям нужно мышление на основе данных?» . 2020-07-02.
^ Jump up to: ^а ^б «Мышление данными: новые инновационные методы для компаний, управляемых данными» (на немецком языке).
^ Jump up to: ^а ^б ^с «Мышление на основе данных: руководство к успеху в эпоху цифровых технологий» .
^ Эррера, Сара (21 февраля 2019 г.). «Мышление на основе данных как инструмент инноваций в области искусственного интеллекта». Ханделькрафт (на немецком языке).
^ Jump up to: ^а ^б Шнакенбург, Игорь; Кун, Штеффен. «Мышление данных: способность быстро и продуктивно использовать данные». Журнал LÜNENDONK «Искусственный интеллект» (на немецком языке). 05.2020: 42-46.
^ Нальчигар, Соруш; Ю, Эрик (01 сентября 2018 г.). «Анализ данных на основе бизнеса: концептуальная основа моделирования» . Инженерия данных и знаний . 117 : 359–372. дои : 10.1016/j.datak.2018.04.006 . ISSN 0169-023X . S2CID 53096729 .
^ Фоменко Елена; Мэттджи, Аннет (12 мая 2020 г.). «Чем на самом деле занимается мыслитель данных?» . В&В . Немецкий.
^ Марбан, Оскар; Марискаль, Гонсало; Менасальвас, Эрнестина; Сеговия, Хавьер (2007). Инь, Хуцзюнь; Тино, Питер; Корчадо, Эмилио; Бирн, Уилл; Яо, Синь (ред.). «Инженерный подход к проектам интеллектуального анализа данных» . Интеллектуальная инженерия данных и автоматизированное обучение – IDEAL 2007 . Конспекты лекций по информатике. 4881 . Берлин, Гейдельберг: Springer: 578–588. дои : 10.1007/978-3-540-77226-2_59 . ISBN 978-3-540-77226-2 .
^ Браун, Тим Вятт, Джоселин (01 июля 2010 г.). «Дизайн-мышление для социальных инноваций» . Пропаганда развития . 12 (1): 29–43. дои : 10.1596/1020-797X_12_1_29 . hdl : 10986/6068 . ISSN 1020-797X . {{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка )
^ «Мышление на основе данных – правильное использование потенциала данных» . Журнал t3n (на немецком языке). 08.09.2018 . Проверено 08 июля 2020 г.

[:4-1] Jump up to: ^а ^б Майк, Коби; Рагонис, Ноа; Розенберг-Кима, Ринат Б.; Хаззан, Орит (21 июля 2022 г.). «Вычислительное мышление в эпоху науки о данных» . Коммуникации АКМ . 65 (8): 33–35. дои : 10.1145/3545109 . ISSN 0001-0782 . S2CID 250926599 .

[:2-2] Jump up to: ^а ^б «Зачем компаниям нужно мышление на основе данных?» . 2020-07-02.

[:0-3] Jump up to: ^а ^б «Мышление данными: новые инновационные методы для компаний, управляемых данными» (на немецком языке).

[:1-4] Jump up to: ^а ^б ^с «Мышление на основе данных: руководство к успеху в эпоху цифровых технологий» .

[5] Эррера, Сара (21 февраля 2019 г.). «Мышление на основе данных как инструмент инноваций в области искусственного интеллекта». Ханделькрафт (на немецком языке).

[:3-6] Jump up to: ^а ^б Шнакенбург, Игорь; Кун, Штеффен. «Мышление данных: способность быстро и продуктивно использовать данные». Журнал LÜNENDONK «Искусственный интеллект» (на немецком языке). 05.2020: 42-46.

[7] Нальчигар, Соруш; Ю, Эрик (01 сентября 2018 г.). «Анализ данных на основе бизнеса: концептуальная основа моделирования» . Инженерия данных и знаний . 117 : 359–372. дои : 10.1016/j.datak.2018.04.006 . ISSN 0169-023X . S2CID 53096729 .

[8] Фоменко Елена; Мэттджи, Аннет (12 мая 2020 г.). «Чем на самом деле занимается мыслитель данных?» . В&В . Немецкий.

[9] Марбан, Оскар; Марискаль, Гонсало; Менасальвас, Эрнестина; Сеговия, Хавьер (2007). Инь, Хуцзюнь; Тино, Питер; Корчадо, Эмилио; Бирн, Уилл; Яо, Синь (ред.). «Инженерный подход к проектам интеллектуального анализа данных» . Интеллектуальная инженерия данных и автоматизированное обучение – IDEAL 2007 . Конспекты лекций по информатике. 4881 . Берлин, Гейдельберг: Springer: 578–588. дои : 10.1007/978-3-540-77226-2_59 . ISBN 978-3-540-77226-2 .

[10] Браун, Тим Вятт, Джоселин (01 июля 2010 г.). «Дизайн-мышление для социальных инноваций» . Пропаганда развития . 12 (1): 29–43. дои : 10.1596/1020-797X_12_1_29 . hdl : 10986/6068 . ISSN 1020-797X . {{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка )

[11] «Мышление на основе данных – правильное использование потенциала данных» . Журнал t3n (на немецком языке). 08.09.2018 . Проверено 08 июля 2020 г.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]