最近我们听到了很多关于"公民数据科学家"的消息，每个人都想用数据科学和机器学习来理解他们的业务，并自动化任务以提高效率。但是，我们缺乏具备数据科学技能的人才，以至于具备适当资格的人的工资很高。首席数据官，这是一个很有吸引力的提议，从他们的企业内部吸收了解数据和具有强大数学背景的人员，淘客系统，并通过自学和在线课程将他们转化为数据科学家。

我们有新一代的可视化合成框架工具（如SAP的预测分析专家分析），服务器租用，可以实现业务用户可以直观地组合算法管道，产业云，有选择地使用R和Python等技术来解决更复杂的问题，并将令人印象深刻的可视化结果反馈给用户，帮助他们理解使用统计数据的业务。

公民数据科学家面临的挑战

但这种方法也存在挑战—这不仅仅是选择最佳方法的问题算法：

1）非专业人士很容易误解预测模型的结果，基于糟糕的结果做出决策。管理者很难识别，直到太晚。

2）他们需要掌握大量技能，以最大限度地提高模型的准确性：

他们需要了解特征工程，云 服务器，通过导出变量从数据中提取有用的见解。所需的机制因数据类型而异。日期/时间与顺序和连续变量有很大的不同。他们需要提取这些变量是如何随时间变化的。他们还需要掌握复杂的技术，以确保所选算法能够处理数据，并且正确处理缺失值。他们需要了解如何将模型部署到生产中。

3）他们还需要将这些模型部署到生产中，以产生所需的投资回报率。他们需要了解如何不断更新模型，以及如何确保模型准确，不仅是在培训数据上，而且是在验证、测试和新数据上。

自动化使之更容易

在整个预测生命周期中，通过自动化，可以避免或简化这些挑战。

您可以培训人们使用自动化预测工具快速获得一个好的模型，并实施模型准确性和健壮性的最佳实践。您可以为他们提供关于模型如何执行的明确指导，并使他们能够成功地部署到各种各样的环境中。同时，他们可以通过使用管道编辑器来磨练自己的技能，以试验其他方法，同时强制执行相同的模型汇报标准。

最重要的是，这降低了由于无意中但代价高昂的错误而做出错误决策的风险，以及成功利用和部署预测分析的入门成本降低，使其更易于扩展。

别误会，您仍然需要培训才能利用这一点。您需要知道如何提出问题以及如何最大限度地提高结果。

使用SAP Analytics Cloud更容易了解

最后，SAP Analytics Cloud中的智能数据发现等技术使业务用户能够使用高级分析进行业务探索，而无需直接使用任何算法。这可以部署到普通业务用户。该界面的设置为他们提供了一种简单的方式来框定问题。这些见解以帮助用户理解他们能从数据中推断出什么和不能推断出什么。

公民数据科学是真实的吗？

那么，回答原来的问题：是的，公民数据科学是真实的，但是，我们应该思考什么是使不同技能的人能够在他们的业务中成功地使用数据科学的最佳方法。随着自动化技术和辅助工具的进步，这种趋势只会成倍增加，服务器租用，并继续降低数据科学和预测分析的门槛。

了解更多

了解更多信息主题，请参阅：

所有周四系列文章，了解更多关于机器学习、预测分析和人工智能的信息。Forrester Wave预测报告和TDWI预测分析论文《商业机器学习：八种最佳入门实践》IDC论文《分析在数字转型中的价值》