| REKLAMA |
 |
Data Science w natarciu
Data Science to dziedzina analityki szerokich strumieni danych, którą zaczyna się określać mianem nauki o danych. Jest to proces pozyskiwania, analizowania, wizualizacji i wnioskowania z zarówno ustrukturyzowanych jak i nieustrukturyzowanych danych, z użyciem m.in. takich technologii jak uczenie maszynowe i analiza predykcyjna. Z danych firmy badawczej MRC, wynika iż globalny rynek rozwiązań z dziedziny nauki danych będzie charakteryzował się 36-procentowych wzrostem przez najbliższe 3 lata. W 2022 jego wartość będzie wynosiła 128,2 mld dolarów.
Badacz danych – wymarzony zawód w 2019?
Badacze danych to specjaliści od pozyskiwania, analizowania, segmentowania i interpretowania informacji. Ich zadaniem jest sprawić, aby dane, które firmy mają pod ręką, stały się nowym motorem napędowym przychodów w przedsiębiorstwach. Przyszłościowy charakter tej profesji potwierdza raport serwisu społecznościowego LinkedIn, z którego wynika, iż badacz danych będzie najbardziej pożądanym zawodem w USA w 2019 roku.
Z zestawienia przeprowadzonego przez firmę BiG Cloud wynika, iż najwyższe wynagrodzenia czekają na badaczy danych w Szwajcarii, gdzie średnia roczna pensja może wynieść 91 tys. dolarów. Na drugim miejscu plasuje się Holandia, gdzie specjaliści ds. Data Science mogą liczyć na roczne uposażenie rzędu 68 tys. euro. Firmy z Wielkiej Brytanii oferują 59 tys. funtów rocznie. Według różnych źródeł, nad Wisłą badacze danych mogą liczyć na wynagrodzenie w wysokości od 15 do nawet 25 tys. zł miesięcznie.
Data Science – jak działa w praktyce?
Z usług tzw. „badaczy” danych, korzystają dziś banki czy sektor fintech, w tym instytucje finansowe czy firmy windykacyjne. Mogą one wykorzystywać dane np. w sytuacjach zarządzania ryzykiem. Na bazie tzw. predyktywnej analizy systemy Data Science są w stanie przyporządkować danemu dłużnikowi wzorzec zachowania, który jest zbudowany na bazie doświadczeń i historii setek innych mniej lub bardziej podobnych przypadków. Pozwala to już na wejściu ocenić jaką procedurę w konkretnym przypadku zastosować, windykację polubowną czy obrać wariant bardziej formalny. Dzięki zastosowaniu tego typu narzędzi firmy windykacyjne są w stanie realnie zwiększyć swoją efektywność o 20 do 30 proc. wynika z danych TogetherData.
Nie tylko branża finansowa jest realnym tego przykładem. „Datyzacja” standardowych procedur zgłaszania szkód w branży ubezpieczeniowej jest w stanie zredukować koszty związane z procesem likwidacji szkód nawet o 30 proc. System sam kontaktuje się z poszkodowanym z prośbą o przesłanie np. brakujących dokumentów czy w sprawie dodatkowych pytań związanych z danym zdarzeniem. Czynnik ludzki w tym przypadku zostałby ograniczony jedynie do roli koordynującej i nadzorującej.
Źródło: Together Data
Data Science to dziedzina analityki szerokich strumieni danych, którą zaczyna się określać mianem nauki o danych. Jest to proces pozyskiwania, analizowania, wizualizacji i wnioskowania z zarówno ustrukturyzowanych jak i nieustrukturyzowanych danych, z użyciem m.in. takich technologii jak uczenie maszynowe i analiza predykcyjna. Z danych firmy badawczej MRC, wynika iż globalny rynek rozwiązań z dziedziny nauki danych będzie charakteryzował się 36-procentowych wzrostem przez najbliższe 3 lata. W 2022 jego wartość będzie wynosiła 128,2 mld dolarów.
Big Data, czyli szeroko pojęte gromadzenie i analiza dużych strumieni danych stało się domeną ostatnich lat. Firmy nie mają już problemu z dostępem i wykorzystaniem swoich danych. W sektorach, w których danych jest najwięcej, występują również największe trudności z ich wykorzystaniem i monetyzacją – mówi Michał Grams, Prezes Zarządu TogheterData. Powszechnie używane w tym przypadku gotowe rozwiązania analityczne są niewystarczające. Wraz z rozwojem Big Data coraz większe znaczenie zaczyna odgrywać Data Science oraz eksperci w tej dziedzinie, czyli tzw. badacze danych.
Badacz danych – wymarzony zawód w 2019?
Badacze danych to specjaliści od pozyskiwania, analizowania, segmentowania i interpretowania informacji. Ich zadaniem jest sprawić, aby dane, które firmy mają pod ręką, stały się nowym motorem napędowym przychodów w przedsiębiorstwach. Przyszłościowy charakter tej profesji potwierdza raport serwisu społecznościowego LinkedIn, z którego wynika, iż badacz danych będzie najbardziej pożądanym zawodem w USA w 2019 roku.
Z zestawienia przeprowadzonego przez firmę BiG Cloud wynika, iż najwyższe wynagrodzenia czekają na badaczy danych w Szwajcarii, gdzie średnia roczna pensja może wynieść 91 tys. dolarów. Na drugim miejscu plasuje się Holandia, gdzie specjaliści ds. Data Science mogą liczyć na roczne uposażenie rzędu 68 tys. euro. Firmy z Wielkiej Brytanii oferują 59 tys. funtów rocznie. Według różnych źródeł, nad Wisłą badacze danych mogą liczyć na wynagrodzenie w wysokości od 15 do nawet 25 tys. zł miesięcznie.
Big Data, czyli szeroko pojęte gromadzenie i analiza dużych strumieni danych stało się domeną ostatnich lat. Firmy nie mają już problemu z dostępem i wykorzystaniem swoich danych. W sektorach, w których danych jest najwięcej, występują również największe trudności z ich wykorzystaniem i monetyzacją – mówi Michał Grams, Prezes Zarządu TogheterData. Powszechnie używane w tym przypadku gotowe rozwiązania analityczne są niewystarczające. Wraz z rozwojem Big Data coraz większe znaczenie zaczyna odgrywać Data Science oraz eksperci w tej dziedzinie, czyli tzw. badacze danych.
Data Science – jak działa w praktyce?
Z usług tzw. „badaczy” danych, korzystają dziś banki czy sektor fintech, w tym instytucje finansowe czy firmy windykacyjne. Mogą one wykorzystywać dane np. w sytuacjach zarządzania ryzykiem. Na bazie tzw. predyktywnej analizy systemy Data Science są w stanie przyporządkować danemu dłużnikowi wzorzec zachowania, który jest zbudowany na bazie doświadczeń i historii setek innych mniej lub bardziej podobnych przypadków. Pozwala to już na wejściu ocenić jaką procedurę w konkretnym przypadku zastosować, windykację polubowną czy obrać wariant bardziej formalny. Dzięki zastosowaniu tego typu narzędzi firmy windykacyjne są w stanie realnie zwiększyć swoją efektywność o 20 do 30 proc. wynika z danych TogetherData.
Nie tylko branża finansowa jest realnym tego przykładem. „Datyzacja” standardowych procedur zgłaszania szkód w branży ubezpieczeniowej jest w stanie zredukować koszty związane z procesem likwidacji szkód nawet o 30 proc. System sam kontaktuje się z poszkodowanym z prośbą o przesłanie np. brakujących dokumentów czy w sprawie dodatkowych pytań związanych z danym zdarzeniem. Czynnik ludzki w tym przypadku zostałby ograniczony jedynie do roli koordynującej i nadzorującej.
Big Data, czyli szeroko pojęte gromadzenie i analiza dużych strumieni danych stało się domeną ostatnich lat. Firmy nie mają już problemu z dostępem i wykorzystaniem swoich danych. W sektorach, w których danych jest najwięcej, występują również największe trudności z ich wykorzystaniem i monetyzacją – mówi Michał Grams, Prezes Zarządu TogheterData. Powszechnie używane w tym przypadku gotowe rozwiązania analityczne są niewystarczające. Wraz z rozwojem Big Data coraz większe znaczenie zaczyna odgrywać Data Science oraz eksperci w tej dziedzinie, czyli tzw. badacze danych.
Big Data, czyli szeroko pojęte gromadzenie i analiza dużych strumieni danych stało się domeną ostatnich lat. Firmy nie mają już problemu z dostępem i wykorzystaniem swoich danych. W sektorach, w których danych jest najwięcej, występują również największe trudności z ich wykorzystaniem i monetyzacją – mówi Michał Grams, Prezes Zarządu TogheterData. Powszechnie używane w tym przypadku gotowe rozwiązania analityczne są niewystarczające. Wraz z rozwojem Big Data coraz większe znaczenie zaczyna odgrywać Data Science oraz eksperci w tej dziedzinie, czyli tzw. badacze danych.
Źródło: Together Data
Najnowsze wiadomości
Customer-specific AI: dlaczego w 2026 roku to ona przesądza o realnym wpływie AI na biznes
W 2026 roku sztuczna inteligencja przestaje być ciekawostką technologiczną, a zaczyna być rozliczana z realnego wpływu na biznes. Organizacje oczekują dziś decyzji, którym można zaufać, procesów działających przewidywalnie oraz doświadczeń klientów, które są spójne w skali. W tym kontekście coraz większe znaczenie zyskuje customer-specific AI - podejście, w którym inteligencja jest osadzona w danych, procesach i regułach konkretnej firmy, a nie oparta na generycznych, uśrednionych modelach.
PROMAG S.A. rozpoczyna wdrożenie systemu ERP IFS Cloud we współpracy z L-Systems
PROMAG S.A., lider w obszarze intralogistyki, rozpoczął wdrożenie systemu ERP IFS Cloud, który ma wesprzeć dalszy rozwój firmy oraz integrację kluczowych procesów biznesowych. Projekt realizowany jest we współpracy z firmą L-Systems i obejmuje m.in. obszary finansów, produkcji, logistyki, projektów oraz serwisu, odpowiadając na rosnącą skalę i złożoność realizowanych przedsięwzięć.
SkyAlyne stawia na IFS dla utrzymania floty RCAF
SkyAlyne, główny wykonawca programu Future Aircrew Training (FAcT), wybrał IFS Cloud for Aviation Maintenance jako cyfrową platformę do obsługi technicznej lotnictwa i zarządzania majątkiem. Wdrożenie ma zapewnić wgląd w czasie rzeczywistym w utrzymanie floty, zasoby i zgodność, ograniczyć przestoje oraz zwiększyć dostępność samolotów szkoleniowych RCAF w skali całego kraju. To ważny krok w modernizacji kanadyjskiego systemu szkolenia załóg lotniczych.
Wykorzystanie AI w firmach rośnie, ale wolniej, niż oczekiwano. Towarzyszy temu sporo rozczarowań
Wykorzystanie sztucznej inteligencji w firmach rośnie, ale tempo realnych wdrożeń pozostaje znacznie wolniejsze od wcześniejszych oczekiwań rynku. Dane pokazują, że z rozwiązań AI korzysta dziś wciąż niewiele przedsiębiorstw, a menedżerowie coraz częściej wskazują na bariery regulacyjne, koszty oraz brak powtarzalnych efektów biznesowych. W praktyce technologia jest testowana głównie w wybranych obszarach, a kluczowe decyzje nadal pozostają po stronie człowieka. Również w firmach, które wdrożyły AI, nierzadko towarzyszą temu rozczarowania.
Europejski przemysł cyfryzuje się zbyt wolno – ERP, chmura i AI stają się koniecznością
Europejski przemysł średniej wielkości wie, że cyfryzacja jest koniecznością, ale wciąż nie nadąża za tempem zmian. Ponad 60% firm ocenia swoje postępy w transformacji cyfrowej jako zbyt wolne, mimo rosnącej presji konkurencyjnej, regulacyjnej i kosztowej. Raport Forterro pokazuje wyraźną lukę między świadomością potrzeby inwestycji w chmurę, ERP i AI a realną zdolnością do ich wdrożenia – ograniczaną przez braki kompetencyjne, budżety i gotowość organizacyjną.
Europejski przemysł średniej wielkości wie, że cyfryzacja jest koniecznością, ale wciąż nie nadąża za tempem zmian. Ponad 60% firm ocenia swoje postępy w transformacji cyfrowej jako zbyt wolne, mimo rosnącej presji konkurencyjnej, regulacyjnej i kosztowej. Raport Forterro pokazuje wyraźną lukę między świadomością potrzeby inwestycji w chmurę, ERP i AI a realną zdolnością do ich wdrożenia – ograniczaną przez braki kompetencyjne, budżety i gotowość organizacyjną.
Najnowsze artykuły
5 pułapek zarządzania zmianą, które mogą wykoleić transformację cyfrową i wdrożenie ERP
Dlaczego jedne wdrożenia ERP dowożą korzyści, a inne kończą się frustracją, obejściami w Excelu i spadkiem zaufania do systemu? Najczęściej decyduje nie technologia, lecz to, jak organizacja prowadzi zmianę: czy liderzy biorą odpowiedzialność za decyzje czy tempo jest dopasowane do zdolności absorpcji oraz czy ludzie dostają klarowność ról i realne kompetencje. Do tego dochodzi pytanie: co po go-live - stabilizacja czy chaos w firmie? Poniżej znajdziesz 5 pułapek, które najczęściej wykolejają transformację i praktyczne sposoby, jak im zapobiec.
SAP vs Oracle vs Microsoft: jak naprawdę wygląda chmura i sztuczna inteligencja w ERP
Wybór systemu ERP w erze chmury i sztucznej inteligencji to decyzja, która determinuje sposób działania organizacji na lata — a często także jej zdolność do skalowania, adaptacji i realnej transformacji cyfrowej. SAP, Oracle i Microsoft oferują dziś rozwiązania, które na pierwszy rzut oka wyglądają podobnie, lecz w praktyce reprezentują zupełnie odmienne podejścia do chmury, AI i zarządzania zmianą. Ten artykuł pokazuje, gdzie kończą się deklaracje, a zaczynają realne konsekwencje biznesowe wyboru ERP.
Transformacja cyfrowa z perspektywy CFO: 5 rzeczy, które przesądzają o sukcesie (albo o kosztownej porażce)
Transformacja cyfrowa w finansach często zaczyna się od pytania o ERP, ale w praktyce rzadko sprowadza się wyłącznie do wyboru systemu. Dla CFO kluczowe jest nie tylko „czy robimy pełną wymianę ERP”, lecz także jak policzyć ryzyko operacyjne po uruchomieniu, ocenić wpływ modelu chmurowego na koszty OPEX oraz utrzymać audytowalność i kontrolę wewnętrzną w nowym modelu działania firmy.
Agentic AI rewolucjonizuje HR i doświadczenia pracowników
Agentic AI zmienia HR: zamiast odpowiadać na pytania, samodzielnie realizuje zadania, koordynuje procesy i podejmuje decyzje zgodnie z polityką firmy. To przełom porównywalny z transformacją CRM – teraz dotyczy doświadczenia pracownika. Zyskują HR managerowie, CIO i CEO: mniej operacji, więcej strategii. W artykule wyjaśniamy, jak ta technologia redefiniuje rolę HR i daje organizacjom przewagę, której nie da się łatwo nadrobić.
Composable ERP: Przewodnik po nowoczesnej architekturze biznesowej
Czy Twój system ERP nadąża za tempem zmian rynkowych, czy stał się cyfrową kotwicą hamującą rozwój? W dobie nieciągłości biznesowej tradycyjne monolity ustępują miejsca elastycznej architekturze Composable ERP. To rewolucyjne podejście pozwala budować środowisko IT z niezależnych modułów (PBC) niczym z klocków, zapewniając zwinność nieosiągalną dla systemów z przeszłości. W tym raporcie odkryjesz, jak uniknąć pułapki długu technologicznego, poznasz strategie liderów rynku (od SAP po MACH Alliance) i wyciągniesz lekcje z kosztownych błędów gigantów takich jak Ulta Beauty. To Twój strategiczny przewodnik po transformacji z cyfrowego "betonu" w adaptacyjną "plastelinę".
Wykorzystanie AI w firmach rośnie, ale wolniej, niż oczekiwano. Towarzyszy temu sporo rozczarowań
Wykorzystanie sztucznej inteligencji w firmach rośnie, ale tempo realnych wdrożeń pozostaje znaczni… / Czytaj więcej
Vertiv Frontiers: 5 trendów, które przeprojektują centra danych pod „fabryki AI”
Centra danych wchodzą w erę „fabryk AI”, gdzie o przewadze nie decyduje już sama skala, lecz zdolno… / Czytaj więcej
Cyberbezpieczeństwo 2026. 6 trendów, które wymuszą nowe podejście do AI, danych i tożsamości
Rok 2026 zapowiada się jako moment przełomu w świecie cyfrowego bezpieczeństwa. W obliczu dynamiczn… / Czytaj więcej
Jurysdykcja danych w chmurze: dlaczego polskie firmy coraz częściej wybierają „gdzie leżą” ich system
Jurysdykcja danych przestała być detalem w umowach chmurowych – dziś decyduje o zgodności, bezpiecz… / Czytaj więcej
Tylko 7% firm w Europie wykorzystuje w pełni potencjał AI
72% firm w regionie EMEA uznaje rozwój narzędzi bazujących na sztucznej inteligencji za priorytet s… / Czytaj więcej
Chmura publiczna w Unii Europejskiej – między innowacją a odpowiedzialnością za dane
Transformacja cyfrowa w Europie coraz mocniej opiera się na chmurze publicznej, która stała się fun… / Czytaj więcej
