![\"\"](\"https:\/\/bcoaching.online\/wp-content\/uploads\/2020\/04\/image-16.png\")
<\/figure>\n\n\n\nEvolucija Data Science-a<\/h1>\n\n\n\n
Napredak Data Science-a je uglavnom uslovljen napretkom softverskog in\u017eenjerstva i informacionih tehnologija. Danas imamo dovoljno procesorske mo\u0107i i memorijskih kapaciteta za izvr\u0161avanje zahtevnih ra\u010dunskih operacija u nekom prihvatljivom vremenskom opsegu. To zna\u010di da analiza poslovanja sada vi\u0161e nije ograni\u010dena na ru\u010dni rad i \u010dovekovu sposobnost da danono\u0107no pretura po debelim registrima papira koji prikazuju neke brojke i \u010duvaju odgovore na pitanja. Danas ma\u0161ine mogu da nam daju odgovore u minutima, ili \u010dak sekundama.<\/p>\n\n\n\n
Kompjuterska efikasnost omogu\u0107uje upotrebu sofisticiranijih metoda analize, kao \u0161to je primena algoritama ma\u0161inskog u\u010denja. Algoritmi ma\u0161inskog u\u010denja imaju sposobnost da utvrde \u0161ablone koji se kriju me\u0111u podacima koji opisuju neko pona\u0161anje, i da vrate predikcije tog pona\u0161anja u budu\u0107nosti. U konkurentskom svetu kakav je danas, pravovremene odluke su preduslov za one koji \u017eele da ostanu u igri i napreduju, dok mogu\u0107nost dobijanja projekcija budu\u0107nosti osigurava da uvek budemo jedan korak ispred konkurencije, ali i ispred klijenta.<\/p>\n\n\n\n
U svetu analitike, postoje tri osnovna tipa analize – deskriptivna, prediktivna i preskriptivna analiza. U tradicionalnim sistemima, analitika je uglavnom svedena na izve\u0161tavanje i deskriptivnu analizu. Deskriptivna analiza je dobra za obja\u0161njavanje pro\u0161losti i ocenu rezultata donetih odluka. Ali ne daje odgovore na to \u0161ta \u0107e se desiti. Tu dolazi na red prediktivna analiza. U prediktivnoj analizi, izvla\u010de se projekcije budu\u0107nosti, koje poma\u017eu u definisanju narednih akcija i dono\u0161enju nekih odluka. Preskriptivna analiza je jo\u0161 jedan korak dalje – izvla\u010denje projekcija budu\u0107nosti, uzimaju\u0107i u obzir razli\u010dite \u201c\u0161ta-ako\u201d scenarije, u posebnim kontekstima definisanim datim uslovima i ograni\u010denjima. I to je ono \u0161to je sr\u017e Data Science-a – upotreba prediktivne i preskriptivne analize, koje su naj\u010de\u0161\u0107e jednim imenom nazivane napredna analitika.<\/p>\n\n\n\n
Jo\u0161 jedan veliki napredak napredne analitike je upotreba \u201cdata-lake\u201d arhitekture umesto tzv.silosa, gde su se podaci svakog odseka \u010duvali u odvojenim skladi\u0161tima koja nisu me\u0111usubno komunicirala. Upotreba \u201cdata-lake\u201d arhitekture omogu\u0107uje skladi\u0161tenje svih podataka na jednom mestu, putem \u010dega kompanije mogu da koriste podatke iz razli\u010ditih odseka kako bi imali celokupnu sliku poslovanja, iz svih uglova. Me\u0111utim, posedovanje tzv. \u201cbig data\u201d skupova ne osigurava mo\u0107 i dominaciju, ali mo\u017ee biti jako korisno kako bi se analiziralo poslovanje u razli\u010ditim kontekstima, i kako bi se ukr\u0161tavanjem tih informacija utvrdila njihova me\u0111uzavisnost, kao i na koji na\u010din zastoji i problemi u jednom odseku poslovanja mogu da uti\u010du na slabe performanse drugih odseka, itd.<\/p>\n\n\n\n
Budite u toku, jer \u0107emo u seriji tekstova koja sledi zagrebati malo dublje u oblast Data Science-a, kao i ma\u0161inskog u\u010denja i ve\u0161ta\u010dke inteligencije.<\/p>\n","protected":false},"excerpt":{"rendered":"