«большие данные» — это далеко не только математика и алгоритмы. Применение математических инструментов может принести пользу только при правильной организации рабочего процесса сбора, обработки, интерпретации данных и внедрения полученных результатов. Посмотрим, какие специализации потребуются, и каков может быть примерный состав проектных и/или продуктовых команд.

Основные специальности в области машинного обучение, бигдата, ИИ:

• Аналитик данных
• Специалист по моделям («ученый по данным», датасаентист)
• Инженеры (программист, специалист по хранилищам, девопс-инженер)
• Промпт специалист
• Директор по данным (варианты — CIO, CDO)

Однако, в проектах и продуктах помимо собственно специалистов в бигдата, потребуются также и сотрудники предметной области, а также организаторы процесса. В то же время не в каждом проекте или продукте востребованы абсолютно все перечисленные специалисты.

Вариант 1. Крупная корпоративная система аналитики и прогностики

Поскольку потребуется постоянная адаптация, продуктовый подход представляется предпочтительным. Наиболее вероятна реализация на собственных мощностях.

• Владелец продукта от бизнес-заказчика
• Менеджер продукта
• Бизнес-аналитик с базовым пониманием возможностей машинного обучения
• Аналитик данных
• Специалист (-ы) по моделям, наиболее вероятно несколько специалистов разных профилей
• Инженерная команда разработки, тестирования. внедрения и сопровождения

Вариант 2. Система аналитики и прогностики в МСБ сегменте

Наиболее вероятна реализация в «облачных» средах на основе адаптации существующих моделей. Возможен как проектный, так и продуктовый подход. Продуктовый представляется более оптимальным для регулярной адаптации к изменениям.

• Менеджер продукта или руководитель проекта
• Бизнес-аналитик или иной представитель заказчика
• Аналитик данных. Возможно совмещение ролей бизнес-аналитика и аналитика данных.
• Инженер — разработчик, использующий существующие модели.

Вариант 3. Операционное использование существующих моделей и ИИ систем публичного доступа

• Бизнес-аналитик, владеющий базовым пониманием бигдата
• Промпт-специалист

Вариант 4. Разработка экспериментальных и перспективных моделей.

Наиболее вероятный способ реализации — проектный.

• Спонсор — представитель заказчика высокого ранга и/или CDO
• Руководитель проекта
• Бизнес-аналитик
• Аналитик данных
• Специалист по моделям (датасаентист)
• Инженер- разработчик
• Инженер по хранилищам данных.
• Специалист по дискретной математике (опционально).