Business Intelligence е еден од најатрактивните модули на Академијата за Data Science порaди фактот што наоѓа примена во сите домени на работење. Како доказ за тоа колку се големи BI можностите, во оваа блог објава ви го претставуваме проектот изработен од Филип и Александар, студенти од нашата Академија за Data Science, кои има за цел преку детална анализа на податоците објективно да реши една од најголемите спортски дилеми на денешницата – Кој е кошаркарскиот G.O.A.T меѓу Мајкл Џордан и Леброн Џејмс, но во моментите кога тоа е најпотребно?
Со Александар имавме шанса да разговараме пред некоја недела, затоа овој пат му отстапивме место на Филип Арсеновски да ни каже повеќе за мотивацијата, процесот и самата реализација на проектот.
Уписите на Академијата за Data Science се во тек, а бројот на места ограничен! Затоа аплицирај сега и започни со учење!
Филип, како дојде до идејата и приликата за изработка на вака интересен проект? Бидејќи одговорот секогаш лежи во податоците, дали е ова крајот на споредбите меѓу Џордан и Леброн? 🙂
Идејата за нешто вакво постоеше од претходно, меѓутоа приликата за изработка на овој проект настана сосема случајно, кога листајќи по LinkedIn наидов на предизвик за изработка на визуелизација на податоци (dashboard). Целта на предизвикот беше конечно да се отклони вечната дилема околу тоа кој е најдобар кошаркар на сите времиња, Мајкл Џордан или Леброн Џејмс.
Јас како голем фан на кошарката од една страна, а на статистичките визуелизации и анализи од друга, како новопечен Data Scientist го прифатив предизвикот гледајќи го како забавна прилика за тестирање на моите способности.
Во однос на тоа дали е тука крајот на споредбите, па не би рекол. Со оглед на тоа што се работи за двајца великани во кошарката, кои константно рушеле рекорди и биле на врвот, податоците кажуваат дека битката е тесна и дека меѓусебно би се надополнувале, секој со своите доблести. Според нашиот пристап, гледајќи ги само финалните натпревари, кога според нас е најголем притисокот и се раѓаат победници, пиедесталот го зазема Мајкл Џордан.
Кажи ни нешто повеќе за самата реализација на анализата. Како дојдовте до податоците, каква беше нивната обработка, објасни ни го подетално целиот процес.
Податоците беа претходно “исчистени” и достапни на интернет. Наша задача беше да ги превземеме и да направиме визуелизација, при тоа одговарајќи на прашањето кој е најдобар на сите времиња.
Сепак, во нашиот случај, беше потребна дополнителна обработка на оригиналните податоци, за да може да се изведат некои од визуелизациите. Исто така, со оглед на тоа што се решивме поинаку да пристапиме кон самиот проблем, при што како најрелевантен фактор ги искористивме податоците само од финалните натпревари, беше потребно нивно дополнително филтрирање.
Откако ги средивме податоците, на сцена стапи креативноста и креирање на финалниот изглед на dashboard-от во PowerBI. Во тој сегмент посветивме најголемо внимание.
Дали останува простор за понатамошна анализа? Еве, штом го споделив проектот со луѓе што гледаат кошарка, веднаш предложија споредби со уште неколку познати имиња од историјата на НБА. 🙂
Навистина? А со кои кошаркари би ги споредувале овие два гиганта? Хаха..
Секако дека постои простор за понатамошна анализа, без разлика дали станува збор за истите кошаркари или за некои други. Сепак постојат кошаркари со повеќе прстени или постигнати поени од нив двајца.
Во тоа е и убавината на оваа проблематика. Секој поединец или тим ги гледа работите од своја перспектива и има уникатна идеја како да се претстават податоците. Можностите за споредби и визуелизации се бесконечни. Јас конкретно за овој challenge, сум фасциниран од креативноста на луѓето и начинот на кој тие решиле да ги прикажат податоците.
Филип, ти беше дел од тимот кој имаше едно до најдобрите BI решенија за проектот за Macedonia2025 како дел од Академијата. Имајќи го предвид и овој проект, дали визуелизацијата на податоци и изработка на dashboards ти е омилен домен за работа или кариерно би се насочил во друга насока?
Искрено, во моментов не би се ограничувал само на ова поле од Data Science со оглед на тоа што оваа сфера опфаќа широк дијапазон на дејности и можни професии. Сепак, би го издвоил како сегмент кој дозволува најголема слобода и креативност.
Јас, како логичар, изучувајќи го модулот за PowerBI во склоп на Академијата и посебно подоцна, работејќи на победничкиот проект за Macedonia2025, открив дека поседувам и креативни способности, што е за мене зачудувачки. Верувале или не, “Data Science is as much an art as it is a science”.
Според тебе, колку е важен овој сегмент на storytelling with data особено во комуникација со клиенти или оние што носат одлуки? И воедно, дали секој Data Scientist или аналитичар треба да поседува способности за што појасно и дескриптивно да ги покаже заклучоците од својата работа?
Сметам дека storytelling-от претставува клучен елемент во тоа дали некоја одлука на клиентот ќе отиде во една или во друга насока. Тоа е факторот кој го дефинира Data Scientist-от како одличен. За еден аналитичар или Data Scientist да може што појасно и дескриптивно да ги покаже заклучоците од својата работа, треба да биде детален, логички да размислува и да има одлични комуникациски вештини, сѐ со цел да може детално да го разбере проблемот, а потоа и да му го презентира на клиентот решението.
Сепак, мора да напоменам дека постојат и професии во Data Science сферата, кои не бараат storytelling with data, па се погодни и за поединци кои немаат такви афинитети.
Ти беше еден од студентите со најдобри перформанси во групата која што ја комплетираше програмата пред еден месец. Имајќи го предвид твоето портфолио како геодетски инженер, како би го сублимирал целото искуство на Академијата со оглед на вештините кои ги поседуваш сега?
Мене ми е сѐ уште неверојатно колкав прогрес остварив во текот на изминатата година. За толку краток период, успеав да напредувам во оваа сфера од мали познавања на Python, до ниво на креирање на комплексни Machine Learning модели. Тука би го истакнал моделот кој заедно со тимот го работевме за странската стартап компанија Renoon, како финален проект.
Се разбира дека сето тоа не беше наивно. Целиот тој процес бара конкретна визија, јасна насока, цврста решителност, истрајност, многу работа, енергија, време, пот… you get the point. Сепак, трудот кој го вложуваат инструкторите во нивната цел несебично да го пренесат своето знаење, фер е да се награди со успешни резултати.
Една од придобивките за кои што сум многу благодарен е стекнатите пријателства со кул личности, за кои верувам дека ќе бидат трајни.
Сѐ на сѐ едно навистина уникатно и незаборавно искуство.
Веќе не е толку интерна тајна дека доста се колебаше за тоа дали да започнеш обука во Data Science. 🙂 Иако беше одамна, дали можеш да се сетиш кои беа твоите тогашни стравови и сомнежи, и од оваа перспектива дали беа оправдани?
Да, за жал се сеќавам многу добро на тој период, кој пред сѐ се должеше на некоја моја нецелосна информираност околу проблематиката со која што се бави оваа сфера, како и стигмата која ја прати како најкомплексна област во ИТ светот. Дополнително на тоа, сѐ се случи во еден ден, без многу размислување, што не е својствено за мене. Од денешна гледна точка, тоа е најдобрата одлука што сум ја донел во мојот живот.
Затоа сакам да се заблагодарам на тимот на Brainster за вербата во мојот потенцијал и воедно да ја истакнам нивната способност за предвидување на соодветни Data Science кандидати со голема точност. 😊
Кои се твоите следни планови кога е Data Science во прашање? Не само во поглед на кариера туку и за надградување?
Секако дека главен план е да остварам кариера како Data Scientist. Можеби една од посакуваните опции е спојот на новата и старата кариера или конкретно, Spatial Data Scientist, нешто што сѐ уште не е актуелно кај нас.
Моментално се надградувам со онлајн курсеви и вебинари, но исто така, заедно со Александар, работиме на нешто интересно што е поврзано со визуелизации на податоци. Stay tuned!
На крај Филип, ти благодариме на времето за разговорот и секако честитки за успехот на Академијата и за уште еден завршен проект. Сега кога тешкиот пат е изоден, која би била твојата порака за секој што размислува да почне да учи Data Science?
Да веруваат во себе, да излезат од својата комфорна зона и да не се плашат да ризикуваат, бидејќи само тие што ризикуваат – успеваат. Единствено што треба да понесат со себе е желба за успех и елан за многу работа, а за сѐ друго ќе имаат поддршка од инструкторите и тимот на Brainster.
“Without data you are just another person with opinion.“
