Av uppenbara skäl hade George Santayanas inte någon aning om att hans aforism ”De som inte kommer ihåg sitt förflutna är dömda till att upprepa det” (The Life of Reason) skulle stämma in väl på skapandet av artificiell intelligens. Det tar lång tid att bemästra kunskapen om hur data ska tolkas för att förstå vad som redan hänt. Det krävs att du förstår de historiska händelserna och därefter hur den data du samlat in hänger samman. Först när du kan använda data för att förklara händelser är det möjligt att lära sig förutspå framtiden med tillräcklig tillförlitlighet. Då kan du integrera lösningen med artificiell intelligens som automatiskt kan reagera på olika situationer. Följande är min utvecklingsresa, från rapportutveckling till AI-utveckling.
Från att titta i backspegeln till att vilja se in i framtiden
Min första handledare frågade mig vad jag ville göra när jag blev stor. Jag slängde ur mig den dåvarande hetaste trenden, ”business intelligens”, utan att veta vad den faktiskt stod för. I dag befinner jag mig fortfarande på den analytiska banan efter att ha börjat med kodning och rapportering.
Jag blev konsult väldigt snabbt. Först hade jag ansvar för rapportering till en kund och så småningom för en grupp kunder inom en företagssektor. När företag lärde sig ta datadrivna beslut förbättrades deras resultat, vilket ökade efterfrågan på ny data. Ett team började ta form omkring mig. Surret fanns där, men även försäljningen, när representanter från företagen ville använda data i ännu större utsträckning för att förstå vad som hände runt omkring dem.
För mig räckte det inte med att titta i backspegeln. Jag blev snart ivrig att lära mig hur jag kunde förutspå vad som skulle hända framöver.
Var ödmjuk – det finns alltid mer att lära
Jag fortsatte att stirra på data genom min kristallkula, utan att förstå något av den. Jag visste hur jag skulle kombinera och visualisera data, men detta var oanvändbart – jag behövde något mer. Sökande efter svar började jag gå igenom mina statistikstudier och fördjupade mig inom maskininlärning. Vägen framåt verkade lång och jag förstod att jag skulle behöva hjälp från en partner.
Jag sökte mig till en av Finlands bästa aktörer inom data – Solita. Det var uppenbart för mig att jag hade mycket att lära, men jag hade ingen aning om vilken galen resa det skulle bli. Varje teknik jag hade lärt mig visade sig vara en barnlek. När de moderna tekniktermerna ”big data”, ”DevOps”, ”data science” och ”the cloud” blev konkreta, visade det sig hur långt ifrån jag var – och fortfarande är – branschens spjutspets. Detta tack vare kollegor, den ena skickligare än den andra, som kunde färdigställa projekt med avslappnat självförtroende och med mycket bra resultat. Bäst av allt var hur de alla hade tid att lära mig deras bästa tips samtidigt som de genomförde sitt eget arbete.
Delarna klickar
Det har gått mer än ett år nu och de olika delarna har äntligen klickat i mitt huvud. Upplärd av de som kunde mer än jag och genom att lägga hundratals timmar av min lediga tid på att öva, växte jag in i att bygga big dataplattformar som använder data som råmaterial för analyser. Åtminstone kunde jag påbörja ett sådant projekt själv, för att sedan eventuellt ringa en expert när jag behövde göra något väldigt krävande.
Det tog också lång tid för mig att förstå att alla steg under resans gång mot en mer mogen analys är lika nödvändiga och värdefulla. Behovet av att visualisera data för den initiala förståelsen har inte försvunnit. Ingen smart avancerad analyslösning kan skapas utan stora volymer av högkvalitativ data. Nyckeln är att välja rätt verktyg och valet beror på respektive verksamhets användning av data.
De otåliga automatiserar sig själva för att lära sig mer
En brinnande önskan att möta nya utmaningar och öka sin produktivitet leder dig till att automatisera ditt eget arbete. Av denna anledning har jag börjat använda Solitas Agile Data Engine för att automatisera de upprepade stegen av vårt arbete, medan jag förbättrar mina kunskaper genom Solitas eget AI expertise training-program.
Utöver själva arbetet är det bästa sättet att lära sig genom att lära andra. För att lära mig mer av den analytiska tillväxtresan handleder jag nyligen examinerade Solita-anställda och hjälper de största finska företagen uppmärksamma och utveckla sin dataförmåga. Om du är intresserad av hur du kan utveckla din dataförmåga eller hur du kan använda data för att få din verksamhet att växa, hör av dig! Nedan kan du även hitta mina tips på hur du kan ta del av den analytiska världen och få ditt drömjobb. Det kan finnas närmare än du tror.
5 tips för din drömkarriär:
- Lär dig de tekniska grunderna. Udemy har bra utlärningsmaterial inom maskininlärning, deep learning och artificiell intelligens.
- Gör dina egna övningsprojekt! Du kan hitta förslag på Kaggle, välkänt inom data science-kretsar.
- Gör en demo av dina övningsprojekt och nätverka med andra som kan agera mentor åt dig.
- Presentera din demo för potentiella nya kunder och fråga dem hur de kan dra nytta av att bättre använda sig av data. Om idéerna inte dyker upp, inspirera dina kunder med ett par exempel på potentiella möjligheter.
- Sluta inte efter att du fått ditt första jobb – fortsätt lära dig!
Olli Lindroos arbetar för Solitas Data-team. Han är en passionerad student och förespråkare för en datadriven kultur, med ett intresse för teknik i alla former, oavsett om det rör användarupplevelsen, teknisk implementering eller möjligheter för företagsstrategi. Olli beskriver sig själv som en pappa och en nörd, såväl som en mat- och dryckesfantast. På sin lediga tid gillar Olli att testa de senaste trenderna som konsument och bygga den IoT-utrustning han själv behöver. Olli finns på Twitter under namnet @ollilind.
