Podatkovni znanstvenik najtraženije je zanimanje budućnosti u mnogim industrijama. Svi žele na svojoj strani nekoga tko razumije podatke koji se u suvremenim okolnostima prikupljaju u enormnim količinama. Pouke iz podataka mogu se upotrijebiti za donošenje strateških odluka o poslovnom razvoju, ali i svakodnevnim potezima koji profit znače. Budući da su podatkovni znanstvenici u Hrvatskoj malobrojni i da u Liderovoj redakciji najviše od svega volimo kada imamo konkretan primjer, kako bi dobili kvalitetan uvid u to čime se zapravo podatkovni znanstvenici bave, krenuli smo u potragu za primjerima od krvi i mesa.
Od malih je nogu Ivanu Nižetić Kosović, podatkovnu znanstvenicu iz Ericsson Nikole Tesle, zabavljala matematika, a nešto kasnije i računarstvo. Završila je inženjerski smjer matematike na zagrebačkom PMF-u pa doktorski studij računarstva na FER-u gdje je i radila idućih deset godina primjenjujući matematičke modele uz pomoć računarstva na stvarne probleme. Povratkom u Split dobila je priliku s kolegom u Ericsson Nikola Tesli osmisliti i započeti rad istraživačkog laboratorija gdje se danas bave analitikom prostorno-vremenskih podataka.
– Takva vrsta podataka je u posljednje vrijeme sveprisutna, a primjeri su meteorološki podaci, oceanografski podaci, podaci o tlu, o prometu, kretanja ljudi– kaže Nižetić Kosović i navodi dva primjera na kojima trenutno rade, jedan je predviđanje kvalitete morske vode za kupanje, a drugi određivanje rizika nastanka požara.
Prvi, predviđanje kvalitete morske vode za kupanje provodi se u suradnji s Hrvatskom zakladom za znanost, a voditelj mu je znanstvenik s Instituta za oceanografiju i ribarstvo.
- Kvaliteta mora određuje se na temelju količine bakterija koje su prisutne u uzorku mora uzetog u blizini plaže, a vrši se mikrobiološkom analizom i rezultat se dobiva 24-48 sati nakon uzorkovanja. Ako želimo odrediti je li more povoljno za kupanje sada, jedino nam preostaje problem modelirati uz pomoć raznih drugih parametara okoliša i predvidjeti s nekom vjerojatnošću koliko je more čisto. Za izgradnju modela strojnog učenja koriste se podaci dobiveni na prošlim mjerenjima i dodatni podaci dobiveni s raznih izvora kao što su meteorološke stanice i sateliti - priča podatkovna znanstvenica iz ENT-a.
Nižetić Kosović je mentorica kolegici iz firme koja će doktorirati geofiziku na temu određivanja rizika nastanka požara pa dodaje kako se i u tu svrhu koriste razni podaci i modeli. Cilj tog doktorskog rada i projekta koji se provodi u laboratoriju je da se vatrogascima ponudi bolja alternativa od one koja je sada dostupna sa službenih izvora, a prema njoj je, u Dalmaciji tijekom cijelog ljeta visoka opasnost od požara.
U splitskom laboratoriju se provodi još mnogo projekata, daje nam do znanja sugovornica kojoj je najveći izazov u poslu to što ne raspolaže uvijek s idealnim podacima.
- S obzirom na to da radim na stvarnim problemima, podaci nikad nisu idealni poput onih koji se susreću kada se polaže neki tečaj ili nađe primjer na internetskim grupama. U toj prvoj fazi proučavanja i razumijevanja podataka, koja potraje 80 posto vremena, suočim se i s podacima koji nedostaju, s prerijetkim mjerenjem nekog važnog parametra, nebalansiranim podacima i slično. Uvijek dajem i dovoljno pažnje cjelokupnom procesu da ne bi olako primijenila pogrešan model na podatke ili pogrešno protumačila rezultat modela, za što mislim da je velika zamka danas lako dostupnih gotovih programskih biblioteka za strojno učenje i brzih tečaja za bavljenje podatkovnom znanošću – ističe Nižetić Kosović.