2021年4月22日
2021年4月22日
贡献:杰基怀尔斯
使用先进的数据驱动的决策分析,法律领导人需要利用数据科学家的能力。
数据驱动决策的增长加速了整个组织分析能力的进步。法律功能也不例外,但很少的技能需要在法律中利用数据分析。我们需要的是内部数据科学家法律功能。
数据科学家拥有必要的技能,成功地实现和使用先进的分析。雇佣法律和合规数据科学家将使法律利用分析功能管理风险并告知最优资源配置,改善流程。
见解的Gartner法律和合规研究小组大纲的作用,数据科学家的报告结构和利用法律和合规功能。
阅读更多:5法律技术趋势变化的内部法律部门
数据科学家高学历人才在定量学科如数学、计算机科学或操作研究。他们可以执行复杂的数据发现和探索,执行数据分析提取知识或洞察力从数据(结构化或非结构化),构建复杂的预测和规范的模型。
简单地说,数据科学家擅长将大量的结构化和非结构化数据转换为见解,预测分析和机器学习(ML)模型决策自动化。
数据科学家与法律专家和数据工程师。与法律专家、数据科学家不需要拥有深入的法律知识。事实上,2018年的Gartner的法律功能的调查显示,14%的法律部门聘请了一位nonlawyer作为一个专门的法律数据科学家或数据分析专家。
数据工程师的角色是提供适当的数据访问和数据科学家。
电子的发现是使用最广泛的工作流合法数据分析(最常见的扑杀,早期案例评估和特权评审),但电子搜索以外的法律工作流也广泛采用分析,包括管理和信息管理问题。
这表明法律和合规通常部署数据科学家在这些工作流。
法律和合规数据科学家作为一个重要的法律功能和部门之间的接口等,促进技术交流专业知识,培养分析合作关系。
一些典型的法律和合规数据科学家的责任包括:
数据科学家来执行这些责任的能力取决于他们的经验。而初级数据科学家excel在理解数据模型和建筑毫升、他们有更少的力量和经验等方面的指导,合作和项目优先级。相比之下,高级数据科学家进入角色主要关注管理。
法律应该雇佣数据科学家只有一次足够数量的法律分析用例,一个坚实的基础数据和技术,支持先进的文化分析。
招聘数据科学家没有分析基础设施和用例最好利用这个天赋可以导致增加人员成本和非最优可用人力资源的利用率。过早的选择将导致合法的数据科学家花费大量的时间在一般性的任务,比如数据清理和静态报表。
相反,他们应该被用来执行更复杂的任务,比如建筑模型,应用自然语言处理,自动化时间叙事,auto-classifying数据和使用毫升技术。
加入你的同行在Gartner会议上公布的最新见解。
Gartner的客户推荐资源*:
*请注意,某些文件可能不会Gartner提供给所有客户。