🚀 Будущее Data Science: что ждет отрасль в ближайшие пять лет

Будущее Data Science связано с прогрессом алгоритмов машинного обучения и технологий для работы с большими объемами данных. В этой статье обсуждаем прогнозы того, что ждет дата сайентистов в следующие пять лет.

Будущее Data Science: что ждет отрасль в ближайшие пять лет

Специалисты Data Science собирают и исследуют информацию с помощью различных инструментов анализа, превращая разрозненные массивы данных в сжатые представления практически важных знаний. Стать хорошим специалистом непросто: необходимо обладать глубокими знаниями алгоритмов машинного обучения и других методов работы с данными, знать язык программирования (обычно Python или R), владеть ETL-навыками.

На развитие рынка данных оказывает влияние стремительный рост их объема, постепенное осознание организациями важности Data Science, спрос на анализ Big Data, потребность бизнеса в интерпретируемых аналитических методах. По данным International Data Corporation, к 2022 году мировая выручка от продажи решений для обработки больших объемов данных и бизнес-аналитики достигнет 260 млрд долларов, а среднегодовые темпы роста составят 11.9%. К 2025 году большинство операций, которые сейчас выполняются в Data Science вручную, станут автоматизированными. К 2030 году Data Science уже не будет заниматься поиском и очисткой данных. Эту задачу возьмут на себя программные роботы.

Активнее всего Data Science развивается в Северной Америке и Азиатско-Тихоокеанском регионе. Государственным регулирующим органам приходится реагировать на развитие технологий. Всё сложнее найти баланс между национальными интересами государств, экономическим прогрессом и правом людей на частную жизнь. Однако, как замечает ведущий специалист компании Dun & Bradstreet Антони Скриффиньяно, машинное обучение не имеет географических границ: то, что может быть неприемлемо в одной точке мира, может нормально восприниматься в другой. Модели и наборы данных, разработанные и собранные в регионах с меньшим вниманием к конфиденциальности и этике данных, могут использоваться аналитиками данных в государствах с другими культурными правилами. Наука о данных ещё не раз столкнется с различными этическими вопросами анализа персональной информации.

Применение Data Science в бизнесе

Бизнес может использовать Data Science различными способами. Например, компания по продаже недвижимости из английского Дарема анализирует более 700 личных факторов: демографические данные, изменения доходов, покупательское поведение и история каждого продавца. Эти данные сопоставляются со средними показателями по стране. Так агент узнаёт, когда стоит связаться с продавцом, чтобы иметь лучший шанс на заключение сделки. Системы с похожей функциональностью используют и американские компании, занимающиеся недвижимостью.

Amazon стал наглядным примером того, насколько полезным может быть сбор данных для обычного покупателя. Запоминая что вы приобрели, сколько заплатили и что искали, Amazon показывает на главной странице только те предметы, которые могут быть вам потенциально интересны. Такая стратегия одновременно повышает рентабельность розничной торговли и экономит деньги потребителей.

Хотя модели машинного обучения могут быть очень полезны, многие бизнес-пользователи не доверяют процессам, которые они не понимают. Сами по себе большие данные бесполезны без анализа. Наука о данных должна найти способы сделать модели ML более понятными для бизнеса.

Востребованность профессионалов в области Data Science

Спрос на специалистов по Data Science в ближайшие пять лет будет только расти. Сайт Glassdoor четвёртый год подряд называет специалиста по Data Science «работой №1 в США». Бюро трудовой статистики США сообщает, что к 2026 году ожидается рост занятости в этой сфере на 27.9%. Согласно отчёту MHR Analytics, 80% британских компаний планируют нанять в этом году специалиста по работе с данными или обратиться за консультацией по Data Science. Однако есть не только огромный спрос, но и заметная нехватка квалифицированных аналитиков данных.

Data Science: всё больше применений

Data Science распространяется далеко за пределы розничных продаж, страхования и финтеха. Мы каждый день используем применения Data Science, когда социальная сеть, музыкальный стриминговый сервис или YouTube рекомендуют нам контент.

Миллиарды пользователей по всему миру пользуются смартфонами, часами и другими электронными устройствами, генерируя колоссальный объем данных. Обработка данных с носимых трекеров позволит у большого количества людей выработать здоровые привычки и предотвратить критичные проблемы со здоровьем. Медицинские данные с носимых устройств помогут при диагностике и ускорят разработку лекарств.

Кроме того, обработка медицинских данных поможет предотвращать эпидемии. Во время вспышки эпидемии Эбола в 2014 г. в Африке учёные смогли проследить за распространением заболевания и выявить наиболее уязвимые районы. Для этого использовались данные, полученные от оператора мобильной связи Сенегала. Благодаря этим данным стало известно, где и с кем находились заболевшие люди во время инкубационного периода вируса, когда болезнь ещё не проявляет симптомов. Можно надеяться, что прошедшие в этом году многочисленные хакатоны по теме COVID-19, также помогут в предотвращении стремительного распространения других вирусов.

Фермеры используют Data Science для повышения эффективности выращивания и доставки овощей, производители продуктов питания – для сокращения количества отходов. Организации волонтёров и активистов применяют Data Science для прогнозирования финансовых поступлений и поисков путей их увеличения.

Уже сейчас количество устройств, подключённых к Интернету вещей, превышает семь миллиардов, через семь лет ожидается, что их количество вырастет до 21.6 миллиарда устройств.

Что ждёт специалистов Data Science

Большое развитие получат системы, позволяющие поставить на поток рутинные операции и ускорить разработку. Автоматизация таких задач, как выбор и оценка алгоритмов, может до 10 раз сократить время, необходимое для работы с данными. Улучшение качества алгоритмов и упрощение программных инструментов снизит порог входа в профессию. Такие простые алгоритмы машинного обучения, деревья решений, теперь развернуть проще простого. А для понимания таких фреймворков, как PyTorch и TensorFlow и вовсе не требуется докторская степень по математике.

IDC прогнозирует, что к 2025 году почти 30% мировых данных будет поступать в режиме реального времени. Предварительно обученные модели искусственного интеллекта будут использоваться всё более широко, а повсеместная практика их применения позволит сократить время и усилия, необходимые для обучения.

Возникнут API, позволяющие встраивать в уже существующие приложения технологии работы с большими объемами данных. Благодаря Data Science более дружественными для пользователя станут VR (Виртуальная реальность) и AR (Дополненная реальность). Сбор и обработка данных будут актуальны и для тех, кто занимается блокчейн-технологиями. Чем важнее данные, тем важнее и их защита. Поэтому вырастет спрос на классных специалистов по защите информации. Уже появилось такое направление IT, как безопасность Data Science.

Зарплаты специалистов начинаются от $100 000 в год для разработчика архитектуры, и приложений, от $70 000 в год для статистика и от $62 000 в год для аналитика данных. Профессионала в области Data Science будут рады видеть в своих рядах Google, Amazon, Apple, Microsoft, Facebook или Яндекс. Молодая компания или стартап предложат специалисту по Data Science разнообразные возможности проявить свои таланты, а вместе с тем стать одним из важных участников проекта. Огромный потенциал ожидает проекты на стыке Data Science и квантовых вычислений.

Развиваются не только алгоритмы машинного обучения, но и производительные мощности: как специальные тензорные процессоры, так и сфера облачных вычислений. В результате анализ больших данных становится всё более доступным не только для корпораций, но и для компаний меньшего размера. Будущее – в специалистах, которые будут использовать это оборудование.

Если вы опытный разработчик программного обеспечения или же только начинаете свой путь в IT, вам стоит обратить внимание на учебный курс по Data Science от GeekBrains. Вы увидите, что программа по высшей математике может быть захватывающей даже для тех, кто скучал на математике в институте или школе. А технологии машинного обучения и нейронные сети перестанут быть далекими абстракциями и превратятся в набор удобных инструментов для задач бизнеса. Участие в факультативах познакомит с наставниками, готовыми стать вашими работодателями на старте карьеры.

Источники

• https://proglib.io/p/kak-kompanii-prevrashchayut-dannye-v-dengi-obzor-rossiyskih-praktik-data-science-2020-07-18
• https://www.itransition.com/blog/the-future-of-big-data
• https://www.forbes.com/sites/matthunckler/2017/12/20/this-real-estate-startup-uses-data-science-to-predict-home-listings-before-they-happen/#650ab44b38d8
• https://www.simplilearn.com/the-future-of-data-science-article
• https://www.northeastern.edu/graduate/blog/data-science-careers-shaping-our-future/
• https://www.houseofbots.com/news-detail/12029-1-how-will-data-science-and-data-scientists-in-2030-be-like