Истории

Специалист по данным: как эта профессия изменилась за 10 лет

Истории
Дарья Сидорова
Дарья Сидорова

Редактор отдела «Истории».

Дарья Сидорова

В 2012 году издание Harvard Business Review назвало специалиста по данным «самой привлекательной работой 21 века». Тогда профессия считалась относительно новой и пользовалась спросом в основном в области залива Сан-Франциско и в нескольких других прибрежных городах.

С тех пор мир захватили большие данные, и компании осознали, что кто-то должен извлекать из них полезные идеи. В материале — о том, как изменилась профессия дата-сайентиста за 10 лет и сохранила ли она свою привлекательность.

Специалист по данным: как эта профессия изменилась за 10 лет

Институционализация

В 2012 году наука о данных была зарождающимся элементом даже в ИИ-стартапах. На сегодняшний день в этой сфере работают довольно устоявшиеся механизмы, по крайней мере в компаниях, сосредоточенных на данных и ИИ.

Команды специалистов по данным есть во многих организациях — от банков и страховых компаний до ритейлеров и даже медицинских учреждений. А в крупных финтех-компаниях могут насчитываться сотни таких сотрудников.

Наука о данных также показала эффективность при решении социальных кризисов, подсчете и прогнозировании заболеваемости и смертности от коронавируса, а также при борьбе с погодными катаклизмами.

Начни карьеру HR-менеджера с нуля – сравнивай лучшие программы обучения и читай отзывы в каталоге курсов управления персоналом.

Во многом институционализации способствовало увеличение числа образовательных программ, ориентированных на дата-сайенс. В 2012 году их практически не было, и в этой сфере работали специалисты из смежных областей. Теперь же в области науки о данных, аналитики и ИИ доступны сотни учебных программ — от бакалавриата и магистратуры до онлайн-курсов и учебных лагерей.

Однако одной программы, скорее всего, будет недостаточно, чтобы развить все необходимые навыки. Фактически, выбор лучшей среди доступных вариантов даже в рамках одного учреждения — вызов для будущих специалистов по данным и их работодателей.

Расширение числа специальностей

В 2012 году предполагалось, что специалист по данным может справляться со всеми задачами в своей области: разработать концепцию варианта использования, быть посредником между бизнесом и поставщиком технологий, создать алгоритм и внедрить его на производстве.

Сейчас многие из этих задач распределяются между смежными должностями, такими как инженер машинного обучения, инженер данных, специалист по ИИ, аналитик и менеджер продукта. Отчасти это связано с тем, что один специалист не может обладать всеми навыками, необходимыми для успешного развертывания сложной системы ИИ или аналитики.

Согласно отчетам Jobs on the Rise за 2021 и 2022 года от LinkedIn, в США некоторые из смежных профессий обошли по популярности специалиста по данным.

Поскольку количество специальностей в дата-сайенс увеличилось, компаниям следует определить, какие из них требуются для их бизнеса, обеспечить присутствие таких специалистов и предоставить им возможности для взаимодействия с другими командами.

Технологические изменения

Одна из причин, по которой меняется эта профессия, заключается в развитии технологий. Некоторые тенденции продолжают направления, существовавшие еще в 2012 году, такие как использование инструментов с открытым исходным кодом и переход к облачной обработке и хранению данных.

Однако ряд изменений затрагивают и ключевые механизмы работы. К примеру, некоторые направления дата-сайенс все больше автоматизируются с помощью AutoML (автоматизированного машинного обучения). Они позволяют повышать продуктивность профессионалов, а также подключать к работе «гражданских специалистов по данным» (citizen data scientists).

Такие инструменты пока не повлияли на привлекательность профессиональных дата-сайентистов, но это может произойти в будущем.


Читайте по теме: Шесть трендов в сфере данных и аналитики в 2022 году


Компаниям следует начать демократизировать продвинутую аналитику и ИИ в рамках своих организаций. А специалисты по данным, в свою очередь, будут проверять, насколько точны модели, разработанные «гражданскими специалистами», и используют ли они все соответствующие данные.

Стало ясно, что модели могут отклоняться при неспокойной экономической обстановке, например во время пандемии. По этой причине больше внимания теперь уделяется отслеживанию точности моделей после развертывания, в чем помогают MLOps-инструменты. Но автоматическое обучение отклоняющихся моделей лишь начинает применяться. Некоторые инструменты AutoML и MLOps даже могут проверять модели на алгоритмическую предвзятость.

В результате развития технологий написание кода теряет значение для науки о данных. Эта задача передана другим специалистам или же автоматизируется (исключением является лишь очистка данных). В то же время десять лет назад этот навык был наиболее распространенным требованием для работы.

Основное внимание специалистов по-прежнему смещается в сторону прогнозирования и способности превращать проблемы и требования бизнеса в модели. Все это предполагает совместную деятельность, но для нее пока не разработаны должные инструменты.

Вопросы этики

В 2012 году этический аспект дата-сайенс упоминался редко, но теперь значительное внимание уделяется вопросам алгоритмической предвзятости, прозрачности и ответственного использования аналитики и ИИ. Некоторые компании уже сформировали процессы и команды, которые занимаются этими вопросами.

Таким образом, в науке о данных как продолжаются прошлые тенденции, так и зарождаются новые. Некоторые из них, такие как расширение числа специальностей и необходимость учитывать этические аспекты, отчасти связаны с широким распространением этой сферы.

Объем данных, аналитики и ИИ в бизнесе и обществе вряд ли сократится, а значит востребованность специалистов по данным лишь продолжит расти.

Источник.

Фото на обложке: Unsplash


Подписывайтесь на наш Telegram-канал, чтобы быть в курсе последних новостей и событий!

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter

Материалы по теме

  1. 1 Стартовал ML-контест от российской ИТ-компании Brand Analytics на платформе DevChamp
  2. 2 Стартовал всероссийский чемпионат проекта «Цифровой прорыв. Сезон: искусственный интеллект»
  3. 3 В рамках чемпионата по ИИ и машинному обучению в Удмуртии решат задачу для космической корпорации
  4. 4 В Башкортостане стартует первый региональный чемпионат конкурса «Цифровой прорыв. Сезон: искусственный интеллект»
  5. 5 Работа над инновационным продуктом за пять шагов
Relocation Map
Интерактивный гид по сервисам и компаниям, связанным с релокацией
Перейти