.png)
Chcesz porozmawiać na temat naszego wsparcia?
Zostaw nam wiadomość
Zazwyczaj odpowiadamy w ciągu kilku godzin. Możesz również umówić się z nami na konkretny termin rozmowy klikając na poniższy link do naszego kalendarza.
Dla tych z Was, którzy nie spotkali się jeszcze z terminem „data science”, krótka definicja. Jest to nowa dziedzina nauki (praktyki ?) łącząca w sobie elementy statystyki, informatyki i nauk o zarządzaniu.
Data science można zdefiniować jako odkrywanie w dużych zbiorach danych ukrytej wiedzy, pozornie niedostępnej, która może być wykorzystana praktycznie.
Data science, a machine learning
Częścią data science jest tzw. uczenie maszynowe (machine learning / ML) - dziedzina wiedzy obejmująca odkrywanie przez algorytmy wzorców wśród zbiorów danych i podejmowanie na tej podstawie określonych decyzji. Uczenie maszynowe nie jest wcale nowym konceptem - ma mniej więcej tyle lat co nowoczesne komputery. W ciągu ostatnich 15 lat nastąpił wzrost jego znaczenia w związku ze wzrostem tzw. rozwiązań chmurowych (link do wpisu: Czym jest chmura ?) i gigantycznym wzrostem możliwości obliczeniowych, które stały się zdecydowanie bardziej dostępne.
Podkategorią machine learning jest pojęcie „deep learning”- tworzenie algorytmów odwzorowujących połączenia neuronowe ludzkiego mózgu.
Czy algorytm zastąpi człowieka?
Wielu komentatorów twierdzi, że uczenie maszynowe na dzisiejszym poziomie rozwoju (po roku 2010) stało się przełomem na miarę wynalezienia energii elektrycznej czy silnika parowego. Pojawiają się również głosy, że data science zastąpi informatykę jaką znamy - przykładowo algorytm może skuteczniej przeanalizować logi do systemu użytkowników i zaproponować jego dalszy rozwój niż analityk systemowy (tzw. „system mining”). Czy algorytmy uczenia maszynowego zaczną pisać kod zamiast programistów ?
Algorytmy uczenia maszynowego odpowiadają dzisiaj za technologie takie jak: rozpoznawanie twarzy, rozpoznawanie dźwięku, procesowanie języka naturalnego. Natomiast data science ułatwia min. rozwój medycyny czy też bezpieczeństwa (fizycznego, finansowego, informatycznego).
Covid-19, a rozwój data science
Jak wspomnieliśmy trend wzrostowy data science trwa od kilku lat. Pandemia Covid-19 może spowodować znaczne przyspieszenie trendu. Oczywistym stwierdzeniem jest, że data science przyspiesza, rozwój badań medycznych i dzięki temu przyczynia się do szybszego powstania leków i szczepionek. Również oczywiste jest stwierdzenie, że data science wspomaga rozwój aplikacji używanych w pandemii do śledzenia kontaktu pomiędzy ludźmi.
Jednoznacznie na przyspieszenie rozwoju dziedziny data science wskazują doświadczenia z czasu kryzysu lat 2008/2009. W tamtym okresie najbardziej ucierpiał rynek pracy dla ludzi nieposiadających ścisłych specjalizacji zawodowych. Z szeregu badań i studiów wykonanych w późniejszych latach wynika, że recesja przyspieszyła transformację cyfrową firm. Można uogólnić, że najlepiej poradziły sobie firmy, które najszybciej wdrożyły zaawansowaną analitykę oraz nauczyły się korzystać z Big Data.
Firmy w większym stopniu skoncentrowały się na szkoleniu wewnętrznym pracowników oraz tworzeniu wewnętrznych programów edukacyjnych w obszarze analizy danych.
Nowe zawody związane z data science nie wymagają certyfikatów czy określonych kierunków studiów - trudno więc mówić o strukturyzowanym kształceniu w tym zakresie oraz strukturyzowanym pozyskiwaniu talentów. W obszarze data science firmy potrzebują zbudować multidyscyplinarne zespoły posiadające zróżnicowaną ekspertyzę z różnych obszarów biznesowych.
Przewidujemy więc wzrost rynku szkoleń w obszarze data science i analizy danych. Skoro system edukacyjny nie nadąża za wzrostem znaczenie data science, biznes będzie musiał go tutaj zastąpić. W ostatnich miesiącach słyszy się już o pojęciu „data culture” jako elemencie kultury organizacyjnej.
Ostatnie miesiące, czyli okres pandemii, to w naszej ocenie również rozwój platform typu „crowd solving” oraz platform zbierających dane.
W czerwcu 2020 Facebook uruchomił nowy projekt - Forecast
Dostępny na razie jedynie na zaproszenie w USA i Kanadzie, Forecast tworzy społeczność zadającą pytania na temat trendów i udzielającą sobie nawzajem odpowiedzi. Niby w teorii nic nowego. Jednakże Forecast ma być odpowiedzią na zalew internetu fake newsami i manipulowaniem informacji - każde pytanie zadane na Forecast otrzymuje głosy innych użytkowników i w ten sposób zdobywa rating.
Na całym świecie widać również inicjatywy w budowaniu internetowych platform do współpracy pomiędzy data scientists w zwalczaniu Covid. Portal taki uruchomiła zarówno Komisja Europejska jak i Biały Dom. Co ciekawe podobną inicjatywę uruchomiła również afrykańska społeczność data scientists - Zindi, która jest prywatnym start-upem.
Jedno jest pewne: prawdziwy boom zapotrzebowania na data scientists dopiero przed nami.
Zazwyczaj odpowiadamy w ciągu kilku godzin. Możesz również umówić się z nami na konkretny termin rozmowy klikając na poniższy link do naszego kalendarza.