Prim Hírek

A data scientistek munkája azonban egyre fontosabbá válik, mivel sok szervezet felgyorsítja a digitális átalakulási projektjeit, az üzleti műveletek javítására szolgáló fejlett technológiai vívmányok felhasználásával. A válaszadók több mint 90%-a jelezte, hogy munkájuk fontossága legalább ugyanannyira jelentős vagy még jelentősebb, mint a világjárvány előtt.

Hogy még mélyebben belemerülhessünk a data science aktuális helyzetébe, a jelentés felméri a világjárvány hatásait, a kihívásokat, az elemzési környezettel való általános elégedettséget stb. A kutatás kimutatta, hogy a világjárvány alapjaiban forgatta fel az általános üzleti gyakorlatokat, átírta a hipotéziseket és változókat a modellekben és a prediktív algoritmusokban, és a folyamatokban a bevett gyakorlatok és működési paraméterek megváltozott környezethez idomuló adaptációjára sarkallta a szakembereket.

A válaszadók több mint kétharmada elégedett volt az analitikai projektek eredményeivel. Ugyanakkor, a data scientistek 42%-a elégedetlen volt azzal, ahogy vállalkozásuk az analitika és a modellezés adta lehetőségeket felhasználja, illetve, ahogy a kapott eredményeket felhasználja a döntéshozatali folyamatban. Ezt támasztja alá az is, hogy 42 százalékuk szerint a data science eredményeket az üzleti döntéshozásban egyáltalán nem használják, ami az egyik legnagyobb akadály a szakma számára.

A felmérés rávilágított néhány speciális készséghiányra is. A válaszadók kevesebb mint egyharmada számolt be arról, hogy fejlett vagy szakértői jártassággal rendelkezik az olyan, technikai készségeket erősen igénylő alkalmazásokban, mint a cloud management vagy a database administration. Ez azért is gond, mert a felhőszolgáltatások használata jelentősen megnőtt, a megkérdezettek 94%-a úgy nyilatkozott, hogy a COVID 19 óta ugyanolyan vagy nagyobb mértékben használnak a felhőalapú szolgáltatásokat.

"A világjárvány erősen felgyorsította a szervezeteknél már korábban is tervben lévő, digitális átalakulási törekvéseket, ennek köszönhetően egyértelműen megnőttek a data scientistekkel szembeni elvárások is" – mondta Dr. Iain Brown, az SAS egyesült királysági és írországi Head of Data Science-e. "A probléma egyik fő forrása az, hogy megtaláljuk a módját annak, hogy a szervezetek az elemzési projektekből származó eredményeket hogyan integrálják a döntéshozatali folyamatba. A data scientisteknek helyet kellene adni a bizottsági asztaloknál, ez például előremozdíthatná a dolgot.

Ezen felül a data science csapatok támogatása és a tehetség hiánya is egy ideje már aggodalomra ad okot, mivel a jelenlegi kereslet meghaladja a kínálatot. A szervezeteknek fel kellene ismerniük, hogy a kiegészítő készségekkel rendelkező data science csapatokba történő befektetés hatalmas értéket jelenthet az üzlet számára, illetve a szakemberek bérköltsége esetében figyelembe kellene venni a befektetési megtérülési mutatót is, amikor lényegesen több digitális és AI-vezérelt üzleti folyamat felé haladunk.”

A kutatás hiányosságokat tárt fel az AI-etika következetes szervezeti hangsúlyozásában is: a válaszadók 43%-a jelezte, hogy szervezete nem végez konkrét felülvizsgálatot az analitikai folyamatokról az elfogultság és a diszkrimináció tekintetében, és csak a válaszadók 26%-a számolt be arról, hogy a tisztességtelen elfogultságot a modell sikerének mércéjeként használják szervezetükben.

A kutatás pozitív eredményekre jutott a világjárvány által felkavart munkakörnyezeti változásokban. A megkérdezettek közel háromnegyede (73%) mondta, hogy ugyanolyan produktív vagy produktívabb a világjárvány óta, míg hasonló arányban (77%) nyilatkoztak úgy, hogy ugyanolyan vagy nagyobb mértékű együttműködést folytatnak kollégáikkal. Ez arra utal, hogy az említett kihívások közül sok létezett a világjárvány előtt is, bizonyos esetekben még nagyobb mértékben is, mint azóta.

További akadály az adatok előkészítésére és a modellek létrehozására fordított idő közötti aránytalanság. A válaszadóknak több időt kell tölteniük (58%) adatgyűjtésre, rendezésre és tisztogatásra, mint amennyit szeretnének.

"Összességében a data science szakembereknek bőséges oka van az optimizmusra, hiszen a világjárvány reflektorfénybe helyezte a szervezeten belüli szerepük fontosságát és azt, hogy az idővel hogyan fejlődhet" – mondta Brown. "Ez különösen igaz, ha a data scientistek a rendelkezésre álló eszközök teljes spektrumát ki tudják használni az analitikai életciklus kezelésére, data science képzésekre és készségfejlesztési lehetőségekre, illetve ha az adatok előkészítését a modellezési folyamat első lépéseként kezelik.”