تا 5 سال آینده
40 درصد کارهای علم داده‌ها خودکارسازی خواهد شد
گارتنر پیش‌بینی کرده است: «بیش از 40 درصد از وظایف مربوط به علم داده‌ها تا سال 2020 مکانیزه خواهند شد. رویکردی که در نهایت منجر به افزایش بهره‌وری و به کارگیری گسترده داده‌ها و علم تحلیل داده‌ها خواهد شد. این رویکرد نوین به واسطه شکل‌گیری پست تازه‌ای به نام citizen data scientist شکل خواهد گرفت.»

همه ما با اصطلاحاتی همچون علم داده‌ها، داده‌کاوی و تحلیل‌گر کسب‌وکار آشنایی داریم. اما گارتنر سال 2015 میلادی مفهومی به نام citizen data scientist را معرفی کرد. ترجمه لغت به لغت این اصطلاح "شهروند علم داده" است. شاید در نگاه اول این ترجمه معنای چندان روشنی نداشته باشد اما زمانی که با ماهیت آن آشنا شویم مشاهده می‌کنیم که این اصطلاح چندان عجیب و غریب هم نیست.

مطلب پیشنهادی

تحلیل عکس‌های رادیوگرافی با شبکه‌های عصبی

شهروند علم داده‌ها

گارتنر اصطلاح فوق را این‌گونه توصیف کرده است: «فردی که بتواند مدل‌هایی را تولید یا ایجاد کرده و این مدل‌ها به عنوان یک اهرم برای پیش‌بینی یا ارائه راهکارهایی در زمینه تجزیه و تحلیل داده‌ها مورد استفاده قرار گیرند، در حالی که حیطه کاری و وظایف اصلی این شخص خارج از محدوده آمارها و تحلیل‌ها قرار داشته باشد را citizen data scientist می‌نامیم.»

به بیان ساده‌تر نقشی که به واسطه این اصطلاح به یک کارمند اختصاص پیدا می‌کند، جایگاهی میان دانشمند علم داده‌ها و تحلیل‌گر کسب‌وکار دارد. این کارمند در گذشته جزء کارمندان معمولی یک سازمان بوده اما به واسطه تجارب، دانش و مهارت‌های زیربنایی که در طول سال‌ها به دست آورده‌ این توانایی را به دست آورده است تا علم آمار و مفاهیم مرتبط با تحلیل پیشرفته داده‌ها را به خوبی درک کند. حال آن‌که این کارمند لزوما یک متخصص (دانشمند) علم داده‌ها یا تحلیل‌گر کسب‌وکار نیست. در نتیجه همان‌گونه که ممکن است حدس زده باشید توصیف شهروند علم داده‌ها برای چنین کارمندی دور از ذهن نیست.

بر مبنای تعریف ارائه شده از سوی گارتنر، شهروند علم داده‌ها نقشی همانند یک پل دارد. به طوری که شکاف موجود میان جریان اصلی سرویس‌های خودتحلیل‌گر با کاربران تجاری و فناوری‌های پیشرفته تحلیلی علم داده‌ها را پر می‌کند.

این افراد می‌توانند یکسری تحلیل‌های پیچیده که در گذشته دسترسی به آن‌ها امکان‌پذیر نبود را به شکلی تخصصی و کاملا پیچیده مدیریت و سازمان‌دهی کنند. این افراد بدون آن‌که هیچ‌گونه مهارتی در ارتباط با علم داده‌ها داشته باشند، قادر هستند تحلیل‌های پخته و آماده شده را به شکل قابل اعتمادی آماده کنند. علم داده‌‌ها در طول این سال‌ها موفق شده است ظرفیت‌ها و کارکردهای خود در صنایع مختلف را به منثه ظهور بگذارد. تقریبا هر پلتفرم نرم‌افزاری تحلیل‌گری تمرکزش بر ساده‌سازی اهداف برجسته یک سازمان متمرکز شده است.

این کار از طریق خودکارسازی وظایف مختلفی همچون ادغام‌سازی داده‌ها و ساخت مدل‌ها انجام می‌شود. الکساندر لیندن، معاون بخش تحقیقات گارتنر در این ارتباط گفته است: «ساخت محصولات مبتنی بر علم داده‌ها برای شهروند علم داده‌ها  ساده است، اما در مقابل به کارگیری آن به یک سازمان کمک می‌کند تا به شکل قابل توجهی شکافی که در ارتباط با مهارت‌های تخصصی  در یک سازمان به وجود آمده است را پر کند. کلید ساده کردن کارها در خودکارسازی وظایف تکراری مستتر شده است. به طوری که در عمل نیاز به تخصص‌هایی همچون داده‌ کاوی‌های عمیق را کم خواهد کرد. زمانی که خودکارسازی بیشتر شود بهره‌وری علم داده‌ها به شکل چشم‌گیری بهبود پیدا کرده و متعالی‌تر خواهد شد.»

برچسب: