STIAMO ASSISTENDO ALLO SCOPPIO DELLA BOLLA DELLA SCIENZA DEI DATI?
COVID-19 ha portato a spostare le priorità e le aziende stanno rivalutando le strategie in tutte le loro attività poiché le risorse sono limitate. Ciò ha portato le aziende a fare i conti con la realtà del valore aziendale con la scienza dei dati.
I licenziamenti di massa nel settore della tecnologia, compresi molti data scientist, hanno molti affermano che la bolla del talento è finalmente scoppiata. La pandemia ha fornito alle organizzazioni una buona ragione per ridurre i compensi per i data scientist, che in precedenza erano in forte aumento a causa della crescente domanda. È vero che negli ultimi cinque anni il numero di candidati è aumentato esponenzialmente nella scienza dei dati.
Si prevede che le aziende correranno ora per la riduzione dei costi, l’ottimizzazione dei processi aziendali e l’automazione a causa della pandemia, e questo alla fine ridurrà la domanda di data scientist nel prossimo futuro.
“Negli ultimi due anni, l’economia stava andando abbastanza bene, e poiché ogni azienda voleva partecipare alla corsa all’intelligenza artificiale, hanno iniziato a raccogliere questi team di data science. Ma non hanno fatto la dovuta diligenza nelle assunzioni. Non avevano in mente una visione chiara di come la loro strategia di intelligenza artificiale avrebbe effettivamente aiutato ”, afferma Dipanjan Sarkar , Responsabile della scienza dei dati presso Applied Materials.
Swapnil Jadhav, scienziato principale (Applied Research) di DailyHunt ha anche scritto su Medium dicendo: “È un clamore per la maggior parte del tempo. L’intelligenza artificiale è una parola ronzante e molte aziende e start-up inducono in errore investitori e consumatori dicendo che stanno usando l’IA e l’apprendimento profondo.
Le organizzazioni di tutto il mondo stanno ora allineando i loro obiettivi sui ruoli principali associati alle funzioni aziendali essenziali. Molti affermano che la scienza dei dati non è quindi una funzione essenziale, ed è qui che molti data scientist sono stati tra i primi a essere licenziati.
“Le aziende potrebbero pensare di non ottenere alcun valore tangibile da grandi team di data science. Ciò può innescare una mossa per ridurre il personale, il che potrebbe non essere essenziale “, ha aggiunto Dipanjan.
Realtà Sugarcoating
“Posso ricoprire di zucchero e dirti quanto sia fondamentale la scienza dei dati, ma per la maggior parte delle aziende, il 90% del lavoro e dell’intelligence possono essere eseguiti con semplici trucchi ingegneristici e alberi decisionali manuali. E la scienza dei dati è lì per migliorare questo 90% al 95-99%. Ma molte volte potrebbe non essere nemmeno significativo. La scienza dei dati è essenziale solo laddove genera denaro o risparmia denaro o genera proprietà intellettuale, che ha un valore monetario futuro “, secondo Swapnil.
La creazione di sistemi distribuiti scalabili per la distribuzione di modelli ML richiede competenze informatiche di base. Per un buon ingegnere, i modelli ML sono solo una delle tante cose da produrre in serie. I team di data science sono solo un piccolo aspetto dell’intera business unit. Inoltre, i data scientist potrebbero dover affrontare resistenze poiché desiderano modificare o migliorare i processi aziendali prevalenti, motivo per cui molti progetti di data science rimangono Proof of Concepts (PoC) per lungo tempo, affermano gli esperti.
Dove vanno i soldi
“La gestione di livello superiore probabilmente potrebbe mancare di rendersi immediatamente conto del valore della scienza dei dati per le funzioni e le entrate principali del business. Il divario è sempre stato lì tra le imprese e il sottoinsieme tecnico delle persone. L’obiettivo principale rimane quello di risolvere i problemi aziendali di alto livello e di essere in grado di mostrare il valore “, secondo Dipanjan.
Se il valore non è visibile, le aziende probabilmente sceglieranno il talento e licenzieranno il resto, come abbiamo visto. Con la disponibilità di così tanti talenti rispetto al valore commerciale tangibile, influenzerà il modo in cui le aziende guardano alla scienza dei dati.
“Le persone devono capire che la scienza dei dati non è niente di speciale rispetto a qualsiasi altro campo relativo all’IT. Inoltre, è un’opera non essenziale. Sono fermamente convinto che le persone di data science verranno licenziate prima degli ingegneri nella peggiore situazione di qualsiasi azienda (come la pandemia di Covid-19 ”, secondo Swapnil Jadhav.
Quindi, cosa fare di questa situazione? Molti sostengono che i data scientist come set di competenze standalone potrebbero lottare da qui senza avere competenze tecniche, specialmente quando la maggior parte delle aziende si sta spostando verso il cloud, dove i modelli di data science potrebbero essere automatizzati .
Oltre a costruire modelli per prevedere qualcosa, ci sono molte opportunità in altre aree. L’innovazione della PNL nella classificazione automatizzata dei documenti, ad esempio, è un valore aggiunto tangibile. Tuttavia, la maggior parte delle organizzazioni non sa ancora come assumere, sviluppare o eseguire bene la scienza dei dati a causa del crescente ponte tra gestione aziendale e aspetti tecnici della scienza dei dati.
Gli esperti sostengono che la scienza dei dati non si ridimensiona come una posizione di base nell’ingegneria del software durante i periodi difficili, ma ci sarà sempre una domanda per professionisti esperti e comprovati che possono ricavare preziose informazioni di business dai dati. Forse l’hype si spegnerà. Non ci saranno altrettanti aspiranti scienziati dei dati, ma il lavoro non andrà via presto.
