آینده دیتا ساینس در ایران و خارج از ایران

پیش‌بینی آینده دیتا ساینس

می‌دانیم که یکی از مهم‌ترین وظایف متخصصان دیتا ساینس پیش‌بینی آینده است، بااین‌حال، آینده خود دیتا ساینس در حال حاضر به هیچ وجه قابل پیش‌بینی نیست. ظهور تکنولوژی‌های جدید همواره مسئولیت و فعالیت‌های مورد انتظار از متخصصان دیتا ساینس را تغییر داده است؛ گاهی آن‌ها را کاهش می‌دهد و به کامپیوترها واگذار می‌کند و گاهی نیز سبب افزایش مسئولیت‌ها می‌شود.

همه این مسائل با تحولات کلی جهان در آینده‌ی نزدیک ترکیب می‌شود و پیش‌بینی آینده دیتا ساینس و متخصصان این حوزه را در هاله‌ای از ابهام باقی می‌گذارد، با‌این‌حال، پیش‌بینی‌های متعددی برای آن وجود دارد. در ادامه 8 پیش‌بینی درباره آینده دیتا ساینس از نگاه مجله فوربز (یکی از معروف‌ترین مجلات جهان) را مورد بررسی قرار می‌دهیم.

پیش‌بینی اول: ماشین‌های متخصص

یکی از پیش‌بینی‌های پرطرفدار و به اشتباه ناامیدکننده برای متخصصان دیتا ساینس، اتوماتیک شدن فرآیندهای این رشته و انجام آن توسط ماشین‌هایی است که خودشان به واسطه همین تکنولوژی به‌وجود آمده‌اند.

متخصصان داده عموما استخدام می‌شوند تا فرآیندها و فعالیت‌های یک کارخانه را اتوماتیک کنند؛ به نظرتان محتمل نیست یک شرکت چند متخصص داده را استخدام کند تا فرآیندهای دیتا ساینس را اتوماتیک کنند؟!

البته این بدان معنا نیست که متخصصان دیتا ساینس به‌طور کلی با ماشین‌ها جایگزین شوند، بلکه پیش‌بینی می‌شود در آینده دیتا ساینس، فعالیت‌های متخصصان علم داده تا حد قابل توجهی با هوش مصنوعی تقویت شود.

در بسیاری از موارد، متخصصان دیتا ساینس همچنان مورد نیاز هستند تا فرآیندهای انجام شده توسط ماشین را بازنگری کنند و نتایج حاصل را تفسیر نمایند. همه این‌ها تاحدی قدردان پلتفرم‌های no-code و low-code (بدون کدنویسی یا کم کد) است که باعث توسعه خارج از تصور دیتا ساینس می‌شوند.

بیشتر بخوانید: دیتا ساینس از آغاز تاکنون

پیش‌بینی دوم: یک تیم ورزشی!

دومین پیش‌بینی درباره آینده دیتا ساینس کمی عجیب به نظر می‌رسد. بر اساس این پیش‌بینی بشریت وارد عصر جدیدی می‌شود؛ عصری که دیتا ساینس در آن شبیه به یک ورزش تیمی است. به عبارت دیگر، چالش آیندگان خلق یک مدل برای تحلیل داده‌ها نخواهد بود، بلکه متخصصان دیتا ساینس وظیفه خواهند داشت از مدل‌های در دسترس به بهترین شکل ممکن استفاده کنند.

 چالش حقیقی عملیاتی کردن مدل‌هاست؛ یعنی استفاده از آن‌ها در مقیاس درست به‌طوری که در بخش‌های مختلف سازمان کاربردی و قابل اجرا باشند. فکر می‌کنیم این پیش‌بینی به آینده دیتا ساینس نزدیک‌تر باشد.

پیش‌بینی سوم: محافظان اطلاعات

متخصص داده بودن در دنیای امروز یعنی حضور داشتن در یکی از امنیتی‌ترین شغل‌های جهان. با توسعه دیتا ساینس، نیاز به امنیت سایبری نیز روز‌به‌روز در حال افزایش است. امروزه تقاضای زیادی برای استخدام متخصصان مسلط به امنیت سایبری وجود دارد.

از آنجایی که دنیای امروز تا حد زیادی به داده‌های اینترنتی متکی است، نیاز به حفظ این داده‌ها از خطر هکرها و دزدهای سایبری در حال افزایش است و آینده دیتا ساینس نیز ممکن است به این حوزه سوق پیدا کند. متخصصان داده باید با ابزار و تکنیک‌های امنیت سایبری آشنایی داشته باشند تا از داده‌های سازمان محافظت کنند.

پیش‌بینی چهارم: فضای ابری

چهارمین پیش‌بینی آینده دیتا ساینس مربوط به فضای ابری است. به نظر می‌رسد متخصصان دیتا ساینس با مقوله‌ای به نام محاسبات ابری روبه‌رو هستند. محاسبات ابری به متخصصان علم داده کمک می‌کند مجموعه‌های بزرگی از داده‌ها را با استفاده از قدرت پردازش بالای محاسبات ابری مورد تجزیه و تحلیل قرار دهند. لذا در آینده دیتا ساینس به متخصصانی نیاز دارد که با حوزه رایانش ابری آشنایی داشته باشند.

پیش‌بینی پنجم: شناسایی بهترین رویکردها

کار متخصصان داده در آینده‌ای نزدیک می‌تواند «عملیاتی شده» باشد.این پیش‌بینی تا حد زیادی مربوط به استفاده از داده‌ها و ابزار جدیدی است که می‌توانند فعالیت‌های متخصصان داده را ثبت‌وضبط کنند و سازمان‌ها را از برترین رویکردهای انجام شده آگاه نمایند. اگر آینده دیتا ساینس اینگونه باشد، شاهد ابزارهای جدیدی خواهیم بود که به فرآیند اتوماتیک کردن جریان کار کمک می‌کنند و به سازمان‌ها روش کار با این جریان‌ها را آموزش می‌دهند.

پیش‌بینی ششم: متخصصان کدنویس

پیش‌بینی ششم در مورد آینده دیتا ساینس و متخصصان این حوزه به تقویت یک مهارت مربوط است. در این پیش‌بینی، کار متخصصان داده به کدنویسی تغییر خواهد کرد و هوش مصنوعی از هر زمان دیگری بااهمیت‌تر خواهد بود؛ علاوه‌بر این، متخصصان دیتا ساینس نیاز به یک ذهن تجاری خواهند داشت.

در گذشته، متخصصان این حوزه بیش از کدنویسی بر روی علم آمار و مدلسازی تمرکز داشتند. تغییر ماهیت متخصصان در این پیش‌بینی تا حدی به افزایش پیچیدگی داده‌ها مرتبط است.

مجموعه‌های داده روز‌به‌روز در حال بزرگتر و سخت‌تر شدن هستند و بدست آوردن یک بینش از آن‌ها نیز دشوارتر شده است؛ بدیهی است ابزاری که متخصصان از آن برای تحلیل داده‌ها استفاده می‌کنند نیز پیچیده‌تر خواهند شد. با بزرگتر و پیچیده‌تر شدن مجموعه‌های داده، نیاز متخصصان دیتا ساینس به کدنویسی نیز افزایش خواهد یافت (این موضوع برای فعالان حوزه ماشین لرنینگ نیز صادق است). بنابراین اگر این پیش‌بینی را درمورد آینده دیتا ساینس منطقی می‌دانید، باید تمرکز ویژه‌ای در تقویت مهارت کدنویسی خود داشته باشید.

پیش‌بینی هشتم: جهش کوانتومی

برخی از متخصصان علم داده این فرصت را دارند که یک «جهش کوانتومی» داشته باشند. این پیش‌بینی به علت محاسبات کوانتومی مطرح می‌شود که تاثیر قابل توجهی بر آینده دیتا ساینس خواهند داشت. کامپیوترهای کوانتومی می‌توانند طیف وسیعی از داده‌ها را با سرعتی بسیار بیشتر از کامپیوترهای سنتی تحلیل کنند. چنین ابزاری به متخصصان داده اجازه می‌دهند اطلاعات را به شکل بهینه‌تر و موثرتری مورد تحلیل قرار دهند.

در استفاده از کامپیوترهای کوانتومی نباید الگوریتم‎‌های کلاسیک را بکار گیرید؛ بلکه می‌بایست الگوریتم‌های جدیدی ارائه دهید که از ویژگی‌های مکانیک کوانتوم بهره می‌برند؛ بدین ترتیب قادر خواهید بود اطلاعات مورد نیاز را از داده‌های خود استخراج کنید.

بنابراین متخصصان داده‌های کوانتومی باید با چگونگی استفاده از الگوریتم‌های کوانتومی آشنا باشند. همچنین باید اصول مکانیک کوانتوم را بشناسند، از نحوه کار با کامپیوترهای کوانتومی سردربیاورند، بتوانند با کامپیوترهای کوانتومی برنامه‌نویسی کنند و از همه مهم‌تر، روش حل مسائل دنیای واقعی با استفاده از الگوریتم‌های کوانتومی را بدانند.

سخن پایانی

به عنوان سخن پایانی می‌توان آینده دیتا ساینس و متخصصان این حوزه را روشن دانست و نیاز به آن‌ها را در سال‌های آتی افزایشی متصور شد، با این حال احتمالا شغل «متخصص داده» محبوبیت حال حاضر خود را از دست خواهد داد. از آنجایی که داده‌ها در حال فراگیر شدن هستند، ممکن است نیاز برای متخصصانی که صرفا در حوزه علم داده فعالیت دارند کاهش یابد؛ به جای آن، سازمان‌ها به دنبال کارشناسانی خواهند بود که با دیتا ساینس نیز آشنایی دارند. چنین کارشناسانی از داده‌ها برای تصمیم‌گیری استفاده می‌کنند، نه اینکه آن‌ها را در اولویت قرار دهند.

نیاز به متخصصان دیتا ساینسی که بتوانند مهارت‌های فنی خود را با حوزه‌هایی نظیر آمار و علم کامپیوتر ترکیب کنند نیز افزایش خواهد یافت، این مهارت به آن‌ها اجازه می‎دهند نه تنها بتوانند با مجموعه‌های پیچیده‌ای از داده‌ها کار کنند، بلکه با توانایی‌های خود راهکارهای خلاقانه‌ای برای حل مشکلات بوجود آورند. بنابراین، متخصصان بزرگ علم داده در آینده دیتا ساینس از مهارتی کلیدی به نام خلاقیت بهره‌مند خواهند بود.

با همه این اوصاف هیچ‌گاه فراموش نکنید که بهترین راه برای پیش‌بینی آینده این است که آن را بسازید.

منبع: