Jak to możliwe, że Netflix bezbłędnie poleca Ci kolejny serial, a Amazon wie, co kupisz, zanim Ty sam o tym pomyślisz? To dzięki data science i zaawansowanym algorytmom, które pracują za kulisami. W świecie, w którym każdego dnia produkujemy ponad 400 mln terabajtów danych (to równowartość około 80 mld filmów w jakości 4K), firmy prześcigają się w poszukiwaniu specjalistów, którzy potrafią te dane przekuć w biznesową wartość. Prognozy mówią, że zatrudnienie w sektorze data science do 2033 r. może wzrosnąć nawet o 36%. Jednocześnie część zadań, które jeszcze niedawno wymagały armii analityków, przejmuje AI. Gdzie więc leży prawda o przyszłości tej branży?
Niewidoczne, a obecne
Przeciętny Kowalski może nawet nie zdawać sobie sprawy z tego, jak często korzysta z owoców pracy specjalistów od data science i AI. Gdy Netflix proponuje film idealnie dopasowany do gustu, Google wyświetla najbardziej trafne wyniki wyszukiwania, a Allegro sugeruje produkty, które faktycznie mogą zainteresować – za każdym z tych doświadczeń stoją zaawansowane algorytmy i modele danych.
Również w obszarach mniej oczywistych jak np. opieka zdrowotna data science odgrywa coraz większą rolę. Lekarze w Polsce i regionie Europy Środkowo-Wschodniej spędzają znacznie więcej czasu na biurokracji niż ich koledzy z Zachodu. Asystenci oparci na rozwiązaniach z zakresu data science i AI mogą znacząco usprawnić ten proces, pozwalając medykom skupić się na tym, co najważniejsze – leczeniu pacjentów.
Od hype’u do nauki
„Data scientist is the sexiest job of XXI century” – to hasło przez lata przyciągało do branży tysiące adeptów. Dziś wiemy, że rzeczywistość jest bardziej złożona. – Jeśli mówimy o XXI w., to można wskazać wiele zawodów uważanych przez sporo osób za „seksowniejsze”, jak np. AI engineer – mówi Maciej Marek, Machine Learning Engineer w SoftServe Poland. – Do tego sama praca data scientist nie wygląda tak, jak wielu osobom może się wydawać. Budowanie modeli to jej ułamek, a znaczna jej część to przygotowywanie danych. Istotny element tego zawodu stanowią dziś też rozmowy z biznesem, klientami i użytkownikami, aby jak najlepiej zrozumieć, co zbudować, by osiągnąć pożądany efekt i zysk – dodaje.
Samo „data science” zawiera w sobie zresztą pewną sprzeczność. – Można by powiedzieć, że data science jest mitem samym w sobie, bo zawiera człon „science”, tymczasem około 80% ról w przypadku data scientists to nie są role stricte naukowe. W nauce rozumianej w tradycyjny sposób chodzi o to, by odkryć coś nowego. My tymczasem zwykle raczej budujemy rozwiązania wykorzystując odkryte już kiedyś algorytmy i pracujemy na modelach, które funkcjonują od lat 70. i 80. – oczywiście przebudowane, ale baza pozostaje – podkreśla Maciej Marek z SoftServe Poland.
Boom czy ewolucja?
Rozwój narzędzi low-code/no-code oraz postęp AI rodzi pytanie, czy zapotrzebowanie na specjalistów data science będzie maleć. Czy automatyzacja sprawi, że ich umiejętności staną się mniej poszukiwane? Dane wskazują, że wręcz przeciwnie. Według U.S. Bureau of Labor Statistics zatrudnienie w obszarze data science może wzrosnąć aż o 36% do 2033 r., co znacznie przewyższa średnią dla wszystkich zawodów. United States Data Science Institute przewiduje z kolei, że do 2026 r. w obszarze data science powstanie 11,5 mln nowych miejsc pracy.
Jednak za tymi imponującymi liczbami kryje się bardziej złożona rzeczywistość. – W miejsce niektórych rozwiązań z zakresu tego „klasycznego” data science wkracza dziś sztuczna inteligencja, przejmując część działań. W związku z tym nie tylko w naszej firmie, ale w całej branży jest spore zapotrzebowanie na wykwalifikowanych data scientists, w tym tych, którzy pracują z AI, pojawiają się nowe stanowiska, jak właśnie AI engineer czy AI consultant. Obserwujemy to na co dzień w naszym GenAI Lab, w którym połowa teamu to właśnie data scientists. Część specjalistów z zakresu data science przechodzi dziś do ról powiązanych ze sztuczną inteligencją, więc tworzy się luka i zapotrzebowanie jest też na data scientists zajmujących się np. machine learning – zaznacza Maciej Marek z SoftServe Poland. – W IT zawsze trzeba się dokształcać i liczyć się z tym, że co jakiś czas pojawia się konieczność, by się choć trochę przebranżowić – to trzeba przyjąć za pewnik. To mogą być mniejsze lub większe zmiany, ale pracując w tej branży musimy być gotowi na to, że – parafrazując klasyka – jedyną stałą jest zmiana. Niemniej jednak osoby ze ścisłym umysłem posiadające również kompetencję miękkie zawsze będą potrzebne, bez względu na to, jak nazwiemy ich stanowisko czy to, czym się zajmują – dodaje.
Gdzie kończy się szum, a zaczyna biznes?
– To, jak firmy podchodzą do data science, też przechodzi znaczącą ewolucję. Początkowo wiele podmiotów tworzyło działy data science pod wpływem rynkowego szumu, bez jasnej wizji, jak przekuć te inwestycje w konkretne korzyści biznesowe. Dopiero z czasem zaczęto liczyć koszty i zyski, podchodzić do tego bardziej rozsądnie. – Teraz część firm mocno angażuje się w generatywną AI, na to jest obecnie podobny hype, jak jeszcze niedawno na data science, które dziś jest dużo bardziej omiernikowane, ma przynosić zyski. Na sztuczną inteligencję jest moda i jeszcze takich twardych oczekiwań względem niej nie ma, chociaż część organizacji wyciągnęła wnioski z wcześniejszych doświadczeń i do inwestycji w AI podchodzi już w dojrzalszy i bardziej przemyślany sposób – komentuje Maciej Marek z SoftServe Poland.
Przyszłość jest w liczbach
Dynamika zmian w branży technologicznej sprawia, że trudno jednoznacznie przewidzieć, jak będzie wyglądała przyszłość data science. Eksperci wskazują na kilka potencjalnych kierunków rozwoju. – Ostatnio na przykład NVIDIA po raz pierwszy zdecydowała się ulokować kapitał w spółce, która rozwija komputery kwantowe. Zainteresowanie ze strony tego technologicznego giganta tym obszarem to bardzo ważny sygnał. Integracja tradycyjnych GPU z technologią kwantową i sztuczną inteligencją oznacza rewolucyjne zmiany. Może to otworzyć zupełnie nowe możliwości dla analizy danych i obliczeń, dotychczas nieosiągalne nawet dla najpotężniejszych superkomputerów. Jednocześnie oznacza to nowe wyzwania w zakresie bezpieczeństwa i programowania – prognozuje Maciej Marek z SoftServe Poland.
Czy data science to więc przyszłość czy tylko tymczasowa moda? Prawda, jak zwykle, leży gdzieś pośrodku. Sama branża i związane z nią zawody mogą ewoluować lub nawet zaniknąć, ale umiejętność przekształcania danych w wartościowe informacje i podejmowania na ich podstawie decyzji biznesowych pozostanie kluczowa w gospodarce opartej na danych. A ta, jak pokazują wszystkie trendy, będzie tylko rosnąć.