Data Science trendy pro rok 2020

Zpět na blog

Data Science trendy pro rok 2020

data science trendy

Lubomír Husar

Datová věda je fenoménem napříč obory. Stačí se jen podívat na složení účastníků našich kurzů. Ať už jsou z velkých korporací nebo z malých firem, jedno je spojuje: bez dat se v práci prostě neobejdou. Část tvoří analytici, kteří si chtějí doplnit tradiční Excel o R, SQL nebo o Python, který se postupně prosadil jako "ten" jazyk pro datovou vědu. Tradičním problémem zůstává čištění a příprava dat. Většina účastníků zmiňuje právě data cleaning and wrangling jako časově nejnáročnější část aktivit týkajících se dat.

Specialisté na vzestupu

V pracovních inzerátech a na LinkedInu můžeme v roce 2020 očekávat ještě více rolí jako Data Analyst, Data Engineer, Machine Learning Specialist, a podobně. Původně tolik opěvovaná role Data Scientist, totiž představovala ideálního kandidáta, který disponuje hned mnoha dovednostmi. Od matematiky, statistiky, programování, komunikačních a prezentačních dovedností, až po znalosti konkrétního byznysu. Jenže se ukázalo, že takových odborníků je asi tolik, jako jednorožců ve volné přírodě. Proto očekávám zájem spíše o specialisty, kteří jsou dobří ve svojí oblasti - např. v analýze - ale nemusí nutně ovládat frameworky pro machine learning.

Data-Driven Enterprise

Společnost řízená daty je bezesporu ideál, ke kterému by měla směřovat každá firma. Uplynulé dekády ukazují, že je to stále velká výzva. I když má dnešní byznys na výběr z mnoha technologií a nástrojů - z nichž mnohé jsou zdarma - bez disciplíny, vize a jednotného přístupu to nepůjde.

Enterprise AI

Šéfové společností jsou ohledně AI většinou optimisté. Od jejího zavedení si slibují mnoho. Nicméně realita za těmito očekáváními pokulhává. Částečně to může být i vrozenou averzí zaměstnanců ke všemu, co hrozí automatizací a tím pádem i rušením pracovních míst. Velkou překážkou (33%) pro přijmutí umělé inteligence je proto údajně nedůvěra zaměstnanců.

Machine learning v cloudu

Všechny velké technologické společnosti nabízí řešení, které nějak souvisí s cloudem a strojovým učením. Realita? Pouze 12% společností ukládá všechna data pro strojové učení do cloudu. Ostatní používají smíšený (hybridní) přístup, kdy část dat je uložena v cloudu anebo nemají data v cloudu vůbec. A není těžké uhodnout proč. Možnost "vlastnit" svoje data a mít je pod naprostou kontrolou je prostě pro firmy důležitá.

Průběžné vzdělávání

Základní myšlenkou při vzniku LovelyData byla demokratizace vzdělávání v oblasti dat. Tedy taková osnova, která naučí i běžné uživatele - kteří nemají ambice stát se programátory - využívat existující technologie k usnadnění svojí práce. Právě v této oblasti vidím ještě veliký kus práce. Nestačí totiž jen zúčastnit se pár kurzů nebo několika týdenního bootcampu. Vzhledem k překotnému vývoji v této oblasti, je nutné, aby zájemci (a i jejich zaměstnavatelé) přijali za svou myšlenku průběžného vzdělávání. To vyžaduje čas, úsilí a v neposlední řadě i finanční prostředky.

Datová gramotnost

Hodně se mluví o tom, že by se datová gramotnost (data literacy) měla začít učit už ve školách. Nejde samozřejmě o to, vychovávat ze všech dětí datové vědce. Cílem jsou základní dovednosti, které umožní absolventům používat data ve své profesi.

Současné populární technologie to určitě umožňují. Ať už se bavíme o Pythonu, SQL nebo R (erku), jsou to nástroje dostupné každému. A po krátkém zaškolení je mohou používat i lidé, kteří nemají nutně ambice stát se programátory.

Datová věda na 3 řádcích

Například Python a jeho datová knihovna Pandas umožňuje načíst soubor v téměř libovolném formátu, vyfiltrovat a vizualizovat data doslova na pár řádcích.

Proto můžeme během našich kurzů účastníky "ohromovat" tvrzením, že žádný kód nebude mít víc než 3 řádky. Samozřejmě za to vděčíme i Jupyter Notebooku.

Díky tomu pak dokáže základní principy pochopit každý účastník.

Je teď ten správný čas na datovou vědu?

Rozhodně ano. Zaměstnavatelé stále trpí obrovským nedostatkem datově gramotných lidí - ať už se jedná o datové analytiky, datové inženýry, datové vědce, ale i třeba manažery. Protože pokud chce být firma "data-driven", potřebuje k tomu podporu všech a ne jen pár datových expertů. Zároveň je to i jedinečná příležitost pro všechny, kteří vidí svoji kariéru v datech. Byla by škoda ji promarnit.


Líbil se vám článek? Sdílejte ho s ostatními

nebo nám napište něco hezkého. Děkujeme!

Zpět na blog

Individuální kariérní konzultace - 1h

Jak mít úspěšnou kariéru v datech a dostat se na 800 Kč/hodinu

Zobrazit kurz

Data Science Pass

Python, R a SQL. Naučte se datovou vědu. Výhodný balík 6 kurzů.

Zobrazit kurz

Práce s daty v Excelu 1

Základy kontingenčních tabulek a grafů. Pokročilé funkce vyhledávání a sčítání. Naučte se pracovat s daty v Excelu snadno a pohodlně.

Zobrazit kurz

Hledáme další autory

Publikujte na Lovely Blogu a inspirujte ostatní! Sdílením svých znalosti si budujete osobní značku.

Kontaktujte nás

Odběr novinek

Novinky, návody a tipy přímo do vašeho emailu.

Návody, tipy a slevy přímo do vašeho emailu.

Copyright © 2018-2022, Colorbee, s.r.o.

Design by grafikli.cz