Data Science: Итоги уходящего года. Прогнозы на 2015-й

Данные сегодня – настоящая золотая жила для организаций, работающих в различных сферах экономики.  Наиболее проницательные руководители ищут новые возможности для применения информационных ресурсов, ведь именно от этого зависит дальнейший успех бизнеса.

Предприниматели внедряют методы прогнозной аналитики для ценообразования, предсказания объемов продаж и рентабельности производства. Таким образом, компаниям удается повысить уровень обслуживания клиентов, улучшить качество продуктов и услуг.

Артем Чернодуб, руководитель направления Computer Vision в ZZ Photo, научный сотрудник отдела Нейротехнологий ИПММС НАНУ (Киев):

Например, по результатам накопленного опыта о продажах в интернет-магазине можно попытаться идентифицировать потребности клиента и порекомендовать ему товар, который он с высокой вероятностью купит. Или, допустим, помочь кредитному отделу банка выработать оптимальную стратегию выдачи кредитов с учетом всех доступных факторов. Подобных бизнес-задач существует масса и спрос на них велик.

2014 год, безусловно, ознаменовал собой рост интереса к Data Science. Отечественные компании начали активно внедрять технологии анализа данных – как следствие, повысился спрос на data scientist’ов.

Сергей Шельпук, руководитель направления Data Science в V.I.Tech (Львов):

Спрос на специалистов этого профиля формирует как высокие зарплаты, так и специфические требования: специалисты в Data Science должны не только быть талантливыми математиками и программистами, они также должны мыслить в русле бизнеса, видеть проблемы и способы их решения. Университеты до недавнего времени не предлагали специализированных программ такого профиля. Сегодня их есть ограниченное количество. В будущем все больше и больше университетов будут предлагать своим студентам направление Data Science, наполняя его технологической и бизнесовой составляющей.

Также в текущем году мы наблюдали появление большого количества инструментов для анализа данных – компании активно работали над автоматизацией части задач в Data Science, чтобы уменьшить нехватку ресурсов.

Сергей Шельпук:

В будущем мы будем видеть все больше инструментов для анализа данных с меньшим, чем сегодня, порогом входа.

Действительно, в 2015-м году мир данных ждут перемены.

Александр Панченко, ведущий исследователь в Digital Society Laboratory (Москва):

В следующем кризисном году компании будут стремиться минимизировать свои затраты и максимизировать выручку. Технологии анализа (больших) данных могут помочь в этом за счет использования исторических данных о бизнес-процессах компании. Уже сегодня несколько стартапов пытаются предложить подобные услуги корпоративным заказчикам, такие как “Фабрика данных” Яндекса и Data Mining Labs. В следующем году можно ожидать появление новых игроков на этом динамично развивающемся рынке.

Также в следующем году ожидается выход на рынок большого количества аутсорсинговых компаний, считают эксперты.

Сергей Шельпук:

Early adopters из западных компаний уже тестируют аутсорсинг data science задач, и этот спрос не остается незамеченным — в этом году в data science пришло еще несколько украинских аутсорсинговых ИТ-компаний. Но приход основной массы еще впереди.

Но все ли будет так гладко, как хотелось бы? Пожалуй, нет. С одной стороны, сегодня существует реальный ажиотаж на рынке Data Science, связанный с удешевлением инфраструктуры для хранения и обработки больших объемов данных. С другой стороны, мы не наблюдаем прорыва в дисциплинах, связанных с Data Science, что может привести к так называемому «перегреву» рынка.

Артем Чернодуб:

Серьезных фундаментальных прорывов в математических научных дисциплинах, входящих в пул Data Science, за последние 10 лет не наблюдается. Таким прорывом могло бы стать, к примеру, построение общей теории нелинейных динамических систем, которая бы предоставила более точные и удобные инструменты для анализа поведения сложных нелинейных процессов – к примеру, универсальную нелинейную корреляцию, автоматический метод анализа устойчивости для любой динамической системы и т. п. Между тем, нынешние методы анализа данных обычно основаны на эксплуатации идеи линеаризации, что ограничивает их точность работы. Неспособность современных статистических методов спрогнозировать ряд экономических кризисов – яркая иллюстрация этому феномену.

Поэтому я считаю, что в 2015 году может так получиться, что глобальный рынок Data Science окажется перегретым из-за завышенных ожиданий заказчиков по ожидаемым прибылям от использования Data Science, что приведет к замедлению его роста. Прибыль от наличия data scientist’ов будет также падать по мере появления аналогичных специалистов у конкурентов. При этом делать ставку на изощренность алгоритмов и больший опыт нельзя, поскольку алгоритмы имеют упомянутые выше существенные фундаментальные ограничения и будет срабатывать «принцип Парето» для конкурентов — «за 20% усилий можно получить 80% успеха».

Что ж, мнения экспертов и анализ общих тенденций на рынке Data Science помог нам составить собственное видение ситуации. Вашему вниманию – небольшая визуализация от DataReview на тему, что ждет Data Science и Big Data в бизнесе в следующем году:

Прогноз Data Science

Добавить комментарий

Ваш e-mail не будет опубликован.

закрыть

Поделиться

Отправить на почту
закрыть

Вход

закрыть

Регистрация

+ =