publicité

Vous ne trouvez pas de data scientist ? Pas d’inquiétude


Business Intelligence : Selon une nouvelle étude, cinq facteurs contribuent à démocratiser la science des données (data science), ce qui pourrait atténuer la pénurie de talents dans ce domaine de compétence.

 

Il n'est un secret pour personne que les data scientists continuent d'être parmi les professionnels les plus recherchés dans tout le secteur numérique. Au fur et à mesure que les organisations continuent de chercher des moyens de retirer de la valeur et des renseignements à partir de leurs données, ce sont vers ces personnes qu'elles se tournent fréquemment pour comprendre toute l'information qui afflue dans leurs systèmes à partir d'un nombre croissant de sources.

La bonne nouvelle pour les entreprises qui cherchent désespérément à trouver ces compétences nécessaires est que la data science est en train de se « démocratiser », ce qui contribuera à combler le manque de talents.

Selon un rapport publié par le cabinet d'experts-conseils Deloitte, cinq facteurs contribuent à démocratiser la science des données et à mettre cette capacité essentielle entre les mains d'un plus grand nombre de professionnels, ce qui pourrait remédier à la pénurie de talents.

Machine learning automatisé. Certaines estimations montrent que les data scientists consacrent environ 80% de leur temps à des tâches répétitives et fastidieuses - préparation des données, ingénierie et sélection des caractéristiques, et sélection et évaluation des algorithmes - qui peuvent être entièrement ou partiellement automatisées.

Tant les fournisseurs établis que les startups ont introduit des outils et des techniques conçus pour automatiser les tâches. L'automatisation du travail des data scientists peut les rendre plus productifs et plus efficaces, et les organisations peuvent faire un usage accru de l'automatisation de la data science pour renforcer et exploiter les compétences de ces talents.

Développement d'applications sans codage. Les plateformes de développement de logiciels avec ou sans code (low et no-code) fournissent des interfaces utilisateur graphiques, des modules de glisser-déposer et d'autres fonctions conviviales qui peuvent aider l’IT et le personnel non technique à accélérer le développement et la livraison des applications d'intelligence artificielle (IA).

Deloitte donne l'exemple de vendeurs qui utilisent une plateforme no-code pour créer un outil de machine learning afin de fournir des recommandations de produits aux clients en fonction des opportunités de ventes croisées. De telles plateformes peuvent potentiellement rendre le développement de logiciels 10 fois plus rapide que les méthodes traditionnelles, selon le rapport.

Modèles d'IA pré-entraînés. Comme le souligne Deloitte, la conception et l’entrainement de modules d'apprentissage machine est l'une des principales activités des data scientists. Certains éditeurs de logiciels ont lancé des modèles d'intelligence artificielle pré-entraînés, « qui permettent d’intégrer efficacement l'expertise de l'apprentissage machine et de la transformer en produits », peut-on lire dans le rapport. Ces produits peuvent réduire le temps et les efforts nécessaires à l’entrainement, ou même commencer à produire des idées spécifiques immédiatement.

Analyse des données en libre-service. Les utilisateurs métier et autres utilisateurs non techniques disposent d'outils qui peuvent fournir des informations fondées sur des données sans l'intervention de spécialistes de l'analyse tels que les data scientists. Les outils d'analyse en libre-service proposés par de nombreux fournisseurs de Business Intelligence (BI) et d'analyse comprennent désormais des fonctionnalités permettant d'augmenter l'analyse et la découverte des données.

Certains d'entre eux automatisent le processus de développement et de déploiement de modèles d'apprentissage automatique, et des fonctions telles que le requêtage et la recherche en langage naturel, la découverte de données visuelles et la génération de langage naturel peuvent aider les utilisateurs à trouver, visualiser et interpréter automatiquement les résultats de données tels que les exceptions, les clusters, les liens et les prévisions.

Cela permet aux utilisateurs métier d'effectuer des analyses de données complexes et d'accéder rapidement à des informations personnalisées sans avoir recours à des data scientists.

Article "Can't find data scientists? Don't worry about it" traduit et adapté par lighttria.us

A lire aussi :

Quels usages de la social data dans la recherche ?

Depuis plusieurs années, la social data est devenue un terrain de recherche pour les sciences sociales. De la sociologie...

Articles relatifs

Contenus sponsorisés

Contenus partenaires

Réagissez à l'article

Connectez vous ou Enregistrez-vous pour commencer la discussion
publicité