È noto che uno dei compiti principali solitamente assegnati ai data scientist è quello di “prevedere” il futuro. Allo stesso tempo, il futuro dei data scientist come professione oggi non è affatto prevedibile. Le nuove tecnologie stanno cambiando profondamente le responsabilità e le attività svolte dai data scientist. A ciò si aggiungono ulteriori trasformazioni che potrebbero presto cambiare totalmente la natura di questo lavoro.
Sette previsioni sul futuro dei data scientist
Di seguito riporto quindi alcune mie “previsioni” a questo proposito, con tutta la complessità e il rischio di fare previsioni in un mondo così dinamico e in rapida trasformazione quale quello del machine learning e della “AI”.
Un lavoro “aumentato” dall’intelligenza artificiale
Il lavoro dei data scientist, che spesso vengono assunti per automatizzare i processi e le attività di un’azienda, in futuro potrebbe essere in gran parte “automatizzato”. Questo non significa che i data scientist saranno completamente sostituiti dalle macchine; piuttosto, il loro lavoro sarà notevolmente incrementato dall’intelligenza artificiale (AI) e da altre forme di automazione. In molti casi, i data scientist saranno ancora necessari per supervisionare e interpretare i risultati di questi processi automatizzati. Tutto questo, grazie anche alle nuove piattaforme low-code e no-code, crescerà e verrà adottato molto più velocemente di quanto si possa immaginare.
Non solo costruire un modello, ma renderlo operativo
Stiamo entrando in un’epoca in cui, più che mai, la scienza dei dati sta diventando uno sport di squadra. Non si tratta più di costruire un modello, ma di cosa si fa con il modello una volta che lo si è ottenuto. La vera sfida è come rendere operativi questi modelli e come sfruttarli su scala per renderli utilizzabili in tutta l’organizzazione. Ed è su questo che credo si concentrerà il futuro della scienza dei dati.
Focus sulle competenze di cybersecurity
Essere un data scientist è oggi spesso considerato uno dei lavori più sicuri al mondo. Allo stesso tempo, però, è necessario aggiungere una buona dose di cybersicurezza. È probabile che i data scientist debbano far fronte a una crescente richiesta di competenze nel campo della cybersecurity. Man mano che il mondo diventa sempre più dipendente dalle informazioni digitali, la necessità di proteggere queste informazioni dagli hacker e da altre minacce informatiche diventerà sempre più importante. I data scientist dovranno conoscere gli strumenti e le tecniche di cybersecurity per aiutare le aziende a proteggere i loro dati.
Data Scientist e CDO: chi sono i “signori dei dati” in azienda
Familiarizzare con strumenti e tecniche di elaborazione dei dati basati sul cloud
Gli scienziati dei dati dovranno probabilmente affrontare una crescente diffusione del cloud computing. Il cloud computing offre agli scienziati dei dati l’accesso a potenti risorse informatiche che possono essere utilizzate per elaborare grandi insiemi di dati. Man mano che un numero sempre maggiore di aziende passa al cloud, tutti i data scientist dovranno avere sempre più familiarità con gli strumenti e le tecniche di elaborazione dei dati basati sul cloud.
Un lavoro sempre più “operazionalizzato”
Il lavoro dei data scientist diventerà molto più “operazionalizzato”, in parte grazie all’impiego da parte delle organizzazioni di nuovi set di strumenti in grado di catturare i flussi di lavoro dei data scientist e le loro best practice e di formare rapidamente e facilmente l’azienda su tali best practice. Ed è qui che vedremo arrivare sempre più spesso nuovi strumenti per automatizzare i flussi di lavoro e creare una piattaforma che consenta alle aziende di formare rapidamente e facilmente l’impresa sull’utilizzo di tali flussi di lavoro.
Codifica e intelligenza artificiale diventeranno sempre più essenziali
Le competenze che i data scientist utilizzano per svolgere il loro lavoro cambieranno: la codifica e l’intelligenza artificiale diventeranno sempre più essenziali. Parallelamente, dovranno essere molto più orientati al business. In passato, i data scientist si concentravano maggiormente su statistiche e modellazione e meno sulla codifica. Questo cambiamento è dovuto in parte alla crescente complessità dei dati. Gli insiemi di dati diventano sempre più grandi e disparati, rendendo più difficile ricavarne informazioni. Nel frattempo, gli strumenti che i data scientist utilizzano per analizzare i dati sono diventati più sofisticati. Poiché i set di dati sono diventati più grandi e complessi, è aumentata la necessità per i data scientist di avere forti competenze di codifica. Lo stesso vale per l’apprendimento automatico.
Il possibile “salto quantico”
Infine, alcuni data scientist avranno l’opportunità di fare un “salto quantico”. Questo perché l’informatica quantistica avrà un impatto significativo sulle professioni della scienza dei dati. I computer quantistici saranno in grado di elaborare grandi quantità di dati molto più velocemente dei computer tradizionali, consentendo ai data scientist di analizzare i dati in modo più efficiente ed efficace. Per utilizzare un computer quantistico, non si possono usare gli algoritmi classici. È necessario inventare nuovi algoritmi che sfruttino le proprietà della meccanica quantistica e che permettano di estrarre le informazioni dai dati in questo modo. Gli scienziati dei dati quantistici devono quindi capire come utilizzare gli algoritmi quantistici. In particolare, gli scienziati dei dati quantistici devono essere in grado di comprendere i principi di base della meccanica quantistica, capire come funzionano i computer quantistici, capire come programmare un computer quantistico e, cosa più importante di tutte, capire come utilizzare un algoritmo quantistico per risolvere un particolare problema reale.
Conclusioni
In conclusione, mentre la necessità di data scientist continuerà a crescere nei prossimi anni, il termine “data scientist” potrebbe diventare meno comune in futuro. Infatti, con la crescente ubiquità dei dati, la necessità di avere data scientist dedicati potrebbe diminuire. Al contrario, le organizzazioni potrebbero affidarsi sempre più a esperti di materia che si trovano a proprio agio nel lavorare con i dati. Questi esperti possono utilizzare i dati per informare il loro processo decisionale, ma non si concentreranno principalmente sui dati.
Certamente, crescerà la necessità per i data scientist di combinare competenze tecniche in aree come la statistica e l’informatica con competenze di dominio in aree come il marketing o la sanità. Questa combinazione di competenze consentirà agli scienziati dei dati non solo di dare un senso a insiemi di dati complessi, ma anche di sviluppare soluzioni creative a problemi altrimenti intrattabili. Pertanto, la creatività diventerà una delle competenze chiave dei grandi data scientist.
Detto questo, ricordate sempre che il modo migliore per prevedere il futuro è spesso quello di crearlo. O almeno di provarci.
