Тренды в Data Science, которые меняют бизнес и влияют на карьеру

Чем лучше вы понимаете язык данных, тем больше у вас перспектив. Это касается и людей, и компаний.

vlada_maestro / shutterstock

Цокто Жигмытов

Кандидат философских наук, специалист по математическому моделированию. Пишет про Data Science, AI и программирование на Python.

Компании тратят всё больше средств на то, чтобы превратиться в data-driven business, то есть стать бизнесом, где управление основано на данных.

Мы выделили тренды в Data Science, которые повлияют (или уже влияют) на бизнес и его стратегии, а значит, и на всех нас — через рабочие места, вакансии и карьерные перспективы.

Грамотность в работе с данными: компании учат своих сотрудников работать с данными, а от новых кандидатов ждут data-компетентности.
Искусственный интеллект в деле: технологии ИИ выходят из стен университетов и мегакорпораций и осваиваются «обычным» бизнесом.
Истории, основанные на данных: компании, которые превращают данные в истории, более успешны у клиентов и пользователей.

1. Data Literacy: грамотность в работе с данными

Компания Intel утверждает, что от данных не будет толку, если никто в компании не умеет или не хочет ими пользоваться. Бизнес это понимает: согласно докладу Data Trends 2020 компании Tableau, 41% data-бюджетов расходуется на data literacy — умение людей работать с данными.

Фирмы и предприятия организуют курсы, сотрудничают с профильными кафедрами и институтами, открывают корпоративные университеты. В России такие университеты и программы обучения есть не только у гигантов вроде Сбера, Яндекса, РЖД, X5 Retail Group, но и у компаний поменьше — например, «Теремка», СДЭКа, «Красцветмета», ГК «Слата».

Бизнес считает, что учиться правильно работать с данными — не прихоть и не мода, а реальная необходимость: ведь вместе со спросом на дата-сайентистов растут и требования к их коллегам. Поэтому вместо «Уверенный пользователь ПК» или «Word, Excel, PowerPoint» в вакансиях и резюме уже впору писать «Уверенная работа с данными» или «Tableau, Power BI, SQL».

2. Deployed AI: Искусственный интеллект в деле

Искусственный интеллект давно перешёл из области увлекательных философских рассуждений в плоскость совершенно практическую. Как пишет инвестиционный портал NI Business Info, с его помощью компании:

общаются с клиентами,
распределяют рабочую нагрузку,
оптимизируют логистику,
снижают электропотребление,
предсказывают и распознают поведение людей,
обрабатывают данные.

Конечно, далеко не все даже крупные компании сумели извлечь пользу из ИИ-технологий из-за отсутствия цифровой грамотности у сотрудников: согласно исследованиям, в России ей обладает лишь 27% персонала. Кроме того, исторически ИИ-технологии в первую очередь создавали в исследовательских целях, а не для практического применения.

Топ-менеджеры и собственники, которые всё это понимают, уже начали подключать дата-сайентистов и ИИ-разработчиков к стратегическому планированию и принятию решений.

Но Ричард Тиббетс из Tableau рекомендует поумерить пыл фанатам Data Science: «Появление ИИ вовсе не означает, что алгоритм скажет вам, как управлять бизнесом. Только эксперты конкретной отрасли могут обеспечить внедрение ИИ и доверие к нему».

Дата-сайентистам и ИИ-разработчикам надо учиться понимать бизнес, говорить с ним на одном языке, использовать ИИ для решения прикладных задач. Маркетологам и топ-менеджерам — применять ИИ в своих сферах как можно шире, поддерживая и направляя с помощью своей экспертизы. Кейсы применения ИИ могут быть самыми разными: автоматизация контакт-центра, поиск новых трендов в металлургии, анализ отзывов клиентов.

Тем, кто хочет заниматься data science в data-driven-компаниях, придётся наряду с математикой, программированием и аналитикой прокачать soft skills. Например, навыки коммуникации, самоорганизации, творческого мышления.

Хорошо бы ещё укротить профессиональный перфекционизм и приучиться к достаточно хорошим решениям, из которых бизнес состоит чуть более, чем полностью, — рабочее решение важнее идеального. Иначе великое противостояние менеджеров и программистов выйдет на новый виток, уже с участием ИИ- и data-специалистов.

3. Data Storytelling: истории, основанные на данных

Согласно исследованию, опубликованному консалтинговой компанией Accenture, подавляющее большинство потребителей выбирает бренды, которые по-настоящему понимают своих клиентов благодаря данным. Так что если вы собираете данные, то, похоже, нужно делать на их основе что-то увлекательное, а не просто подсовывать рекламу по фразам из поисковых запросов.

Например, Spotify устроил квиз-викторину, где пользователи угадывали, какого исполнителя они больше всего слушали в течение года. А Facebook* выпускает персонализированные видео, посвящённые годовщинам дружбы, предлагает угадать точное количество лайков или определить, кто из друзей расшарил конкретное фото.

Контент, основанный на данных, — эффективный способ показать покупателю его привычки и повысить лояльность. Пользовательский опыт, таким образом, будет усложняться, превращаясь в убедительные личные истории, связывающие клиента и компанию.

И если вы планируете работать с данными в маркетинге, продвижении и рекламе, вам необходимо понимать законы сторителлинга. Это поможет превратить данные в интересные клиентам истории с помощью текста, иллюстраций, персонажей и сюжетов.

Данные начинают и выигрывают

Специалисты по работе с данными будут востребованы настолько, насколько они смогут быть полезны бизнесу. Волноваться им особо не о чем: пик спроса на данные ещё впереди — эпоха их настоящего использования только начинается.

Читайте также:

^* Решением суда запрещена «деятельность компании Meta Platforms Inc. по реализации продуктов — социальных сетей Facebook и Instagram на территории Российской Федерации по основаниям осуществления экстремистской деятельности.