Weg met de data scientist: maak kennis met zijn opvolger
De rijzende nood aan data scientists zorgt ervoor dat een talentoorlog dreigt uit te barsten: de vraag is immers vele malen groter dan het aanbod. Dat betekent dat velen geloven dat data scientist dé job van de eeuw wordt. Tegelijkertijd wordt geopperd dat technologieën zoals machine learning de job van de data scientist kunnen overnemen, waardoor het veld uiteindelijk compleet geautomatiseerd zal worden. De mens lijkt op die manier overbodig te worden. Mark Sear, CTO bij EMC, vond een derde optie; volgens hem ligt de waarheid ergens in het midden.
[related_article id=”168258″]
De opvolger
Sear was aanwezig op Technology That Moves You, het EMC-event dat draaide rond de digitale transformatie en alles daarrond. In zijn presentatie had hij het over de business scientist: de opvolger van de data scientist. Smart Business had daarna de kans om hem kort te ondervragen over het hoe en wat van die businesswetenschapper.
“Mensen denken bij een data scientist vooral aan een doctoraat in wiskunde,” vertelt Sear. “Natuurlijk zit daar een kern van waarheid in: je moet wiskundig sterk in je schoenen staan om data scientist te worden. Wat we nu echter zien is dat die rol anders ingevuld wordt.” Dat wordt vooral duidelijk als je het hele proces van data-analyse overloopt.
Van data naar inzicht
Ten eerste wordt de data voorbereid voor de analyse; noem het een mise-en-place van ruwe gegevens. “Op dat moment is het heel belangrijk om de juiste vragen te stellen. Wat wil je bereiken met de analyse? Die vragen draaien rond de zakelijke kant; misschien gaat het over marketing, misschien over ontwikkeling, maar uiteindelijk gaat het altijd over business.”
Wanneer de voorbereiding achter de rug is, is het de beurt aan technologie. “Nu worden modellen geconstrueerd: de data worden verwerkt aan de hand van een aantal wiskundige formules. Met de juiste software kunnen we miljarden modellen proberen in slechts enkele minuten.” Om te vergelijken: een data scientist is in staat om twee of drie modellen te testen in een periode van weken.
“Ten slotte worden miljoenen modellen geproduceerd en kan een mens beoordelen welke modellen geschikt zijn, en welke variabelen worden gebruikt om tot het nodige inzicht te komen. Die persoon zal opnieuw iemand zijn die zich op de zakelijke kant richt.”
Verstand van zaken
Daar wringt het schoentje. Het is duidelijk dat het proces van data-analyse nog niet helemaal zonder menselijke input kan, maar die rol is niet weggelegd voor wiskundigen, aldus Sear. De technische aspecten, zoals het verwerken van data, kunnen aan software worden uitbesteed, terwijl de focus op het business-aspect steeds belangrijker wordt. Data scientists verliezen aan terrein, en in de plaats komen business scientists – zonder doctoraat in wiskunde, mét verstand van zaken.
“Kijk, ik denk niet dat we ‘de dood van de data scientist’ zullen meemaken,” nuanceert Sear. “Maar het zal in geen geval die gigantische groeiende jobmarkt worden waar iedereen het over heeft.”
“Uiteindelijk zij er misschien nog enkele data scientists die de geproduceerde algoritmen moeten valideren, maar de rest concentreert zich op de zakelijke kant,” meent Sear. “Daarom geloof ik dat de wetenschappelijke kant bij data-analyse vooral zal draaien rond de wetenschap van business, en niet van data.”
[related_article id=”167412″]
Kwaliteitscontrole
Zullen mensen op lange termijn volledig overbodig worden? “Waarschijnlijk niet,” denkt Sear. “Het lijkt altijd alsof de mens overbodig wordt. Kijk maar naar de auto-industrie: de onderdelen worden in elkaar gezet door machines, maar zelfs dan zijn er mensen nodig voor de kwaliteitscontrole. Het kan een kleine rol zijn, maar het is er wel.”
