¿Qué tendencias tienen más probabilidades de influir en el análisis de datos en los próximos 20 años?

Hola,

20 años es mucho tiempo para decir algo definitivo sobre cualquier campo. Lo que era el curso superior 20 años antes no es una prioridad ahora.

El análisis de datos es actualmente el campo buscado. Las tendencias emergentes de Data Sciences apuntan hacia una carrera ascendente. Los principales campos y las habilidades requeridas son:

  • Analista de negocios: alguien con conocimiento de dominio y experiencia técnica

Habilidades: Experiencia de dominio, estadísticas básicas, análisis simple; Modelado predictivo, Excel

  • Científico de datos: alguien con una amplia experiencia en análisis

Habilidades: Estadística, Modelado avanzado, SAS, R, Python, SQL, VBA

  • Especialista en aprendizaje automático: alguien con experiencia en aprendizaje automático y experiencia trabajando con grandes conjuntos de datos

Habilidades: R o Python, redes neutrales, máquinas de vectores de soporte, bosques aleatorios

  • Especialista en Big Data: alguien que analiza Big Data para obtener información

Habilidades: Hadoop, MapReduce, Hive, Pig, Sqoop, Spark

  • Visualizador de datos: alguien con buenos conocimientos analíticos y experiencia en la creación de informes

Habilidades: capacidad para crear informes y ser un visualizador, Excel, R, Tableau, etc.

¡Espero que esto ayude!

A2A:

Sinceramente, no tengo idea! No creo que 20 años sea un futuro que podamos proyectar hoy con una visión limitada considerando la velocidad a la que se desarrolla la ciencia de datos junto con los avances tecnológicos. Sin embargo, aquí hay algunos pensamientos:

  1. Transporte : se podría requerir un gran equipo de ciencia de datos para alguien como Tesla (y algunos otros) que trabajan en telemática; esto podría ser como una investigación de mercado para la planificación y el desarrollo urbano. La gestión de la demanda de transporte público y privado se basará en algos (el próximo conjunto de M / L o aprendizaje profundo, lo que sea que elijamos llamar a esa hora). Esto también se puede infundir en las plantas de fabricación de vehículos para demanda / generación de plomo y fabricación. Ahora podemos imaginar las primas de seguro determinadas por el fabricante y la estabilidad del vehículo en lugar de la edad, los hábitos del conductor, etc.
  2. IOT, Robótica en todas partes: casi todo, desde su tienda de comestibles hasta suministros para inodoros, se automatizará a través de análisis de ioT y es posible que solo tenga una palanca para decir Sí / No (como su pago automático o ECS en los bancos hoy). Ya no se molesta demasiado en hacer pedidos, suministros, etc. pero aún puede elegir elegir entre las recomendaciones (digamos que le gustan las manzanas verdes y no las rojas de alguna marca). Todas las tareas manuales y de máquinas en agricultura, fabricación, control de calidad, almacenamiento, distribución (imagino un camión sin conductor hablando con un robot de almacén que habla con un proveedor de fabricación y luego finalmente con un robot de entrega que mantiene los suministros en su hogar)
  3. Personalización: la comunicación de cada minorista, marca de indumentaria, marca de alimentos se personalizará específicamente para usted y podemos verla en pantallas de anuncios que son tan personales y forman parte integral de nuestras actividades diarias.

Más cuando tenga tiempo … Corriendo a una reunión …

Diferentes formas de recopilación de datos.
– Datos del genoma
– Datos del sensor (vehículos, edificios, industrial, ciudades, clima)
– Funciones corporales (monitores de corazón / presión arterial, contenido de sangre, podómetros, etc.)
– Monitoreo de la acción humana (seguimiento de viajes – GPS, etc., interacciones entre personas – Correo electrónico / reuniones / etc., generación de contenido – Youtube / informes de investigación)
– Datos específicos de la industria (datos financieros, números de ventas, números de marketing)

Desarrollos tecnológicos : verifique la respuesta de Phil Wolff. ¿Cuáles serán las pendientes correspondientes de aumento de la potencia informática frente a la generación de datos frente al ancho de banda de la red? Esto influirá en la arquitectura de las soluciones analíticas.

Alcance para aumentar la eficiencia al proporcionar análisis en tiempo real. Los teléfonos móviles permiten a las personas obtener actualizaciones en tiempo real, lo que aumenta la presión sobre los desarrolladores para construir dichos sistemas. Los nuevos puntos finales de hardware abrirán nuevas oportunidades para la operación asistida por análisis.

Disminuir el costo y el tamaño de los procesadores y sensores es una bendición para construir dispositivos inteligentes.

Polinización cruzada de otras disciplinas.
Un gran salto sería cuando (ya hemos comenzado) podamos movernos más allá de solo filas y columnas para el análisis. Se nos presenta una gran cantidad de información como imágenes, videos, sonidos. La gente ya está construyendo software para traducir entre idiomas humanos. ¿Qué tan bien puede una computadora leer resonancia magnética o rayos X? Cualquier progreso en tales campos laterales abrirá nuevas áreas donde las técnicas analíticas se pueden aplicar de manera rentable.

Ley de Moore vs. Datos abundantes vs. Spectrum vs. Clientes de robots.

El poder de procesamiento continuará elevándose. ¿Se mantendrá al día con el crecimiento de los datos? ¿Las tuberías moverán los datos lo suficientemente rápido o las restricciones forzarán más cómputo en el borde de la red? ¿Y cuándo serán más comunes los análisis para la conciencia de la máquina y las decisiones que los análisis que alimentan los paneles y las decisiones humanas?

Sugeriría que los siguientes cinco son bastante clave:

  1. Móvil (datos de visualización y seguimiento)
  2. El internet de las cosas (recolectando datos)
  3. Velocidad de los procesadores
  4. Privacidad (disponibilidad de datos)
  5. Seguridad de los datos