This article is originally published at https://www.statworx.com/de/

Management Summary

Im letzten Jahrzehnt hat sich das Interesse am Bereich Data Science nicht nur enorm erhöht, sondern es sich auch erheblich verändert und entwickelt. Angesichts der neuen technologischen Fortschritte und des stetigen Datenzuwachses erwarten wir, dass sich Data Science auch in Zukunft weiterentwickeln wird. Unsere Recherchen lassen insbesondere die folgenden sieben Haupttrends für das nächste Jahr erkennen:

1. Beantwortung der Frage nach dem Warum
2. Modellierungsunsicherheit
3. Automatisierung von Data Science
4. Demokratisierung von Data Science
5. Data Science Operations
6. Ethik von Künstlicher Intelligenz
7. Spezialisierung von Data Science Rollen

Die ersten fünf Themen können in zwei Haupttrends unterteilt werden, und die Punkte Nr. 6 und 7 können als daraus resultierende Trends betrachtet werden.

Kausalität und Unsicherheit von ML/KI-Modellen

Der erste Haupttrend, der die ersten beiden Punkte umfasst, besteht darin, neue Lösungen mittels Machine Learning (ML) und künstlicher Intelligenz (KI) zu finden, um wichtige Probleme zu lösen, die mit den derzeitigen ML/KI-Modellen noch nicht gelöst werden können: Beantwortung der Frage nach dem Warum (d.h. Modellierung von Ursache und Wirkung) und Modellierung der Unsicherheit. Nur wenn Modelle Kausalität und Unsicherheit erfassen können, können sie wirklich intelligent werden und uns zuverlässige und sichere Entscheidungen und Handlungen liefern. Daher investieren sowohl akademische Institutionen als auch große Technologieunternehmen stark in die Bereiche Machine Learning und KI. Die nächste Herausforderung für Data Scientists wird es sein, diese Modelle zu verstehen und sie in der Praxis anzuwenden, um datengetriebenen Mehrwert für Unternehmen und Organisationen zu schaffen.

Anwendung von ML/KI-Modellen

Der zweite Haupttrend, der die Punkte 3 bis 5 einschließt, besteht darin, aktuelle ML/KI-Modelle in Produktion zu bringen, um datengetriebenen Mehrwert zu schaffen. Die Demokratisierung und Automatisierung von Data Science machen aktuelle ML/KI-Modelle einem viel breiteren Publikum zugänglich, sodass Techniken und Lösungen von Data Science Operations, um diese Modelle in Produktion zu bringen, zu den wichtigsten Triebkräften für Data Science Lösungen werden. Infolgedessen werden sich neue Fragen bezüglich der Ethik von KI ergeben. Diese Fragen beziehen sich darauf, sicherzustellen, dass diese Technologien (im weiteren Sinne) Menschen oder anderen moralisch relevanten Wesen keinen Schaden zufügen. Um auf die oben erwähnten Trends zu reagieren, erwarten wir eine notwendige Spezialisierung der Data Science Rollen. Dabei wird erwartet, dass die Nachfrage nach Rollen wie Data Engineers und ML Engineers in den kommenden Jahren erheblich zunehmen wird.

Um Ihre Organisation bestmöglich auf diese aufkommenden Data Science Trends vorzubereiten, haben wir in unserem Whitepaper für jeden Trend drei Schlüsselmaßnahmen identifiziert, die Sie bereits heute ergreifen können. Machen Sie sich bereit und nutzen Sie die vielversprechende Zukunftsperspektive von Data Science, um einen nachhaltigen datengetriebenen Mehrwert für Ihr Unternehmen zu schaffen.

Über den Autor

Livia Eichenberger

I am a data scientist at STATWORX and especially interested in Causal Machine Learning. I love the logic in data science and the beauty of neat and structured code!

Der Beitrag Whitepaper: 7 Trends für Data Science im Jahr 2021 erschien zuerst auf STATWORX.

Thanks for visiting r-craft.org
This article is originally published at https://www.statworx.com/de/
Please visit source website for post related comments.