眾所周知，人類在預(yù)測(cè)未來(lái)(尤其是從長(zhǎng)遠(yuǎn)來(lái)看)方面很差。但是，它仍然是有用的練習(xí)。讓我們看看我認(rèn)為2021年將為數(shù)據(jù)科學(xué)，工程學(xué)和戰(zhàn)略帶來(lái)什么。該列表沒(méi)有特別的順序，主要集中在我在德國(guó)的觀察：

[[379956]]

1. 角色穩(wěn)定

在過(guò)去的幾年中，出現(xiàn)了新的數(shù)據(jù)角色，例如機(jī)器學(xué)習(xí)工程師，數(shù)據(jù)產(chǎn)品所有者等。這些還沒(méi)有完全流行起來(lái)，大型公司仍在求助于數(shù)據(jù)科學(xué)家的傳統(tǒng)角色。我認(rèn)為，為員工和雇主提供更多職位及其相關(guān)技能是一個(gè)好主意。

2. 合并MLOps工具

去年是MLOPs工具和創(chuàng)業(yè)公司蓬勃發(fā)展的一年。盡管如此，許多這樣的公司僅提供相同產(chǎn)品的變體。2021年將淘汰許多雜草，而領(lǐng)先者將占領(lǐng)大部分市場(chǎng)。

3. DataOps大肆宣傳

敏捷和精益方法在數(shù)據(jù)科學(xué)和工程中的應(yīng)用將變得更加廣泛。

4. 數(shù)據(jù)策略已成為主流

在過(guò)去的兩年中，我一直在討論這個(gè)主題，但是這份工作描述仍然很少見(jiàn)，尤其是在歐洲。但是，這并不意味著該角色不會(huì)由現(xiàn)有人員擔(dān)任。他們可能只是在其他區(qū)域下工作。不過(guò)，該領(lǐng)域?qū)τ诔晒桓稊?shù)據(jù)項(xiàng)目至關(guān)重要，我對(duì)進(jìn)一步的增長(zhǎng)和接受表示樂(lè)觀。

5. 生產(chǎn)中的xAI

xAI長(zhǎng)期以來(lái)一直在攀升Gartner Hype曲線，現(xiàn)在達(dá)到了開(kāi)始交付成果的地步。該子領(lǐng)域的成功仍然存在障礙(例如需要不穩(wěn)定的開(kāi)源和神秘技能)。盡管如此，新的工具正在出現(xiàn)，以將其推向生產(chǎn)。

6. 進(jìn)一步的數(shù)據(jù)工程爆炸式增長(zhǎng)

沒(méi)有它的基礎(chǔ)-數(shù)據(jù)工程，任何數(shù)據(jù)科學(xué)項(xiàng)目都不會(huì)成功。公司認(rèn)識(shí)到這一點(diǎn)很晚，并且在2021年仍然會(huì)趕上來(lái)。

7. 智能數(shù)據(jù)清理和ETL工具

每個(gè)人都知道花費(fèi)在清理數(shù)據(jù)上的時(shí)間。到目前為止，使用工具解決這是一個(gè)棘手的問(wèn)題，但是諸如Cloud Data Prep之類的新開(kāi)發(fā)將催生競(jìng)爭(zhēng)對(duì)手。

考慮到這個(gè)清單，我想在數(shù)據(jù)方面對(duì)2021年表示兩個(gè)希望。首先，我希望整個(gè)領(lǐng)域(尤其是其中的ML部分)變得“無(wú)聊”，但有用。其次，我們開(kāi)始使用這項(xiàng)出色的技術(shù)來(lái)解決我們面臨的緊迫問(wèn)題，并邁向更加樂(lè)觀和雄心勃勃的未來(lái)。

注意：本文最初出現(xiàn)在https://boyanangelov.com/blog/data-predictions-2021/

原文鏈接：https://towardsdatascience.com/7-predictions-for-data-in-2021-3b7fbc92b71f