La rivoluzione nascosta nella data science

Mi chiedono spesso: “di cosa sei più entusiasta nel futuro della data science?”

Quando gli esperti parlano dei progressi più emozionanti, spesso si riferiscono ai confini della disciplina. Possono parlare di deep learning e di come permetta ai computer di battere gli umani a Go, di come i progressi nell’IA abbiano reso possibili le auto a guida autonoma, o di come tecnologie come Spark e Hadoop consentano di elaborare set di dati enormi.

Io ho una risposta diversa. Ne parlo in dettaglio nel nostro recente webinar di DataCamp, Democratizing Data Science within your Company, e condividerò qui alcune delle mie riflessioni.

Rendere possibile l’impossibile; rendere facile il possibile

Immagina di vivere nel 1903, e che qualcuno ti chieda qual è l’innovazione più entusiasmante nel campo dei trasporti. C’è una risposta facile: il 3 dicembre 1903 segnò il primo volo più pesante dell’aria, effettuato dai fratelli Wright a Kitty Hawk. Se ti avessero posto la stessa domanda nel 1969, avresti potuto rispondere “Apollo 11 che atterra sulla luna.” Entrambe sono risposte del tutto legittime, concentrate sulle prime volte nella storia dei trasporti: rendere possibile l’impossibile.

Ma lascia che offra un’altra prospettiva. Il 1903 non fu solo l’anno del primo volo più pesante dell’aria, fu anche l’anno in cui venne costituita la Ford Motor Company. Nel giro di pochi anni Ford avrebbe introdotto la Model T, a cui si attribuisce ampiamente il merito di aver trasformato l’automobile da bene di lusso a mezzo di trasporto accessibile. E mentre il 1969 vide il primo uomo camminare sulla luna, fu anche l’anno del volo inaugurale del Boeing 747, il primo “jumbo jet”. L’aumento della capacità di passeggeri rese i viaggi aerei più accessibili a tutti. Descriverei questi come rendere facile il possibile.

Penso che la domanda “cosa c’è di entusiasmante nella data science” abbia una risposta simile. Le innovazioni di cui si parla tanto, come il deep learning, le auto a guida autonoma o i big data, stanno rendendo possibile l’impossibile: proprio come il primo volo dei fratelli Wright o lo sbarco sulla luna, suscitano una reazione del tipo “non riesco a credere che possiamo farlo!”

Ma c’è una seconda rivoluzione: la diffusione delle competenze di data science, sia nella programmazione sia nell’analisi statistica, a una comunità più ampia.

Sempre più persone, con background diversi e in reparti e settori differenti, stanno sfruttando strumenti e competenze di data science per svolgere il proprio lavoro. Alcuni di questi cambiamenti includono

• Crescita del numero di persone che usano Python e R per analizzare i dati
• Interfacce degli strumenti statistici sempre più intuitive
• Progressi nell’educazione a statistica e programmazione

La maggior parte di questi non coinvolge metodi statistici innovativi o approcci di IA, proprio come la Model T non fu la prima automobile e il Boeing 747 non fu il primo aereo. Ciò che li rende entusiasmanti è l’ampiezza del pubblico che riesce a beneficiarne.

Cosa è cambiato nella data science?

Crescita dei linguaggi di programmazione per la data science. Negli ultimi anni abbiamo assistito a un’esplosione nell’uso dei linguaggi di programmazione per la data science. Come si vede nelle analisi del blog di Stack Overflow, Python ha solide ragioni per essere considerato il linguaggio di programmazione in più rapida crescita al mondo, e in gran parte grazie ai suoi strumenti per la data science. Anche il linguaggio R mostra una crescita altrettanto notevole, soprattutto in settori come accademia, sanità, pubblica amministrazione e consulenza.

Source: Stack Overflow

Migliore usabilità nei linguaggi e negli strumenti di programmazione. Gran parte di questa crescita non deriva da metodi innovativi in statistica, machine learning o IA, ma da miglioramenti che rendono più utilizzabili i metodi esistenti. Un esempio notevole è il pacchetto pandas in Python, che struttura i dati in un oggetto chiamato DataFrame e permette analisi potenti e intuitive.

Source: Stack Overflow

Pandas è focalizzato nel rendere più intuitive le trasformazioni dei dati già esistenti. Come ha raccontato in un’intervista su Quartz il creatore di pandas, Wes McKinney, “consente alle persone di analizzare e lavorare con i dati anche se non sono esperti informatici. Devi comunque scrivere codice, ma lo rende intuitivo e accessibile. Aiuta le persone ad andare oltre l’uso di Excel per l’analisi dei dati.” Pandas è la spina dorsale del percorso Data Scientist with Python di DataCamp.

Nel linguaggio R, il tidyverse offre una rivoluzione altrettanto entusiasmante in termini di usabilità. È una raccolta di pacchetti progettati per rendere più semplici trasformazione dei dati, visualizzazione e modellazione. Come ho , ho trovato il tidyverse straordinariamente intuitivo per introdurre i metodi di visualizzazione dei dati ai principianti, e le analisi confermano che è tra le parti in più rapida crescita dell’ecosistema R.

Migliore formazione. L’espansione dell’attività nei linguaggi di programmazione per la data science è dovuta a nuove persone che entrano nella comunità, sia da altre aree dell’ingegneria del software sia da carriere del tutto diverse. Ciò significa che una parte della rivoluzione della data science non riguarda solo come vengono costruiti questi strumenti, ma come vengono insegnati.

I nostri corsi interattivi di data science su DataCamp hanno insegnato a centinaia di migliaia di persone come analizzare e visualizzare i dati, inclusi molti che non avevano mai programmato prima. Rendere più facile la curva di apprendimento è una parte fondamentale del processo di democratizzazione della data science.

Cosa significa questo per la tua azienda?

Quando qualcuno ti chiede se stai sfruttando appieno la data science, non devi per forza pensare di aggiungere chatbot al tuo prodotto, o di investire in un consulente che dice di usare il deep learning. Piuttosto, dovresti guardare a come le persone nella tua azienda stanno sfruttando l’analisi e la visualizzazione dei dati.

È fantastico che un laboratorio di Google possa usare l’IA per costruire un’auto a guida autonoma. Ma è altrettanto entusiasmante quando un marketing manager può usare R per visualizzare l’efficacia delle sue campagne, o quando un team finance può usare Python per prevedere i ricavi futuri.

Se vuoi capire meglio come questa rivoluzione nella data science potrebbe influire sulla tua azienda, segui il nostro webinar su Democratizing Data Science Within Your Company.