#1 Organisaties versnellen programma's voor cultuurtransformatie
Datacultuur is het geheel aan gedragingen en overtuigingen van mensen die de waarde inzien van data, het gebruik ervan stimuleren en aanmoedigen om besluitvorming te verbeteren. Het vormt de basis en mindset voor bedrijven om effectief waarde te halen uit hun steeds groeiendere datasets.
Helaas is het gebrek aan datacultuur een grote hindernis op de routekaart van een organisatie naar datagedreven werken.
In 2022 verwachten we dat chief data officers (CDO's) zich richten op de belangrijkste bouwstenen van datacultuur, waaronder goede data governance, programma's voor datavaardigheden en het stimuleren van een datagedreven mindset. Dit zijn katalysatoren voor organisatiebrede datagedreven besluitvormingsprocessen.
#2 Organisaties schalen data governance op
De groeiende vraag naar selfservice-analyse voedde de behoefte aan conforme, bruikbare en hoogwaardige data. Toch groeit de uitdaging om datakwaliteit te meten en te behouden mee met de omvang en complexiteit van datasets. Daarom passen bedrijven hun data-governancestrategieën aan.
Een van die strategieën is het toepassen van data observability in datapijplijnen. Simpel gezegd is data observability gericht op het identificeren, oplossen en verhelpen van dataproblemen bijna in real time.
In 2022 en daarna zullen meer bedrijven hun data-governanceprogramma's opschalen en nieuwe, moderne tools inzetten om problemen met datakwaliteit te monitoren en te detecteren.
#3: NLP luidt een nieuwe generatie low-code-datatools in
NLP is de afgelopen jaren enorm gegroeid, mede dankzij de wedloop om steeds grotere large language models (LLM) zoals T5, GPT-3 en Megatron-Turing NLG.
Grote taalmodellen worden door de jaren heen groter (Bron)LLM's verleggen de grenzen van wat NLP kan. De meest recente modellen verrasten de community met hun vermogen om allerlei soorten tekst te genereren (zoals computercode en gitaartabs) zonder expliciete training.
Dergelijke NLP-modellen kunnen het tijdperk van low-code- en no-code-tools inluiden. Zo laat Microsoft's Power App niet-technische gebruikers vandaag al apps bouwen met natuurlijke spraak. Zulke tools blijven de drempel tot programmeren verlagen en bevorderen de opkomst van citizen developers en citizen data scientists binnen organisaties.
#4 L&D wordt een vast onderdeel van de bedrijfscultuur
Aangejaagd door de zorgen van de raad van bestuur over het gebrek aan cruciale vaardigheden in hun organisatie, zullen bedrijven in 2022 blijven investeren in leren en ontwikkelen (L&D). De voordelen van zulke L&D-programma's liggen voor de hand: het World Economic Forum voorspelde dat 38% van het bbp kan worden gewonnen door upskilling tegen 2030.
Nu de beroepsbevolking blijft omgaan met de pandemie, verwachten we dat bedrijven hun L&D-budgetten inzetten op virtuele leeromgevingen die effectief leren faciliteren en communities of practice bieden. Bedrijven die de datavaardigheden van hun medewerkers op schaal willen verbeteren, kunnen bestaande L&D-programma's benutten als interne data science-academies.
Datatrend #5: MLOps blijft volwassen worden binnen organisaties
MLOps is een set praktijken die machine learning, data engineering en DevOps combineren. Het omvat gestandaardiseerde processen die de machinelearning-workflow automatiseren.
Bedrijven kunnen alleen op schaal waarde halen uit machine learning met AI-systemen op productieniveau. Dat verklaart waarom de vraag naar MLOps naar verwachting enorm zal groeien. De sector wordt zelfs naar schatting 126,1 miljard dollar waard tegen 2025.
In het komende jaar zullen MLOps-tools zoals KubeFlow en MLFlow blijven volwassen worden. Het is slechts een kwestie van tijd voordat ze onmisbaar worden voor alle data science-teams.
Datatrend #6: Responsible AI wordt verder geoperationaliseerd
Helaas zitten veel huidige AI-systemen vol verborgen vooroordelen. Daarom zijn toezichthouders in de EU van plan zulke AI ter verantwoording te roepen, en velen zullen waarschijnlijk volgen. Bedrijven moeten ervoor zorgen dat hun AI-systemen eerlijk en verantwoord blijven. Wie dat niet doet, riskeert reputatieschade en draagt bij aan het vergroten van ongelijkheid.
Daarom operationaliseren bedrijven in toenemende mate de principes van Responsible AI om ervoor te zorgen dat AI eerlijk, interpreteerbaar, privacyvriendelijk en veilig blijft. Een voorbeeld van een framework is PwC's Responsible AI Toolkit, dat de verschillende dimensies van Responsible AI adresseert.
Datatrend #7: Opkomst van de data mesh
De meeste data-architecturen zijn vandaag de dag opgezet als data lakes. Dat kan snel veranderen nu een nieuwe vorm van data-architectuur de zwakte van data lakes aanpakt.
Een nieuw alternatief, bedacht door Zhamak Dehghani, heet de data mesh. Een data mesh kent gedistribueerde "dataproducten"—elk beheerd door een crossfunctioneel team van data engineers en producteigenaren. Het adopteren van een data-mesh-architectuur stelt bedrijven in staat om sneller data te leveren en wendbaarder te worden per businessdomein.
Binnenkort, naarmate de pijnpunten van data lakes nijpender worden, zullen bedrijven gaan experimenteren met data mesh, zoals Zalando en Intuit deden.
Datatrend #8: Nieuwe generatie tooling verbetert de productiviteit van het datateam
In 2021 verschenen diverse tools voor productiviteit in data science, en die zullen de komende jaren aan populariteit winnen. Deze tools verminderen de noodzaak van handmatig werk en stellen data scientists in staat om taken met hogere toegevoegde waarde uit te voeren.
Voorbeelden van dergelijke productiviteitstools zijn AutoML-tools (zoals H2O AutoML en Auto PyTorch), die het proces van modelselectie en zelfs hyperparametertuning automatiseren.
Ook een veelheid aan tools voor het genereren van synthetische data is in opkomst. Hun vermogen om op schaal gebalanceerde en gelabelde datasets te creëren, is bijzonder aantrekkelijk voor data-hongerige bedrijven.
Grote data science-teams kunnen ook baat hebben bij samenwerkingstools zoals Databricks en DataCamp Workspace. Met deze tools kunnen data scientists asynchroon samenwerken aan data-exploratie en ML-modellering.
Datatrend #9: Schaarste aan talent en flexibel werken verbreden en verbeteren de zoektocht naar datatalent
Nu de Great Resignation voortduurt, wordt de schaarste aan talent steeds nijpender. Dit fenomeen zet organisaties ertoe aan opnieuw na te denken over hoe ze datatalent werven en behouden.
We verwachten vooral dat bedrijven in hun wervingsbeleid vaardigheden boven postcode plaatsen, zoals blijkt uit de stijging van 280% in vacatures op afstand op LinkedIn sinds maart 2020. En nu FAANG-bedrijven de thuiswerkregeling omarmen, verwachten we dat andere techbedrijven zullen volgen en hun medewerkers ook flexibele werkopties bieden.
Voor meer van onze datatrends en voorspellingen voor 2022: download de gratis whitepaper of schrijf je in voor ons aankomende webinar, waarin we dieper ingaan op wat er komend jaar op het gebied van data science speelt!
