Переводчик Елена Борноволокова специально для Нетологии адаптировала статью американского аналитика Тавиша Шриваставы о том, как процесс автоматизации влияет на data scientist.
Автоматизация влияет на профессиональную деятельность во всех отраслях. С одной стороны, автоматизация помогает эффективнее управлять бизнесом, а с другой – ведет к постоянному изменению набора необходимых навыков.
Несоответствие необходимому набору навыков приводит к потере работы. Проиллюстрирую эту мысль двумя сценариями.
Вы устроились на работу специалистом по подбору персонала в 2000 году, когда большинство документов компании были бумажными. Вы эффективно сортировали документы, находили их по первому требованию и благодаря этим навыкам стали лучшим специалистом.
Учитывая, что процессы подбора и управления персоналом не сильно менялись с течением времени, за 18 лет вы не позаботились о приобретении навыков работы на компьютере. Однако с 2000 по 2018 год произошли значительные изменения в методах работы, и теперь вся документация сотрудников хранится на облачном или частном сервере.
В итоге ваши навыки оказались не столь востребованы. Если вы не начнете повышать свою квалификацию, то столкнетесь с трудностями при поиске работы. Обратите внимание на то, что несоответствие ваших навыков произошло не из-за развития процессов подбора и управления персоналом, а из-за меняющихся бизнес-процессов, которые вы поддерживаете.
Вы работали диктором и читали новости на радио, когда телевидения еще не было. Вы были хорошим работником, осведомленным о текущих событиях. Но после того, как телевидение стало массовым, радио потеряло свою популярность. Работодатель сократил вас, потому что ради��станция несла убытки.
Учитывая навыки, вы попытаетесь устроиться на работу ведущим телевизионных новостей, но нужно поработать над языком тела и преодолеть страх перед камерой. Есть ли хорошие новости? Да. В вашем окружении есть люди, которые работают на телевидении, и от них вы узнали, на что можете рассчитывать, и активно работаете над этим.
Обратите внимание, что в этом случае ни ваша профессия, ни ваша отрасль не претерпели изменений. Просто клиенты начали отдавать предпочтение альтернативному продукту или услуге в том бизнесе, который вы поддерживаете, что делает ваши навыки несоответствующими или устаревшими для этой отрасли.
Изменения упрощают управление бизнесом, но в то же время создают несоответствия в навыках, необходимых для работы, что приводит к безработице в определенных отраслях.
Ниже приведены три основные причины изменения профессиональных навыков в отрасли:
Автоматизация и изменяющиеся отрасли бизнеса сокращают рабочие места, но будут ли одни профессии подвержены большему влиянию автоматизации, чем другие?
Несмотря на то, что никто не знает, на какие профессии автоматизация повлияет в большей или меньшей степени, ниже приведена структура, которая поможет понять идею в целом.
Машины плохо обучаемы, когда мало примеров, и не умеют творчески подходить к делу. Если ваша работа обладает этими двумя характеристиками, то вам нечего бояться. Например, вождение автомобиля — повторяющийся процесс, который не требует творческого подхода. Следовательно, водители такси подвергаются высокому риску автоматизации их работы.
Специалисты по методам обработки и анализа данных выполняют различные задачи, помогая бизнесу развиваться. Каждая из этих задач находится в разных местах на данном графике. На рисунке ниже отражены мои мысли о различных подзадачах, которые выполняют data scientists. Соотношение может варьироваться в зависимости от конкретных ролей.
Не на все компоненты работы data scientist предоставляется 10-летняя гарантия. Попадание под роботизацию зависит от количества работы, которую трудно автоматизировать, и вашей конкретной роли.
Основными навыками специалиста по методам обработки и анализа данных в 2010 году были знание логистической и линейной регрессии и знание SAS base и MS Excel. Если мы перенесем этого специалиста в 2018 год без улучшений в технике и навыках работы с новыми инструментами, он столкнется с трудностями при поиске работы по специальности. Хотя наука о данных будет существовать долгое время, роли и обязанности специалистов будут меняться. Специалисты, которые не могут усвоить их, столкнутся с серьезными проблемами в продви��ении по карьере.
Молодые люди, которые приходят в сферу data science, обладают нужными навыками, поэтому в краткосрочной перспективе нет проблемы профессионального несоответствия. Но с развитием сферы возраст специалистов будет увеличиваться, а технологии меняться, поэтому нужно совершенствовать навыки в ходе выполнения ежедневных задач.
Я рекомендую специалистам по обработке и анализу данных четыре пункта, чтобы защитить свое профессиональное будущее:
Курсы «Нетологии» по теме:
Введение
Автоматизация влияет на профессиональную деятельность во всех отраслях. С одной стороны, автоматизация помогает эффективнее управлять бизнесом, а с другой – ведет к постоянному изменению набора необходимых навыков.
Несоответствие необходимому набору навыков приводит к потере работы. Проиллюстрирую эту мысль двумя сценариями.
Сценарий 1 – Ручной труд
Вы устроились на работу специалистом по подбору персонала в 2000 году, когда большинство документов компании были бумажными. Вы эффективно сортировали документы, находили их по первому требованию и благодаря этим навыкам стали лучшим специалистом.
Учитывая, что процессы подбора и управления персоналом не сильно менялись с течением времени, за 18 лет вы не позаботились о приобретении навыков работы на компьютере. Однако с 2000 по 2018 год произошли значительные изменения в методах работы, и теперь вся документация сотрудников хранится на облачном или частном сервере.
В итоге ваши навыки оказались не столь востребованы. Если вы не начнете повышать свою квалификацию, то столкнетесь с трудностями при поиске работы. Обратите внимание на то, что несоответствие ваших навыков произошло не из-за развития процессов подбора и управления персоналом, а из-за меняющихся бизнес-процессов, которые вы поддерживаете.
Сценарий 2 – Предпочтения клиентов
Вы работали диктором и читали новости на радио, когда телевидения еще не было. Вы были хорошим работником, осведомленным о текущих событиях. Но после того, как телевидение стало массовым, радио потеряло свою популярность. Работодатель сократил вас, потому что ради��станция несла убытки.
Учитывая навыки, вы попытаетесь устроиться на работу ведущим телевизионных новостей, но нужно поработать над языком тела и преодолеть страх перед камерой. Есть ли хорошие новости? Да. В вашем окружении есть люди, которые работают на телевидении, и от них вы узнали, на что можете рассчитывать, и активно работаете над этим.
Обратите внимание, что в этом случае ни ваша профессия, ни ваша отрасль не претерпели изменений. Просто клиенты начали отдавать предпочтение альтернативному продукту или услуге в том бизнесе, который вы поддерживаете, что делает ваши навыки несоответствующими или устаревшими для этой отрасли.
Что мы узнали из этих сценариев?
Изменения упрощают управление бизнесом, но в то же время создают несоответствия в навыках, необходимых для работы, что приводит к безработице в определенных отраслях.
Ниже приведены три основные причины изменения профессиональных навыков в отрасли:
- Изменения в инструментах и технологиях, которые применяются в вашей профессии;
- Изменения в стиле ведения бизнеса, который вы поддерживаете.
- Изменения в предпочтениях клиентов относительно продукта или услуги, которые вы производите или продвигаете.
Автоматизация и изменяющиеся отрасли бизнеса сокращают рабочие места, но будут ли одни профессии подвержены большему влиянию автоматизации, чем другие?
Несмотря на то, что никто не знает, на какие профессии автоматизация повлияет в большей или меньшей степени, ниже приведена структура, которая поможет понять идею в целом.
Машины плохо обучаемы, когда мало примеров, и не умеют творчески подходить к делу. Если ваша работа обладает этими двумя характеристиками, то вам нечего бояться. Например, вождение автомобиля — повторяющийся процесс, который не требует творческого подхода. Следовательно, водители такси подвергаются высокому риску автоматизации их работы.
Защищены ли data scientist от роботизации?
Специалисты по методам обработки и анализа данных выполняют различные задачи, помогая бизнесу развиваться. Каждая из этих задач находится в разных местах на данном графике. На рисунке ниже отражены мои мысли о различных подзадачах, которые выполняют data scientists. Соотношение может варьироваться в зависимости от конкретных ролей.
Не на все компоненты работы data scientist предоставляется 10-летняя гарантия. Попадание под роботизацию зависит от количества работы, которую трудно автоматизировать, и вашей конкретной роли.
Основными навыками специалиста по методам обработки и анализа данных в 2010 году были знание логистической и линейной регрессии и знание SAS base и MS Excel. Если мы перенесем этого специалиста в 2018 год без улучшений в технике и навыках работы с новыми инструментами, он столкнется с трудностями при поиске работы по специальности. Хотя наука о данных будет существовать долгое время, роли и обязанности специалистов будут меняться. Специалисты, которые не могут усвоить их, столкнутся с серьезными проблемами в продви��ении по карьере.
Молодые люди, которые приходят в сферу data science, обладают нужными навыками, поэтому в краткосрочной перспективе нет проблемы профессионального несоответствия. Но с развитием сферы возраст специалистов будет увеличиваться, а технологии меняться, поэтому нужно совершенствовать навыки в ходе выполнения ежедневных задач.
Как оставаться продуктивными и востребованными в data science в долгосрочной перспективе?
Я рекомендую специалистам по обработке и анализу данных четыре пункта, чтобы защитить свое профессиональное будущее:
- Изучайте новейшие и лучшие инструменты и технологии.
- Анализируйте изменения в отрасли и их влияние на вашу работу.
- Всегда думайте о дополнительной ценности, которую создает ваша работа для бизнеса.
- Будьте в курсе происходящего в других отраслях, выходящих за пределы вашей.
От редакции
Курсы «Нетологии» по теме:
- онлайн-профессия «Аналитик данных»
- онлайн-профессия «Data Scientist»
