Como quiso el destino, tuve suerte durante los últimos 1,5 a 2 meses de analizar el mercado de Ciencia de datos y aprendizaje automático. Y había un deseo de escribir al menos algunas líneas sobre esto. Por lo tanto, lo más probable es que sea una nota breve en lugar de un artículo sólido.
Departamentos de marketing en grandes empresas
La ciencia de datos tiene demanda aquí para el análisis de ventas, mercados, segmentación de clientes e investigación de su comportamiento. Lo más probable es que, en este caso, el trabajo del analista se reduzca en gran medida a la agregación de datos, la creación de cuadros de mando y la configuración de campañas de marketing. La última tarea es una tarea de optimización, dentro de la cual se construyen modelos que predicen la reacción del cliente a la publicidad, todo tipo de promociones y descuentos durante la venta.
Gestión de riesgos en bancos y compañías de seguros
La gestión de riesgos es en realidad una industria separada y el análisis cuantitativo es una herramienta para controlar y gestionar el riesgo. Los temas más comunes aquí son la gestión del riesgo crediticio, la evaluación de la solvencia de los prestatarios y los métodos avanzados para calcular el capital regulatorio y económico y las reservas creadas para las pérdidas esperadas por incumplimiento de los préstamos.
I + D - laboratorios
I + D - Investigación y desarrollo. Como parte del trabajo de dichos laboratorios, la investigación fundamental a menudo se lleva a cabo con el desarrollo de nuevos algoritmos y arquitecturas de aprendizaje automático. Los especialistas que se requieren en tales áreas son mucho más especializados y "indagan" más profundamente que los científicos de datos clásicos. Los profesionales de I + D a menudo se refieren a sí mismos como ingenieros de aprendizaje automático o de aprendizaje profundo, o simplemente matemáticos.
A continuación se muestran algunos ejemplos de tareas: desarrollo de agentes entrenables en videojuegos, control de equipos robóticos, vehículos aéreos no tripulados, conducción autónoma.
Startups de productos
La era de las startups aún no ha terminado. El tema del lanzamiento de nuevas empresas y la inversión de riesgo sigue siendo popular. La característica principal de esta área es el enfoque en un producto completo. El aprendizaje automático, si se usa, el factor principal de su utilidad es aumentar la usabilidad del producto y la experiencia del usuario (UX).
Por ejemplo, una aplicación móvil de realidad aumentada para niños. La popularidad de una aplicación de este tipo puede depender en gran medida no de la métrica de calidad "sin alma", sino del brillo y la espectacularidad de la imagen. Otro ejemplo: un chatbot para enseñar inglés o simplemente por diversión. Las métricas de calidad están lejos de ser obvias. El chatbot puede hablar fuera del tema, pero sonará "genial" y obtendrá vistas, clics y me gusta. No es difícil adivinar hacia dónde me dirijo aquí. Estas aplicaciones o sitios pueden generar ingresos al menos con publicidad.
Integradores, consultoría de TI
Las empresas integradoras y los servicios de consultoría tienen demanda ya que suman experiencia y conocimiento. Su principal valor radica en el capital humano. Lanzar cualquier proyecto con automatización y aprendizaje automático requiere el conocimiento de muchos profesionales de campos completamente diferentes a la vez. Nadie puede combinar tanto la experiencia en las mejores prácticas de la industria (banca, venta minorista, publicidad, redes sociales) como el conocimiento de toda la tecnología. Un ejemplo sorprendente es la práctica de MLOps (un subconjunto de prácticas de DevOps aplicadas al aprendizaje automático) que ofrece Neosoft. Una forma alternativa de llevar su negocio al siguiente nivel es contratar a todo un equipo, y esto se hace con solo dos clics de dedos.
Proveedores y desarrolladores de software
La automatización y modernización empresarial se basa, por un lado, en soluciones listas para usar y, por otro lado, no puede prescindir de la personalización. La tarea de personalización para una infraestructura y un modelo de negocio específicos, por supuesto, también puede ser resuelta por integradores a nivel de configuración para el software listo para usar comprado. Pero a menudo, para obtener una ventaja competitiva, una empresa debe transmitir al mercado parte de su oferta única de productos o servicios. Por ejemplo, los desarrolladores de terceros como EPAM se sienten atraídos incluso por empresas como Google o Facebook.
Gigantes y plataformas de empresas de tecnología de la información
Entre los gigantes de la tecnología, por supuesto, puede nombrar "motores de búsqueda" (Google, Yandex), comercio en línea (Amazon, Alibaba), redes sociales (Facebook, Instagram, WeChat). Estos tipos, si necesitan algo, a menudo compran nuevas empresas y empresas por completo y crean sus propias divisiones estructurales internas a partir de ellas.
Una tendencia constante en los últimos años está asociada con la transición de todo y todos a las plataformas en la nube. En este sentido, se están construyendo ecosistemas completos de servicios de socios sobre la base de plataformas como Azure, AWS o Google Cloud. En particular, estos servicios ofrecen acceso personalizado a las capacidades de aprendizaje automático y minería de datos.
Salir
Para sobrevivir en la variedad existente de ofertas en el mercado, cualquier empresa debe comprender claramente en qué áreas de automatización empresarial, aprendizaje automático y análisis de datos se especializa. También es muy importante conocer las mejores prácticas y tendencias de la industria de su cliente y, por supuesto, de sus competidores. Pero lo más importante es que el cliente te conozca y te reconozca.