IoT-рабочая сила 2024: преодоление разрыва навыков с AI, ML и Data Science

Дата-сайентисты часто описываются как сердцебиение IoT-инициатив, выступая привратниками, разблокирующими действенные инсайты из данных.

Их экспертиза кроется в превращении сырых данных в четкую, действенную интеллектуальную информацию — жизненно важную функцию, аналогичную заправке авто для плавного путешествия.

Дата-сайентисты в высоком спросе

По Gartner, к 2020 году более половины крупных новых бизнес-процессов и систем будут включать IoT. Для успешного развертывания этих решений компании должны оснастить команды правильными скиллсетами. При текущем дефиците дата-сайентистов AI предлагает путь к автоматизации и зрелости IoT-развертываний.

Мы должны расширить обучение в AI и IoT для закрытия скилл-гапа. AI может скейлить проекты, освобождая человеческий талант для задач, которые технология не может заменить, в то время как обрабатывая повторяющуюся работу.

Исследования показывают, что кадровый дефицит и дефицит навыков остаются главными барьерами к IoT-принятию. Immersat Research Programme обнаружил, что 33% фирм выиграли бы от дополнительных навыков, а 47% чувствуют, что у них совсем нет правильного таланта. Топ-3 гапа: безопасность данных, дата-сайенс, техническая поддержка.

Просто найм большего числа дата-сайентистов недостаточен. Бизнесы должны понять, как AI и ML усиливают IoT-проекты и инвестировать в обучение следующего поколения.

Более коллаборативная экономика

Преобладающее представление, что только дата-сайентисты могут решать IoT-вызовы, устарело. Цель — усилить каждого сотрудника интерпретировать IoT-данные.

Миллениалы, привыкшие к постоянной коннективности, идеальны для дальнейшей интеграции. Оснащая их AI, ML и deep learning скиллами, фирмы могут применять аналитику к стриминговым данным, извлекать более глубокие инсайты и принимать предиктивные решения — зеркаля роль дата-сайентиста.

Поэтому нам нужно сфокусироваться на имплементации больше обучения в инструментах, которые могут помочь автоматизировать и усилить роли:

1. Внедрить больше обучения — для преодоления текущего скилл-гапа нам нужно предлагать комплексные курсы в AI, ML, DL. Это позволяет более широкую аналитику и предиктивное принятие решений, и апскиллит рабочую силу.
2. STEM — не единственный ответ — опора исключительно на STEM ограничительна. Мы должны также воспитывать дизайн-мышление и стратегические навыки бизнеса, позволяя дата-сайентистам формировать будущие модели.
3. Нет единственного требуемого навыка — рабочая сила будущего оперирует в высококоннектед среде. IoT и цифровая трансформация требуют бленда AI, DL, ML и дата-аналитики; одиночный скиллсет больше не достаточно.

Рабочая сила будущего должна работать с AI, DL, ML и дата-аналитикой технологиями. Только тогда мы сможем разблокировать истинную ценность наших данных для движения IoT-проектов вперед. Вот почему нам нужно действовать сейчас.

Автор — Энтони Сейерс, IoT-евангелист Software AG.