Digitale transformatie is aanzienlijk versneld door de COVID-19 pandemie. De extra eisen die aan data scientists worden gesteld, hebben op sommige gebieden significante belemmeringen aan het licht gebracht. Zo zijn ongeveer vier op de tien data scientists ontevreden over het gebruik van analytics en de inzet van modellen door hun bedrijf. Ook zijn er meer dan 20 obstakels naar voren gekomen die de effectiviteit van hun werk in de weg staan, zo blijkt uit een onderzoek onder data scientists in opdracht van analytics marktleider SAS.
Voor veel organisaties die hun digitale transformatieprojecten willen versnellen is het belang van data scientists toegenomen. Het rapport gaat dieper in op de stand van zaken op het gebied van data science en beoordeelt de impact van de pandemie, de uitdagingen waarmee bedrijven werden geconfronteerd, de algehele tevredenheid over de analytics-omgeving en nog veel meer.
Uit het onderzoek blijkt dat tweederde van de respondenten tevreden was over de resultaten van analytics-projecten. 42% van de data scientists was echter ontevreden over het gebruik van analytics en de inzet van modellen door hun bedrijf, wat wijst op een probleem met de manier waarop analytics-inzichten door organisaties worden ingezet bij de besluitvorming. Dit werd ondersteund door 42% die zei dat data science-resultaten niet werden gebruikt door zakelijke besluitvormers, waardoor dit een van de belangrijkste obstakels was.
“We zien bij organisaties dat ‘de buy-in van het management noodzakelijk is voor het succes van analytics. Als er geen draagvlak is binnen de organisatie of het management, zal de impact en waarde die analytics brengt beperkt blijven”, zegt Véronique Van Vlasselaer, Analytics & AI Lead bij SAS.
Uit het onderzoek kwamen ook een aantal tekortkomingen in specifieke vaardigheden naar voren. Minder dan een derde van de respondenten gaf aan over gevorderde of deskundige vaardigheden te beschikken op het gebied van programma’s, zoals cloudbeheer en databasebeheer. Dit is een probleem gezien het feit dat het gebruik van clouddiensten aanzienlijk is toegenomen, waarbij 94% zegt hetzelfde of meer gebruik van de cloud te maken sinds het begin van de pandemie.
“Er zijn duidelijk meer eisen gesteld aan data scientists nu de pandemie digitale transformatietrajecten heeft versneld”, zegt Dr. Iain Brown, Head of Data Science bij SAS UK and Ireland. “Een grote frustratie is het vinden van een manier waarop organisaties de inzichten uit analytics-projecten kunnen implementeren en in hun besluitvorming kunnen inzetten. Een plek voor data scientists aan de directietafel zou een stap voorwaarts kunnen zijn.”
“We hebben ook ontdekt dat er bezorgdheid bestaat over de ondersteuning van data science teams en een gebrek aan talent, wat al enige tijd een probleem is omdat de vraag groter is dan het aanbod. Organisaties moeten zich realiseren dat investeren in een team van data scientists van grote waarde kan zijn voor het bedrijf. Bij de kosten van het inhuren van personeel moet rekening worden gehouden met het rendement van die investering nu we overgaan op aanzienlijk meer digitale en AI-gedreven bedrijfsprocessen.”
Het onderzoek identificeerde ook een gebrek aan consistente aandacht voor AI-ethiek binnen de organisatie: 43% van de respondenten geeft aan dat hun organisatie geen specifieke controles doet op de analytics-processen met betrekking tot vooroordelen en discriminatie.
Véronique Van Vlasselaer voegt hieraan toe: “Met het nieuwe Europese Artificial Intelligence wetsvoorstel dat nu ter goedkeuring ligt bij het Europees Parlement wordt het des te belangrijker om niet alleen accurate AI modellen te ontwikkelen, maar ook AI modellen die passen binnen het wettelijk kader. Daarbij is het essentieel dat AI niet discrimineert tussen geslacht, afkomst en etniciteit”.
Wat betreft de uitdagingen om eerlijke en onbevooroordeelde besluitvorming te garanderen, zei Dr. Sally Eaves, een expert uit de sector: “Data scientists kunnen hun expertise inzetten om richtlijnen op te stellen voor datatoegang, gebruiksveiligheid en meer algemene zaken, zoals duurzaamheid en data-ethiek en ‑bias.”
“Data scientists kunnen beter een actieve rol spelen om in elke fase van het analytics-proces de juiste richtlijnen en controles in te voeren die bias tegengaan. Een verklaarbare en transparante stroom van data naar beslissing is hierbij uiteraard van essentieel belang.”
Uit het onderzoek blijkt dat de wereldwijde ontwrichting door de pandemie positieve gevolgen heeft gehad. Bijna driekwart (73%) zegt even productief of productiever te zijn sinds de pandemie, terwijl een vergelijkbaar percentage (77%) aangeeft even productief te zijn of beter met collega’s samen te werken. Dit wijst erop dat veel van de genoemde uitdagingen ook al vóór de pandemie bestonden, mogelijk in sterkere mate.
Andere uitdagingen die werden geconstateerd, zijn de hoeveelheid tijd die werd besteed aan de voorbereiding van data versus het maken van modellen. De respondenten besteden meer tijd (58%) dan ze zouden willen aan het verzamelen, onderzoeken, beheren en opschonen van data.
“Over het algemeen heeft de data scientist genoeg reden om zich gesterkt en optimistisch te voelen over hoe de pandemie het belang van hun rol binnen de organisatie heeft onderstreept en hoe deze in de loop der tijd verder kan evolueren”, aldus Brown. “Dit geldt vooral als data scientists het hele spectrum aan beschikbare tools kunnen benutten om de analytics-levenscyclus te beheren, zoals data science trainingen en andere mogelijkheden om vaardigheden te ontwikkelen, en data prep omarmen als de eerste stap in modellering.”
Aanvullende bevindingen, zoals strategieën voor data scientists om processen en uitkomsten te verbeteren, zijn te vinden in het volledige rapport: Accelerating Digital Transformation.
In dit onderzoek in 2021 werden data scientists uitgenodigd om vragen over hun werk te beantwoorden via verschillende bronnen, waaronder de TechTarget community-leden en via social media platforms. In totaal hebben 277 data scientists wereldwijd de antwoorden op de vragenlijst ingevuld. Het kwantitatieve deel van het onderzoek werd aangevuld met kwalitatieve interviews met de data scientists en experts.
Een meerderheid van de respondenten werkte voor bedrijven met meer dan 1.000 werknemers, en een meerderheid van de respondenten had een masterdiploma of hoger, met ruwweg een gelijke verdeling tussen individuele medewerkers en respondenten op managementniveau.
