Benvenuti nell’era dell’ingegnere-scienziato dei dati

Benvenuti nell’era dell’ingegnere-scienziato dei dati

Il crescente entusiasmo per un nuovo ruolo ibrido solleva interrogativi significativi. Rispondiamo loro qui.

Il tipico team di sviluppo prodotto/ingegneria della simulazione ora ha accesso a una vasta gamma di dati che possono e dovrebbero informare la progettazione del prodotto e i processi di produzione. Tuttavia, trovare informazioni critiche all’interno di questi vasti serbatoi di informazioni è un’altra questione. Sono urgentemente necessari nuovi set di abilità. In particolare, gli ingegneri devono essere in grado di sfruttare l’intelligenza artificiale (AI) e l’apprendimento automatico (ML) per supportare e accelerare un migliore processo decisionale.

Questo cambiamento fondamentale è illustrato dall’emergere di un nuovo ruolo ibrido: l’ingegnere-scienziato dei dati. Inoltre, il successo di questi pionieri multi-qualificati sarà cruciale per il futuro delle imprese che li stanno reclutando e formando. In definitiva, i data scientist devono assumersi il compito di trasformare il potenziale indiscusso di AI e ML in un time-to-market più rapido e devono progettare prodotti più efficienti che funzionino meglio per i clienti e gli utenti finali.

È una grande richiesta e il crescente entusiasmo per il nuovo ruolo solleva domande significative. Gli ingegneri sono davvero le persone migliori per raccogliere il testimone della scienza dei dati? Se lo sono, di quali competenze hanno bisogno? A un livello più pratico, come possono acquisire la mentalità e le capacità dei data scientist? Quali sono le implicazioni per le organizzazioni?

Guadagnare trazione

Nell’ingegneria e oltre, la rivoluzione della scienza dei dati sta prendendo piede. Un recente sondaggio Pw riporta che l’86% delle persone descrive l’IA come una tecnologia mainstream all’interno della propria organizzazione. Tuttavia, per molti aspetti, abbiamo solo graffiato la superficie. Un report Capgemini rivela che implementando l’IA su larga scala, gli OEM automobilistici potrebbero aumentare la redditività del 16%. C’è anche frustrazione. Il suddetto sondaggio PwC rileva anche che il 76% delle organizzazioni è a malapena in pareggio sull’IA.

Nella ricerca di un migliore ritorno sull’investimento, la creazione dell’ingegnere informatico è un punto di riferimento significativo. Riflette il crescente riconoscimento che le soluzioni dovrebbero essere guidate da competenze di dominio. In altre parole, le persone con una comprensione granulare dei metadati e delle sfide ingegneristiche sono le persone migliori per applicare gli strumenti che sveleranno insight e potranno così navigare nel miglior modo possibile.

Gli ingegneri sono adatti per il ruolo? Ci sono argomenti convincenti a loro favore. Per cominciare, sebbene l’impatto di AI e ML sarà rivoluzionario, rappresenta anche un’evoluzione rispetto a ciò che è accaduto prima. Esistono chiari parallelismi con i principi delle tecniche ingegneristiche consolidate come la progettazione di esperimenti, nonché i moderni strumenti di simulazione e ottimizzazione. In ogni disciplina e settore, gli ingegneri si trovano a proprio agio nel lavorare con simulazione, modellazione analitica e statistica.

Un piccolo passo

Naturalmente, la scala e la velocità con cui IA e ML funzionano (e la loro capacità senza precedenti di incorporare l’apprendimento continuo) sono rivoluzionarie. Allo stesso tempo, date le loro capacità esistenti, la maggior parte degli ingegneri scoprirà che abbracciare la scienza dei dati è un piccolo passo piuttosto che un grande passo avanti. Per natura, gli ingegneri sono curiosi e amano risolvere i problemi. Inoltre, non funzionano nel mondo della scienza pura. Il loro obiettivo è fornire soluzioni commercialmente valide. In definitiva, gli ingegneri sono motivati ​​da un desiderio pratico di costruire qualcosa di meglio. Istintivamente, saranno attratti da strumenti che possono aiutare a raggiungere questo obiettivo.

Gli ingegneri che adottano la scienza dei dati sono molto aiutati dagli ultimi strumenti di intelligenza artificiale e ML low-code e no-code. La democratizzazione è un lavoro duro e i flussi di lavoro sono sempre più familiari e intuitivi. Tuttavia, i potenziali data scientist devono ancora sviluppare nuove competenze. La notizia incoraggiante dalle università è che la scienza dei dati è un’opzione sempre più popolare nei corsi di ingegneria. Data l’urgenza del requisito, vedremo anche un’abbondante formazione sul posto di lavoro per ingegneri più esperti.

Acquisizione di competenze

Da dove comincio? è probabilmente la domanda più comune che sentiamo da aspiranti ingegneri-data scientist. La risposta breve è con algoritmi. AI e ML riguardano essenzialmente la corrispondenza e l’applicazione dell’algoritmo giusto al problema giusto. È estremamente improbabile che un ingegnere informatico debba assumersi il compito di scrivere effettivamente questi algoritmi.

Oltre a ciò, gli ingegneri dovrebbero essere incoraggiati a essere coinvolti in progetti in cui utilizzeranno AI e ML. Da qui, possiamo essere certi che la loro inclinazione verso l’apprendimento pratico è un trampolino di lancio ideale per una nuova ondata di sostenitori della scienza dei dati.

Questo percorso di carriera organico significa che è in gran parte probabile che gli scienziati dei dati tecnici si dimostrino un adattamento facile con i loro colleghi e le organizzazioni in generale. I data scientist specializzati rimarranno un pezzo importante del puzzle, ridimensionando le soluzioni sviluppate da esperti di dominio e costruendo le infrastrutture necessarie. La differenza fatta dall’ingegnere-data scientist si vedrà nei risultati di progettazione e produzione, non nelle ristrutturazioni aziendali.

Se fossero necessarie ulteriori prove dell’idoneità degli ingegneri ad assumersi queste nuove responsabilità, si possono trovare in un settore della scienza dei dati che sta reclutando ingegneri per colmare il proprio divario di competenze. Si spera che il ruolo di ingegnere-data scientist attenuerà il rischio di una fuga di cervelli. Per chiunque sia interessato a prodotti più intelligenti e sostenibili, abbiamo bisogno che i nostri ingegneri continuino a progettare. Abbiamo anche bisogno che rivolgano i loro talenti e la loro attenzione per ottenere il meglio da ciò che offre la scienza dei dati.


Circa l’autore

Brett Chouinard è il chief product e strategy officer di Altair, dove è responsabile della strategia e della visione dei prodotti Altair, che include l’agevolazione dello sviluppo, delle vendite e della fornitura delle soluzioni Altair. Puoi raggiungere l’autore su LinkedIn.

.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *