Deze opinie is van een externe deskundige. De inhoud vertegenwoordigt dus niet noodzakelijk het gedachtegoed van de redactie.

Vier voorspellingen over data-science in 2022

Computable Expert

Jurriaan Krielaart
Regional director, Dataiku. Expert van Computable voor de topics Datamanagement en Datacenters.

Het einde van 2021 nadert en daarmee het einde van een bewogen jaar. Een goed moment om vooruit te kijken. Het is duidelijk dat data-science zich nog altijd rap doorontwikkeld en het komend jaar vormt daarop geen uitzondering. Hieronder de vier belangrijkste trends die een grote impact gaan hebben op data-science en artificial intelligence (ai), en daarmee op het jaar 2022.

  • Een verschuiving naar ‘everyday ai’

In 2022 zal er een verschuiving plaatsvinden van ai voor specifieke doeleinden naar ‘everyday ai’, waarin ai een vast onderdeel uitmaakt van de dagelijkse handelingen. Dit zal niet slechts een korte trend zijn of iets dat eenmalig is in te zetten. Door robuuste dataprojecten en -processen op alle niveaus van de onderneming succesvol te schalen en toe te passen ontstaat een echte ai-onderneming. Het vermogen om dit te realiseren, zal van cruciaal belang zijn voor het toekomstige succes van het bedrijf, ongeacht de sector. Als bedrijven hierin willen slagen, zullen ze verder moeten kijken dan één bepaald project of één specifieke use-case. In plaats daarvan moeten ze zich gaan richten op het opschalen van ai tot een niveau waarop het de organisatie toekomstbestendig maakt. Ai-bedrijven zullen erin slagen om op organisatieniveau een basis te leggen voor data-science, machine learning en ai.

  • Gebruikers gaan meer waarde leveren aan ai

Codevrije tooling ontwikkelt zich snel, met als resultaat dat zakelijke gebruikers meer waarde gaan leveren aan ai dan datawetenschappers. Het is het begin van een fundamentele mentaliteitsverandering rond data-tooling. Steeds meer burgers zullen toegang krijgen tot data en er dagelijks mee werken. Het wissen van complexe tekstvelden, het combineren van datasets, zelfs het maken van nieuwe machine learning-modellen - het zijn voorbeelden van taken die op veel platforms codevrij zijn uit te voeren. Dit betekent dat het werk van niet-datawetenschappers op zinvolle manieren is op te nemen in data-science-projecten. Wat ai- en databedrijven echt nodig zullen hebben, is een gevarieerde set van technologie- en data-gerelateerde rollen. Om hier invulling aan te geven, is het van belang dat organisaties elk deel van de data-reis ontleden en doorvertalen naar concrete organisatorische middelen en behoeften. Vervolgens zijn die behoeften onder te brengen bij de juiste data-rol.

  • Meer experimenten met data-science en ai

Organisaties worden steeds beter in het inzetten van modellen. Nu ze het succes zien van hun bestaande data-science- en ai-initiatieven, dringen bedrijven aan op nieuwe data-science-implementaties in andere delen van het bedrijf. Als gevolg hiervan zien we dat het vertrouwen groeit en dat er meer wordt geëxperimenteerd. Dit zal ai-specialisten onvermijdelijk uit hun comfortzone halen, misschien zelfs tot het punt waarop ze moeten erkennen dat dergelijke toepassingen al gedeeltelijk gedigitaliseerde processen gebruikten en waren gebouwd op 'betere', meer beschikbare data. Naarmate bedrijven dit stadium voorbij gaan, ontstaan geleidelijk nieuwe risico's, aangezien de volgende reeks processen die door de datawetenschap moeten worden uitgebreid of geautomatiseerd, minder goed zullen worden begrepen. Hoewel er risico's aan verbonden zijn, is het maken van een dergelijke stap noodzakelijk om de potentiële toekomstige waarde van alle komende data-science en ai-implementaties te waarborgen.

  • De evolutie van ai-regelgeving

Gezien het groeiende vertrouwen dat bedrijven hebben in ai, zal ook de regelgeving voor deze implementaties evolueren. Dit betekent niet noodzakelijkerwijs meer bureaucratie, maar de mogelijkheden en beloften van ai zullen leiden tot een andere houding ten opzichte van de manier waarop de technologie wordt gereguleerd en bestuurd. We verwachten een mooie toekomst in alle sectoren. We zullen ook zien dat de teams op een nieuwe manier aangestuurd gaan worden, waarbij zowel it- als bedrijfsteams echt op één lijn zullen liggen. Als gevolg hiervan zal samenwerking centraal staan bij toekomstige ai-implementaties - de teams die verantwoordelijk zijn voor data-governance zullen beschikken over een breed scala aan expertise uit alle bedrijfsonderdelen, zoals data-architectuur, privacy, integratie en modellering.

x

Om te kunnen beoordelen moet u ingelogd zijn:

Dit artikel delen:

Uw reactie

LET OP: U bent niet ingelogd. U kunt als gast reageren maar dan wordt uw reactie pas zichtbaar na goedkeuring door de redactie. Om uw reactie direct geplaatst te krijgen moet u eerst rechtsboven inloggen of u registreren

Vul uw naam in
Vult u een geldig e-mailadres in
Vult u een reactie in
Jaarbeurs b.v. gaat zorgvuldig en veilig om met uw persoonsgegevens. Meer informatie over hoe we omgaan met je data lees je in het privacybeleid
Als u een reactie wilt plaatsen moet u akkoord gaan met de voorwaarden
Sponsored content 

HPE information Governance solutions: controle over uw data

Door datagroei, hogere gebruikerseisen en regelgeving wordt datamanagement een steeds grotere uitdaging. En dat terwijl uw bedrijfsdata ook uw waardevolste bezit is. Met de flexibele, modulaire datamanagement-oplossingen van Hewlett Packard Enterprise neemt u het heft in handen en haalt u bruikbare inzichten uit uw data tegen zo laag mogelijke kosten. 

Ontdek in deze whitepaper hoe u Information Governance proactief aanpakt met maximaal voordeel en minimale kosten.

Lees hier verder.


Stuur dit artikel door

Uw naam ontbreekt
Uw e-mailadres ontbreekt
De naam van de ontvanger ontbreekt
Het e-mailadres van de ontvanger ontbreekt

×
×
article 2021-11-26T13:35:00.000Z Jurriaan Krielaart
Wilt u dagelijks op de hoogte worden gehouden van het laatste ict-nieuws, achtergronden en opinie?
Abonneer uzelf op onze gratis nieuwsbrief.