В машинное обучение вкладывается много средств, но разрыв в навыках никуда не девается

Если вы думали, что разрыв в навыках работы с облачными технологиями был серьезным, то он будет только усугубляться по мере развития новых технологий.

Согласно новому отчету Cloudera, более половины из 200 опрошенных европейских ИТ-менеджеров заявили, что они неохотно внедряют технологии машинного обучения, поскольку у них недостаточно навыков и знаний в области площадь.

Как и следовало ожидать, будет осуществлено большое количество инвестиций. Почти девять из 10 (87%) опрошенных заявили, что они уже внедрили технологию машинного обучения или планируют это сделать. В то время как аналогичное число (89%) заявили, что у них есть “базовое” понимание преимуществ ML, 60% признались, что им не хватает навыков для полноценного внедрения решений.

Однако, когда речь зашла о стоимости, реакция была в целом положительной. Три четверти (74%) респондентов заявили, что машинное обучение будет сопряжено с затратами, которые в конечном итоге приведут к снижению прибыли, в то время как треть компаний заявили, что они уже видят отдачу от инвестиций в свои инициативы. 84% опрошенных заявили, что машинное обучение обеспечивает конкурентное преимущество, ключевыми преимуществами которого являются повышение операционной эффективности и более глубокое понимание данных.

Постоянные читатели этой публикации будут более чем осведомлены о трудностях, с которыми сталкиваются организации в плане устранения разрыва в навыках, казалось бы, независимо от технологий. Специалисты в области облачных вычислений по-прежнему востребованы; исследование, проведенное ранее на этой неделе OpsRamp, показало, что 94% из более чем 100 респондентов испытывали “определенные трудности” с поиском кандидатов, обладающих необходимыми техническими и деловыми навыками для продвижения цифровых инноваций.

Проблемы могут возникать и в обоих направлениях. Давайте сформулируем это так: если организации собираются нанять кого-то, кто возьмет на себя ответственность за их инициативы в области ML, они получат целеустремленного, талантливого, умного профессионала. Если это так, убедитесь, что у вас достаточно работы для них.

В марте Джонни Брукс-Бартлетт, специалист по обработке данных в Deliveroo, в статье для Medium отметил несоответствие между компаниями, которые не знали, что они делают, и молодыми, голодными руководителями. “Специалист по обработке данных, вероятно, пришел, чтобы написать интеллектуальные алгоритмы ML для повышения проницательности, но не может этого сделать, потому что его первая работа – разобраться в инфраструктуре данных и/или создать аналитический отчет”, – написал он. “Напротив, компании нужна была только диаграмма, которую они могли бы представлять на заседаниях совета директоров каждый день.”

В конечном счете, именно эта неопределенность должна быть устранена, если организации хочу серьезно заняться машинным обучением. “Хотя большинство ИТ-покупателей понимают преимущества машинного обучения, многие все еще не уверены в том, как его внедрять и как это повлияет на их бизнес”, – сказал Стивен Лайн, вице-президент Cloudera в регионе EMEA. “Это барьеры, которые можно преодолеть за счет повышения квалификации персонала, привлечения новых специалистов в области обработки данных, работы с подходящими партнерами, которые могут дополнить существующие команды, и за счет использования внешних технологий”.

beinginthecloud.com