Como o destino quis, tive a sorte nos últimos 1,5 a 2 meses para analisar o mercado de Ciência de Dados e Aprendizado de Máquina. E havia o desejo de escrever pelo menos algumas linhas sobre isso. Portanto, provavelmente será uma nota curta, em vez de um artigo sólido.
Departamentos de marketing em grandes empresas
A Data Science está em demanda aqui para a análise de vendas, mercados, segmentação de clientes e pesquisa de seu comportamento. Muito provavelmente, neste caso, o trabalho do analista é amplamente reduzido à agregação de dados, construção de painéis e configuração de campanhas de marketing. A última tarefa é uma tarefa de otimização, dentro da qual são construídos modelos que preveem a reação do cliente à publicidade, todo o tipo de promoções e descontos durante a venda.
Gestão de risco em bancos e seguradoras
O gerenciamento de riscos é, na verdade, um setor separado e a análise quantitativa é uma ferramenta para controlar e gerenciar riscos. Os tópicos mais comuns aqui são gerenciamento de risco de crédito, avaliação da qualidade de crédito dos tomadores de empréstimo e métodos avançados para calcular capital regulatório e econômico e reservas criadas para perdas esperadas de inadimplência de empréstimos.
P&D - laboratórios
P&D - Pesquisa e Desenvolvimento. Como parte do trabalho de tais laboratórios, pesquisas fundamentais são frequentemente realizadas com o desenvolvimento de novos algoritmos e arquiteturas de aprendizado de máquina. Os especialistas necessários em tais áreas são muito mais especializados e "cavando" mais fundo do que os cientistas de dados clássicos. Os profissionais de P&D costumam se referir a si próprios como engenheiros de aprendizado de máquina ou de aprendizado profundo, ou simplesmente matemáticos.
Aqui estão alguns exemplos de tarefas: desenvolvimento de agentes treináveis em jogos de computador, controle de equipamentos robóticos, veículos aéreos não tripulados, direção autônoma.
Inicialização de produtos
A era das startups ainda não acabou. O tópico de lançamento de startups e investimento de risco ainda é popular. A principal característica dessa área é o foco em um produto completo. O aprendizado de máquina, se utilizado, tem como principal fator de sua utilidade aumentar a usabilidade do produto e a experiência do usuário (UX).
Por exemplo, um aplicativo móvel de realidade aumentada para crianças. A popularidade de tal aplicativo pode depender em grande parte não da métrica de qualidade “sem alma”, mas do brilho e espetacularidade da imagem. Outro exemplo: um chatbot para ensinar inglês ou apenas para se divertir. As métricas de qualidade estão longe de ser óbvias. O chatbot pode falar fora do assunto, mas soará "legal" e ganhará visualizações, cliques e curtidas. Não é difícil adivinhar aonde estou levando aqui. Esses aplicativos ou sites podem gerar dinheiro, pelo menos, com publicidade.
Integradores, consultoria de TI
As empresas integradoras e os serviços de consultoria estão em alta, pois agregam experiência e conhecimento. Seu principal valor está no capital humano. Para lançar qualquer projeto com automação e aprendizado de máquina é necessário o conhecimento de muitos profissionais de áreas completamente diferentes ao mesmo tempo. Ninguém é capaz de combinar a experiência nas melhores práticas do setor (bancos, varejo, publicidade, mídia social) e o conhecimento de toda a pilha de tecnologia. Um exemplo marcante é a prática MLOps (um subconjunto das práticas DevOps aplicadas ao aprendizado de máquina) oferecida pela Neosoft. Uma forma alternativa de levar seu negócio para o próximo nível é contratar uma equipe inteira, e isso é feito com apenas dois cliques de dedos.
Fornecedores e desenvolvedores de software
A automação e modernização de negócios são construídas, por um lado, em soluções prontas e, por outro lado, não podem prescindir da personalização. A tarefa de customização para uma infraestrutura e modelo de negócios específicos, é claro, também pode ser resolvida por integradores no nível de configurações do software pronto adquirido. Mas muitas vezes, para obter uma vantagem competitiva, uma empresa deve transmitir ao mercado alguns de seus serviços exclusivos ou ofertas de produtos. Por exemplo, desenvolvedores terceirizados como EPAM são atraídos até por empresas como Google ou Facebook.
Gigantes e plataformas de empresas de tecnologia de TI
Entre os gigantes da tecnologia, é claro, você pode citar "motores de busca" (Google, Yandex), comércio online (Amazon, Alibaba), redes sociais (Facebook, Instagram, WeChat). Esses caras, se precisam de algo, muitas vezes compram startups e empresas inteiramente e fazem suas próprias divisões estruturais internas a partir delas.
Uma tendência constante nos últimos anos está associada à transição de tudo e de todos para as plataformas em nuvem. Nesse sentido, ecossistemas inteiros de serviços de parceiros estão sendo construídos com base em plataformas como Azure, AWS ou Google Cloud. Em particular, esses serviços oferecem acesso personalizado a recursos de aprendizado de máquina e mineração de dados.
Resultado
Para sobreviver na variedade de ofertas existentes no mercado, qualquer empresa deve entender claramente em quais áreas de automação de negócios, aprendizado de máquina e análise de dados se especializa. Também é muito importante conhecer as melhores práticas e tendências do setor de seu cliente e, claro, de seus concorrentes. Mas o mais importante é que o cliente conheça e reconheça você.