Comme le destin l'a voulu, j'ai eu la chance pendant les 1,5 à 2 derniers mois d'analyser le marché de la science des données et de l'apprentissage automatique. Et il y avait un désir d'écrire au moins quelques lignes à ce sujet. Il s'agira donc probablement d'une courte note plutôt que d'un article solide.
Services marketing dans les grandes entreprises
La Data Science est ici sollicitée pour l'analyse des ventes, des marchés, la segmentation des clients et la recherche de leur comportement. Très probablement, dans ce cas, le travail de l'analyste est largement réduit à l'agrégation de données, à la création de tableaux de bord et à la mise en place de campagnes marketing. La dernière tâche est une tâche d'optimisation, dans laquelle sont construits des modèles qui prédisent la réaction du client à la publicité, à toutes sortes de promotions et à des remises pendant la vente.
Gestion des risques dans les banques et les compagnies d'assurance
La gestion des risques est en fait une industrie distincte et l'analyse quantitative est un outil de contrôle et de gestion des risques. Les sujets les plus courants ici sont la gestion du risque de crédit, l'évaluation de la solvabilité des emprunteurs et les méthodes avancées de calcul du capital réglementaire et économique et des réserves créées pour les pertes attendues en cas de défaut de paiement.
R&D - laboratoires
R&D - Recherche et développement. Dans le cadre des travaux de ces laboratoires, la recherche fondamentale est souvent menée avec le développement de nouveaux algorithmes et architectures d'apprentissage automatique. Les spécialistes nécessaires dans ces domaines sont beaucoup plus spécialisés et «creusent» plus profondément que les data scientists classiques. Les professionnels de la R&D se désignent souvent comme des ingénieurs en apprentissage automatique ou en apprentissage profond, ou simplement en mathématiciens.
Voici quelques exemples de tâches: développement d'agents formables aux jeux informatiques, contrôle de matériel robotique, véhicules aériens sans pilote, conduite autonome.
Démarrages de produits
L'ère des startups n'est pas encore terminée. Le sujet du lancement de startups et de l'investissement en capital-risque est toujours populaire. La principale caractéristique de cette zone est la concentration sur un produit dans son ensemble. L'apprentissage automatique, s'il est utilisé, le principal facteur de son utilité est l'augmentation de la convivialité du produit et de l'expérience utilisateur (UX).
Par exemple, une application mobile de réalité augmentée pour les enfants. La popularité d'une telle application peut dépendre en grande partie non pas de la métrique de qualité «sans âme», mais de la luminosité et du caractère spectaculaire de l'image. Autre exemple: un chatbot pour enseigner l'anglais ou simplement pour le plaisir. Les mesures de qualité sont loin d'être évidentes. Le chatbot peut parler du sujet, mais il sonnera "cool" et gagnera des vues, des clics et des likes. Il n'est pas difficile de deviner où je mène ici. Ces applications ou sites peuvent au moins gagner de l'argent grâce à la publicité.
Intégrateurs, conseil informatique
Les sociétés intégratrices et les services de conseil sont en demande car ils regroupent expérience et connaissances. Leur valeur principale réside dans le capital humain. Lancer n'importe quel projet avec automatisation et apprentissage automatique nécessite les connaissances de nombreux professionnels de domaines complètement différents à la fois. Personne n'est capable de combiner à la fois l'expertise des meilleures pratiques de l'industrie (banque, commerce de détail, publicité, médias sociaux) et la connaissance de l'ensemble de la pile technologique. Un exemple frappant est la pratique MLOps (un sous-ensemble de pratiques DevOps appliquées à l'apprentissage automatique) proposée par Neosoft. Une autre façon de faire passer votre entreprise au niveau supérieur consiste à embaucher une équipe entière, et cela en seulement deux clics de doigts.
Fournisseurs et développeurs de logiciels
L'automatisation et la modernisation de l'entreprise reposent d'une part sur des solutions prêtes à l'emploi, et d'autre part, elles ne peuvent pas se passer de personnalisation. La tâche de personnalisation pour une infrastructure et un modèle d'entreprise spécifiques, bien sûr, peut également être résolue par les intégrateurs au niveau des paramètres du logiciel prêt à l'emploi acheté. Mais souvent, pour obtenir un avantage concurrentiel, une entreprise doit transmettre au marché une partie de son offre de service ou de produit unique. Par exemple, les développeurs tiers comme EPAM sont même attirés par des entreprises comme Google ou Facebook.
Géants et plates-formes des entreprises de technologie informatique
Parmi les géants de la technologie, on peut bien sûr citer les «moteurs de recherche» (Google, Yandex), le commerce en ligne (Amazon, Alibaba), les réseaux sociaux (Facebook, Instagram, WeChat). Ces types, s'ils ont besoin de quelque chose, achètent souvent des startups et des entreprises entièrement et en font leurs propres divisions structurelles internes.
Une tendance constante ces dernières années est associée à la transition de tout et de tout le monde vers les plateformes cloud. Dans ce contexte, des écosystèmes entiers de services partenaires sont construits sur la base de plates-formes telles qu'Azure, AWS ou Google Cloud. En particulier, ces services offrent un accès personnalisé aux capacités d'apprentissage automatique et d'exploration de données.
Résultat
Afin de survivre dans la variété des offres existantes sur le marché, toute entreprise doit clairement comprendre dans quels domaines de l'automatisation commerciale, de l'apprentissage automatique et de l'analyse de données elle se spécialise. Il est également très important de connaître les meilleures pratiques et tendances de l'industrie de votre client, et bien sûr de vos concurrents. Mais le plus important est que le client vous connaisse et vous reconnaisse.