خواه در حال استخدام باشید و یا برای نقش های جدید در فن آوری های نوظهور اقدام کنید ، مهم است که بدانید فناوری به کجا می رود و شرکت ها چگونه استراتژی های استخدام و مهارت را تطبیق می دهند.
ما در مورد اطلاعات آینده مشاغل مجمع جهانی اقتصاد چند دیدگاه جمع بندی کردیم تا در زمینه مشاغل فنی فردا به شما اطلاعات بیشتری بدهیم. این مقاله در مورد داده های بزرگ ، آخرین نسخه از یک مجموعه چهار قسمتی است که دارای نسخه های قبلی در مورد بلاکچین ، یادگیری ماشین و رایانش ابری است .
داده های بزرگ: در آستانه فراگیر شدن
گزارش آینده شغل های WEF نشان می دهد که استفاده گسترده از تجزیه و تحلیل داده های بزرگ به عنوان یکی از چهار پیشرفت تکنولوژیکی خاص قرار است در دوره ۲۰۲۲-۲۰۱۸ توسعه یابد “زیرا بر رشد اقتصادی تأثیر مثبت می گذارند” ، همراه با اینترنت پرسرعت تلفن همراه ، هوش مصنوعی و فناوری ابر.
براساس این گزارش ، ۸۵ درصد از کل شرکت ها احتمالاً تا سال ۲۰۲۲ پذیرش تجزیه و تحلیل داده های کلان کاربر و نهاد را دارند.
همچنین توجه به این نکته مهم است که تقاطع یادگیری ماشین ، هوش مصنوعی و داده های بزرگ ، تغییر چشمگیری در نحوه انجام کار ایجاد می کند و همزمان با افزایش کارایی و در دسترس بودن داده ها، وظایف بیشتری از قبل انجام می شود.
به عنوان مثال ، تخمین زده می شود که ۶۲٪ از پردازش اطلاعات و داده ها و جستجوی اطلاعات و وظایف انتقال اطلاعات تا سال ۲۰۲۲ توسط ماشین ها انجام شود ، در حالی که امروز ۴۶٪ است.
این تغییر در ماهیت کار باعث ایجاد شکاف مهم در صنایع می شود. بر اساس گزارش آینده شغل ، بین سالهای ۲۰۲۲-۲۰۱۸ ، همه صنایع انتظار شکاف مهارت های قابل توجهی را دارند و بیش از ۵۰٪ از نیروی کار حداقل به سطحی از تجدید مهارت نیاز دارند.
تأثیر داده های کلان در صنایع
در حالی که نقش دانشمند داده در لیست امیدوار کننده ترین مشاغل LinkedIn قرار داشت ، این شرکت همچنین تخمین زد که بیش از 151،717 موقعیت شغلی علوم داده فقط در ایالات متحده خالی است .
اکثر شرکت ها در تقریباً هر صنعت با استفاده از فناوری های اطلاعاتی و ارتباطی (93٪) ، هواپیمایی ، مسافرت و جهانگردی (89٪) و بهداشت جهانی و بهداشت و درمان (87٪) فناوری تحلیلی داده های بزرگ را تا سال 2022 به تصویب رسانده اند و یا انتظار می رود که از آنها استفاده کنند. انتظار دارد که آن را با بالاترین نرخ به تصویب برساند.
با توجه به میزان محبوبیت کلان داده ها و تقاضای نقش داده ها ، شرکت های این صنایع و سایر افراد می توانند انتظار رقابت شدید برای افراد واجد شرایط را داشته باشند و باید در آینده برای کمک به کاهش اثر مخرب کمبود مهارت برنامه ریزی کنند.
اما دلایل زیادی برای خوش بینی وجود دارد. از آنجا که نیروی کار برای پاسخگویی به خلا key مهمی در مهارتهای ناشی از انقلاب صنعتی چهارم ، تلاشهای جدی برای بازپرداخت انجام می دهد ، در گزارش آینده شغل WEF آمده است که با انتقال وظایف به ماشین ، ممکن است تا 75 میلیون شغل آواره شوند. با این حال ، 133 میلیون نقش جدید پیش بینی می شود که تقسیم کار بین انسان ، ماشین ها و الگوریتم ها تکامل یابد.
تغییر نقش و مشاغل جدید در تجزیه و تحلیل داده های بزرگ
با ادامه رشد تجزیه و تحلیل داده های بزرگ ، تحلیلگران داده و دانشمندان داده برای پشتیبانی از کاربردهای عملی یادگیری ماشین و هوش مصنوعی مورد نیاز هستند.
از نظر شغلی ، این نقش ها در بیشتر صنایع ، و همچنین نقش جدیدی به نام “متخصصان داده های بزرگ” بسیار مورد تقاضا خواهند بود. اگرچه توسطWEF به طور کامل تعریف نشده است ، اما این نقش با عنوان آخرین فن آوری های نوظهور تعریف می شود ، و همچنین شامل متخصصان هوش مصنوعی و یادگیری ماشین ، کارشناسان اتوماسیون فرآیند ، تجربه کاربر ، طراحی تعامل انسان و ماشین و سایر موارد است.
همانطور که انتظار می رود ، متخصصان پایگاه داده و شبکه همچنان به تقاضا برای حمایت از پذیرش تجزیه و تحلیل داده های بزرگ و مدیریت قدرت محاسباتی مورد نیاز برای این کار ادامه خواهند داد.
چه چیزی برای داده های بزرگ وجود دارد؟
اطمینان از اینکه خلا نیروی کار مانع ابتکارات کلان داده نیست ، نیاز به توجه فوری و مداوم دارد ، زیرا رقابت برای متخصصان آموزش داده های بزرگ ، شدید است. هنگام تعریف ابتکارات کلان داده خود ، در اینجا سه ملاحظه خاص صنعت وجود دارد که باید بخاطر بسپارید:
- داده های بزرگ در فناوری اطلاعات و ارتباطات
برای شرکت های فناوری اطلاعات و ارتباطات ، وجود مهارت در بازارهای محلی کار یکی از موانع اصلی در پیشبرد فناوری های نوظهور مانند تجزیه و تحلیل داده های بزرگ است. برای کمک به غلبه بر این مسئله ، 57٪ از شرکتهای این صنعت به دنبال توسعه پیمانکاران متخصص و سایر روشها برای تأمین نیازهای سریع استعداد هستند.
ماشین آلات نیز در پر کردن این خلاها نقش خواهند داشت و به انسانها اجازه می دهند کارهای راهبردی مهم را انجام دهند.
با کاهش نیاز به کارمندان ورود اطلاعات ، پشتیبانی اداری ، پشتیبانی کاربران ، حسابداری ، دفترداری و سایر نقش ها ، سهم ماشین آلات ساعات کاری که برای فعالیت های اداری در مقابل فعالیت های انسانی صرف می کنند از 39٪ به 57٪ می رسد. حتی با فعالیت های پیچیده و فنی ، ماشین آلات سهم بیشتری از کار را به خود اختصاص می دهند ، از 25٪ در 2018 به 46٪ در 2022.
- داده های بزرگ در هواپیمایی ، مسافرت و جهانگردی
از بین سه صنعتی که در این مقاله ذکر شده است ، صنایع هواپیمایی ، مسافرتی و جهانگردی با بیشترین چالش های مربوط به بازپرداخت مواجه هستند ، زیرا 68٪ از نیروهای کار شرکت ها برای سازگاری با داده های بزرگ و سایر فناوری های نوظهور به نوعی آموزش نیاز دارند .
با پیش بینی گردشگری جهانی تا بیش از 1.8 میلیارد دلار تا سال 2030، سازمان هایی که قادر به وعده داده های کلان برای این بازارها هستند و برنامه های قوی آموزش و استخدام را توسعه می دهند می توانند یک مزیت رقابتی بزرگ نسبت به کسانی داشته باشند که رویکرد سنتی تر یا محتاطانه ای دارند.
- داده های بزرگ در بهداشت جهانی و مراقبت های بهداشتی
تقریباً 80٪ سازمانهای بهداشتی و بهداشتی جهانی ، “عدم درک از فرصتها” را بزرگترین مانع در برابر پذیرش فناوری جدید ، بیش از سایر بخشهای گزارش WEF ، عنوان کرده اند. این نشان دهنده نیاز به مدرن سازی و رقابت موثر با استارتاپ های آینده دار و اولین شرکت های بهداشتی فناوری است.
بر اساس نتایج تحقیقات Health IT Analytics ، حجم داده های پزشکی روزبه روز بیشتر می شود و با استفاده از این داده های کلان و تجزیه و تحلیل داده ها می توانند در پیشرفت علم پزشکی برای ایجاد امتیاز دهی مبتنی بر ریسک برای تعیین اینکه افراد ممکن است از درمان یا مداخله اضافی سود ببرند ، بهبود مدیریت زنجیره تأمین مبتنی بر داده ، دقت پیشبرد پزشکی و تقویت امنیت داده ها و اقدامات دیگر موثر باشند.
اینکه آیا یک شرکت مراقبت های بهداشتی سنتی می تواند از فرصت هایی مانند این استفاده کند ، کاملاً به توانایی آن در اتخاذ و استقرار موثر فناوری داده های بنیادی متکی است.
بدیهی است که انتظار می رود به عنوان یک ورودی کلیدی برای کارهای ماشینی و هوش مصنوعی ، تجزیه و تحلیل داده های بزرگ نقش زیادی در تکامل نقش های شغلی سنتی و جرقه رشد تجارت جدید داشته باشد. وقتی در نظر می گیرید که داده های کلان و علوم داده در همه جا به عنوان کارکردهای تجاری وجود دارد ، جای تعجب است که آیا داده های بزرگ حتی باید به عنوان یک فناوری “در حال ظهور” طبقه بندی شوند یا اینکه آیا برای هر کسب و کاری که امیدوار به رقابت در حال حاضر یا فردا است ، ضروری است؟
