ローコード データ サイエンティストの急激な台頭について

ローコード ソフトウェア開発は、最近になって次の大きなメガトレンドとして宣伝されましたが、すでに主流になっています。 Gartnerによると、2025 年までに、組織が開発する新しいアプリの 70% は、ローコードまたはノーコード プラットフォームを使用して作成され、2020 年の 25% 未満から増加します。ローコード プラットフォームをまだ使用していない場合は、すぐに使用できるようになります。

ローコードでノーコードの開発により、技術的なバックグラウンドがなくてもデジタル製品を作成できるようになり、「シチズン デベロッパー」という用語が生まれたのです。ただし、シチズン デベロッパーの考え方には少し誤解があります。確かに、ローコード ツールを使用するためのトレーニングを行うことで技術に精通する必要はありませんが…..いくつかの移転可能なスキルが確実に役立ちます。データ サイエンティストでありローコード エバンジェリストである Rosaria Silipo は、「 コードレスは数学のないことを意味するわけではありません」と述べています。

さらに、組織やいわゆるシチズン デベロッパーはもちろん、デジタル開発への容易なアクセスから恩恵を受けていますが、技術者も同様です。業界の調査によると、プロの開発者のかなりの割合 (簡単に 3 分の 1、場合によっては 3 分の 2 近く) がローコード ソリューションを使用して作業を高速化したり、回避策を作成したりしています。

ローコード AI: 需要と供給の物語?

企業が IT よりもさらに必要とする唯一のスキルは、データ サイエンスです。一般的にローコードの採用を促進しているのと同じ市場の力は、ローコード AI ソリューションに関しては特に深刻に感じられます。

AI プロジェクトを立ち上げて実行したい組織にとって、人材不足は唯一の課題ではありません。 AI 開発は、大規模または複雑なデータ セットが関係する場合、多くの場合、長い時間がかかり、リソースを大量に消費します。つまり、コストがかかります。それに加えて、データ サイエンティストの競争は激しく、報酬も手ごろです。ビッグデータと AI のプロジェクトには、お金と時間の面で真剣な取り組みが必要です。

今までは、です。ローコードはタイムラインを大幅にスピードアップするのに役立ち、プロジェクトごとのコストだけでなく人員の面でもコストを削減します。企業が行う必要がある雇用。最近更新された最新のデータ インフラストラクチャの新しいアーキテクチャで、Andreesen Horowitz 氏は、ML 業界が、ML モデリング プロセスを自動化するローコード ML ソリューション (Continual や MindsDB など) を使用したデータ中心のアプローチを中心に統合されていると指摘しました。

あらゆるジョブに適したローコード ツール

これはデータ サイエンティストにとっては悪いニュースのように聞こえるかもしれませんが、データ サイエンティスト自身が、ローコード AI ツールを使用する速度と使いやすさの向上から恩恵を受けていることを覚えておく価値があります。

ローコード化の動きは、あらゆるデジタル化の「民主化」と表現されることが多く、開発と変革の成果への障壁を打ち破っています。この民主化は、データ入力からデータ変換、機械学習に至るまで、データ サイエンスのあらゆるレベルで徐々に進行しています。

以前は非常に複雑で時間がかかっていた多くのジョブを、ローコードで簡単に実行する方法があります。ローコード ソリューションを使用すると、プロジェクトのタイムラインが短縮され、データ サイエンティストは、たまたま持っている特定のプログラミング スキル セットに基づいたツールやプロセスに縛られることがなくなります。

古典的なスキルであり、データベースのコア言語である SQL を例にとります。ただし、その後データを操作するには、データ サイエンティストは他の多くの言語、BI ツール、および ML ソリューションに習熟している必要がありました。データベースからデータを抽出し、それを BI ツールにアップロードし、その後 ML ツールにアップロードし、モデルを実行してから、結果を BI ツールにロードし直すのではなく、魔法を内部で実現しようとする動きが急速に拡大しています。確立された世界共通のデータ言語である SQL を使用するデータ層。

この例は、データベース内機械学習の分野からのもので、標準 SQL コマンドを使用するデータ サイエンティストがどのように予測をクエリし、データベース内から ML モデルを構築できるかを示しています。データ パイプラインは、SQL コマンドに基づくデータ変換製品を提供するdbt Labsなどの企業のおかげで、大幅に簡素化および高速化されたプロセスのもう 1 つの例です。

さまざまなプログラミング言語やツールの相対的なメリットについて長い間議論してきたデータ サイエンティストは、謙虚な SQL が目的地にすばやく簡単に到達できることにますます気づき始めています。

データベース内ツールによる変換の加速

これはデータ サイエンティストにとって不快な事実ですが、分析はデジタル トランスフォーメーションを遅らせるボトルネックになりがちです。これには十分な理由があります。スキルの不足、コスト、複雑さなどです。ローコード データ サイエンス ツールは、データから実用的なインテリジェンスを抽出するプロセスを大幅にスピードアップします。経験豊富なデータの専門家の手によって、データベース内のローコード ソリューションの速度、シンプルさ、および費用対効果は、並外れた可能性をもたらします。膨大な量のデータをよりアクセスしやすくすることで、データ サイエンティストは、物事が完了しない通常の理由 (コスト、統合の問題、時間の問題、スキルのギャップ) ではなく、想像力によって制約を受けるだけで済みます。ローコード ソリューションは、革新的なデータ サイエンティストが ROI をより迅速に実現し、ますます多くのシナリオで ML の能力を発揮できるようにするのに役立っています。

また、組織の全体的なデジタル出力の向上にも役立ちます。結局のところ、パンデミックによって世界はデジタル ソリューションに移行し、後戻りすることはできませんでした。 CIO の 4 分の 3 が、新しいデジタル製品とサービスに対する需要が増加したと報告しており、それはその後も増加を続けています。すでに過労、過度の負担、極度のストレスを抱えていたデータ チームと IT チームにとって、ローコード ソリューションが利用できるようになるのは、これ以上のタイミングではありませんでした。

ローコード世界の課題

ローコード データ サイエンス ツールの採用は急速に増加していますが、この種の開発はまだ始まったばかりです。当然のことながら、組織は、専門家以外がデータ (およびその他) を処理するプロジェクトのセキュリティとコンプライアンスへの影響について心配しています。開発とデータ サイエンスがますます分散化されるにつれて、組織にとって最大の課題の 1 つは、イノベーションを自由に発生させながらも、戦略的、関連性、安全性を維持できる文化を育むことです。ほとんどの専門家は、ローコード プラクティスを反映するために会社のポリシーを更新する必要があることに同意しています。

データ サイエンティストがローコード AI ソリューションを使用すると、作業効率が向上しますが、間接的にワークロードが増える可能性があります。 「シチズン開発」は IT チームとは独立して行われているように聞こえますが、データ サイエンティストにとっての現実は、他の場所で作成されたデジタル ツールの統合、救済、またはその他の方法でのサポートを求める声が高まることを意味します。

ローコード データ サイエンティストとしての生活

ローコード ツールは、これまでのデジタル化の方法に大きな混乱をもたらしています。すべての破壊的な力と同様に、現状を脅かしながら機会を生み出します。

データ サイエンティストにとって、ローコードは今や当たり前のことになりつつあります。これは AI 開発へのハイブリッド アプローチであり、その明白なスピードとシンプルさから採用されるべきものです。さらに、IT の民主化と分散化はとどまるところを知りません。データ サイエンティストにとって今の問題は、ローコードを採用するかどうかではなく、どのように採用するのが最善かということです。ローコードが多くのデータ サイエンスのキャリアを加速させているのを見てきました。自分の分野を理解することで、データを持たない同僚よりも有利な立場に立つことができます。ローコード ソリューションは、データ サイエンティストの手中にあり、データ サイエンティストがより迅速かつスマートに作業すると同時に、より機敏で創造的になるのに役立ちます。