En este artículo invitado especial, Heiko Claussen, vicepresidente sénior de inteligencia artificial y científico de datos industriales de AspenTech, destaca que, si bien el concepto de científico de datos industriales es un fenómeno laboral relativamente nuevo, habla de un cambio importante e irreversible hacia la transformación digital en casi cada espacio industrial. Heiko es responsable de la estrategia Industria 4.0, la investigación de IA industrial y la ciencia de datos de la empresa. Antes de AspenTech, fue Jefe de Máquinas Autónomas y Principal Experto Clave de IA en Siemens y lideró iniciativas para habilitar aplicaciones de máquinas autónomas para la automatización de fábricas. Heiko ha recibido numerosos premios y reconocimientos técnicos: ha sido nombrado Inventor del año dos veces en Siemens y también es autor de 99 invenciones y 47 patentes individuales. Heiko tiene un doctorado. Licenciado en Ingeniería Eléctrica de la Universidad de Southampton, Reino Unido; una maestría en Ingeniería Eléctrica de la Universidad de Ulster, Reino Unido.
Atrás quedaron los días en que los científicos de datos y los expertos en dominios industriales permanecían en sus propios carriles; ese enfoque simplemente no puede y ya no funcionará.
Ingrese al «científico de datos industriales», un pilar nuevo y cada vez más esencial de las fuerzas laborales industriales.
Con los conjuntos de habilidades duales de un científico de datos ciudadano y un experto en dominios industriales, el científico de datos industriales representa un enfoque de lo mejor de ambos mundos para un nuevo tipo de experto en dominios impulsado por la tecnología y empoderado por datos. Este alejamiento de la antigua forma de trabajar en silos representa un cambio radical en la forma en que las organizaciones piensan sobre la mejor manera de aprovechar y aprovechar el pozo de datos industriales no utilizados y no optimizados que tienen al alcance de la mano.
Los científicos de datos tradicionales tendían a llegar a las organizaciones industriales con antecedentes más típicos, como informática o ingeniería de software. Operando con cierta distancia, si no significativa, de las realidades sobre el terreno, estos científicos de datos se centraron en gran medida en contribuir con conocimientos académicos o experiencia en investigación a iniciativas a más largo plazo. Hoy, sin embargo, este modelo de hacer trabajo de datos profundos sin experiencia en el dominio se está volviendo insostenible.
El concepto de científico de datos industriales es un fenómeno laboral relativamente nuevo que habla de un cambio importante e irreversible hacia la transformación digital en casi todos los espacios industriales. Los científicos de datos industriales incorporan el conocimiento del dominio en los proyectos de ciencia de datos, ayudando a desmitificar el valor de la ciencia de datos en entornos industriales al abordar su trabajo con una comprensión cercana de las necesidades comerciales que están trabajando para mejorar. La fluidez específica del dominio que los científicos de datos industriales aportan a su trabajo les permite crear modelos de aprendizaje automático (ML) y de IA industrial integrales, eficientes y sostenibles que son aptos para abordar casos de uso del mundo real.
Proporcionar una hoja de ruta clara
Con cualquier rol nuevo y en evolución, los dolores de crecimiento son normales. Si bien se espera un período de ajuste, existen formas proactivas en las que el liderazgo puede mitigar la curva de aprendizaje tanto para los propios científicos de datos industriales como para los colegas de toda la organización que eventualmente colaborarán con ellos. A medida que estos expertos en dominios impulsados por la tecnología y empoderados por los datos comienzan a establecer su capacidad para transformar y aprovechar las nuevas aplicaciones de IA industrial para continuar superando los límites, es importante que las organizaciones identifiquen las formas principales en las que respaldar su éxito, especialmente desde la existencia misma del puesto. representa un cambio generacional en la experiencia, las expectativas y, en última instancia, las normas de la industria.
La mayoría de los científicos de datos industriales quieren centrarse en comprender el caso comercial del mundo real y luego analizar los datos industriales y crear modelos de aprendizaje automático que puedan integrarse en aplicaciones industriales adecuadas para esos casos de uso. Comprender este proceso de trabajo fundamental ayudará al liderazgo y a los colegas a colaborar de manera más efectiva con los científicos de datos industriales mientras buscan coordinar los recursos de conocimiento del dominio para proyectos nuevos o en curso (por ejemplo, poner a prueba una nueva iniciativa de IA industrial).
Los pasos adicionales para respaldar el éxito de sus científicos de datos industriales pueden incluir:
Simplificando la infraestructura: Los científicos de datos industriales dedican una parte sustancial de su tiempo a la infraestructura. Desde la creación del entorno hasta la implementación, las tareas pueden ser complejas y variables, lo que ralentiza la producción y socava el ROI. Pocos científicos de datos quieren mejorar y trabajar con la infraestructura o los aspectos DevOps del ciclo de vida de un proyecto determinado, pero en un campo tan dinámico, es difícil para ellos mantenerse al día con la última tecnología. Invertir en una infraestructura de IA industrial más simplificada puede tener un impacto significativo en el ROI al afinar el enfoque del proyecto y generar nuevos ahorros de tiempo, costos y mano de obra.
Simplificación de la implementación: La implementación y producción de un modelo de ML requiere mucho tiempo. Dada su complejidad, suele estar a cargo de un equipo de ingenieros de datos dedicados. Para reducir la dependencia de equipos externos, los científicos de datos industriales necesitan sistemas que puedan proporcionar canalizaciones de datos de CI/CD (integración continua y entrega continua) más sólidas. Subir de nivel esta capacidad ayuda a los equipos a pasar rápidamente sus proyectos de la experimentación a la producción, generar valor y aumentar la probabilidad de éxito.
Los líderes de las instalaciones industriales pueden ayudar a sus científicos de datos industriales a centrarse en su misión principal invirtiendo en una infraestructura de IA industrial robusta, escalable y segura. Eso significa un enfoque de pila completa para:
- Abstracción de la complejidad en proyectos de ciencia de datos
- Democratización de la capacidad de obtener conjuntos de datos críticos
- Facilitar las implementaciones de proyectos de IA y ML en producción
- Optimización de la colaboración entre expertos e ingenieros de dominio
Los científicos de datos industriales emergentes de hoy en día tienen un gran potencial para ofrecer un valor nuevo e innovador para sus organizaciones. Sin embargo, para estar a la altura de este potencial, necesitan liderazgo para ser conscientes de los obstáculos comunes para su éxito y hacer compromisos significativos para crear entornos en los que puedan cumplir sus objetivos para acelerar el tiempo de comercialización, aumentar la productividad, impulsar las innovaciones y entregando nuevo valor.
Regístrese para recibir el boletín gratuito insideBIGDATA.
Únase a nosotros en Twitter: @InsideBigData1 – https://twitter.com/InsideBigData1
