آیا کلان داده ها میلیون‌ها نفر را بی کار خواهد کرد؟

به نظر می‌رسد در حال حاضر شرایط به گونه ای است که می‌توان به کمک داده پژوهی پول خوبی به جیب زد! البته این چیزی است که گزارش‌های انتشارات معروف اوریلی (O'Reilly) نشان می‌دهند. ولی اکنون این سؤال پیش می‌آید که کلان داده چقدر می‌تواند سودآور باشد و مهم تر از آن این که برای افزایش سود آوری چه بهایی باید پرداخت؟ برای یافتن پاسخ به این سوال و برخی پرسش های دیگر در حوزه ی بیگ دیتا، با سکان آکادمی همراه باشید.

طبق گزارشاتی که در 3 سال اخیر منتشر شده اند، حقوق کسانی که با علم داده سر و کار دارند 20 درصد افزایش پیدا کرده است. البته 12 درصد از افراد هم حقوقشان دو برابر شده است که مطمئناً بسیار وسوسه کننده است. در واقع متخصصین داده در آمریکا حقوق‌های خوبی دریافت می‌کنند و این در حالی است که حقوق میانگین این افراد به‌طور میانگین 106 هزار دلار در سال یا به عبارتی حدود 8500 دلار در ماه است.

آمار و ارقام دستمزد متخصصین داده بسیار جالب به نظر می‌رسد. چنین دستمزدی شاید آرزوی بسیار از ما باشد ولی بحث ما به دستمزدهای وسوسه کننده مربوط نمی‌شود. روی دیگر این دستمزدهای ایده آل در واقع بیکاری بسیاری از کسانی است که جای خود را به ماشین‌ها داده‌اند. در حقیقت متخصصین داده ماهیت کارشان این است که افراد زیادی را از کار بیکار کنند.

پاتریک مک کنزی کسی است که در دنیای وب، اپلیکیشن و استارتاپ پروژه‌های موفقیت آمیزی داشته است؛ او در مورد مهندسین گفته که «کار آن‌ها در واقع بی کار کردن دیگران است!» و جالب اینجا است که این دیدگاه در مورد متخصصین داده هم کاملا صدق می‌کند.

هم متخصصین داده و هم مهندسین، کارشان این است که کاری کننده که سیستم پربازده تر و مؤثرتر کار کند. در بیشتر مواقع مؤثرتر شدن و بهینه تر شدن سیستم به این معنا است که یک نفر باید جایش را به یک ماشین بدهد. بنابراین بیکار شدن افراد در بهینه سازی سیستم‌ها اجتناب ناپذیر است!

البته همه شغل‌ها در فرآیند بهینه سازی سیستم در خطر نیستند. عملکرد مشترک انسان و ماشین در کنار یکدیگر برای جمع آوری و پردازش داده‌ها اهمیت و کارایی زیادی دارد. این همان چیزی است که به تازگی دنیای فناوری و صنعت متوجه آن شده است. بنابراین جایگاه برخی مشاغل به هر حال محفوظ خواهد ماند.

تعامل انسان و ماشین در علم داده‌ها 
اوایل که بحث کلان داده‌ها مطرح شده بود، گزارش‌های مختلفی منتشر شد. این گزارش‌ها به اتفاق نشان می‌دادند که ماشین قرار است به زودی جایگزین انسان شود و کار تحلیل داده‌ها را بر عهده گیرد. با تحلیل داده‌ها، یک خط مشی عملیاتی به وجود خواهد آمد و انسان‌ها وظیفه اجرای آن ها را بر عهده خواهند گرفت. چنین خط مشی یی اصطلاحی بود که با مطرح شدن بحث کلان داده‌ها به وجود آمد و منظور از آن به دست آمدن اطلاعات و بینش کافی برای تصمیم گیری و انجام یک اقدام است. به هر حال چیزی که در ابتدا تصور می‌شد هیچ وقت به واقعیت تبدیل نشد.

در عمل مشخص شد که ماشین‌ها در تحلیل داده‌ها آن قدرها هم که تصور می‌کردیم خوب و عالی نیستند. با آن که ما انسان‌ها ممکن است جهت گیری داشته باشیم یا دچار خطا شویم -هم در بحث انتخاب داده‌هایی که می‌خواهیم جمع آوری کنیم و هم در تحلیل آن‌ها- و یا تحلیل‌های ناقص و نادرست ارائه دهیم، ولی با این حال حضور ما در کنار ماشین برای درک داده‌ها ضروری است. در واقع کلید حل ماجرا در این نیست که انسان‌ها به‌طور کامل جای خود را به ماشین‌ها بدهند. بلکه بهترین راه حل آن است که ایده آل ترین حالت تعادل میان انسان و ماشین یافته و بر قرار شود.

سیکیولار که خود در شرکت گارتنر (شرکت مشاوره در زمینه فناوری اطلاعات و تحقیقات) کار می‌کند و تجربه زیادی در کار با کلان داده دارد در این مورد گفته است: 

به نظر من همزیستی انسان و ماشین مثل قنطورس (موجود افسانه ای به صورت ترکیبی از نیم تنه بالای انسان و نیم تنه پایین اسب) است. در این میان سر قنطورس همیشه سر انسان است. انسان کاری که در آن مهارت دارد را بر عهده می‌گیرد، یعنی خلاقیت، کنجکاوی و همدردی. در طرف دیگر هم ماشین همان کاری که برای آن برنامه ریزی شده است را انجام می‌دهد یعنی جمع آوری داده‌ها، فشرده سازی آن‌ها و تحلیل سریع و برق آسای چیزی که مورد نیاز است. برای آن که پاسخ‌های ماشین از یک سری روابط به علت و معلول تبدیل شوند نیاز به حضور یک انسان است. این انسان‌ها هستند که از داده‌ها استفاده می‌کنند و هدف درست برای بررسی کردن را مشخص می‌کنند. هر دو طرف ماجرا به طرف دیگر کمک می‌کنند تا کار به بهترین صورت انجام شود و قنطورس انسان و ماشین ترکیب هوش انسانی و مصنوعی را هدایت می‌کند. 

چیزی که سیکیولار از همکاری ماشین و انسان تعریف کرده است مربوط به عقل سلیم می‌شود. ولی عقل سلیم چیزی نیست که در هیجاناتی که در حال حاضر در مورد پیش بینی آینده کلان داده وجود دارد، قابل مشاهده باشد. این هیجانات توجیه شده هستند ولی فقط در تفسیرهای انسانی می‌توانند وجود داشته باشند. در واقع ما برای استفاده حداکثری از داده‌ها هم به هوش انسانی نیاز داریم و هم به هوش ماشینی. به علاوه برای ساخت سیستم‌های پیچیده به نوآوری و ابتکار انسان بیش از پیش نیاز است. طراحی سیستم و نوآوری چیزی نیست که در عمل به راحتی به دست آید. به همین دلیل سال‌ها است که برای انجام چنین کارهایی مهندسین به خدمت گرفته شده اند.

بیکاری ناشی از داده 
همان طور که گفتیم، همه مشاغل از خطر حضور کلان داده در دنیای امروز و احتمالاً آینده در امان نخواهند بود. ممکن است تصور این که در آینده استفاده از کلان داده کارها را ساده‌تر کرده و جای انسان‌ها را پر می‌کنند، جالب و هیجان انگیز به نظر برسد. ولی بخش دیگر ماجرا این است که لزوماً افراد زیادی مشاغل خود را از دست می‌دهند و این اصلاً جالب نیست.

سیکیولار می‌گوید ما باید به یاد داشته باشیم که ماشین‌ها از یک جنبه از ما برتر هستند، یعنی در بحث الگوریتم‌ها و داده‌ها. این در حالی است که انسان‌ها را می‌توان ماشین‌های همه کاره دانست که در خیلی زمینه‌ها می‌توانند خوب باشند. هر چند کسانی که به‌ طور ویژه در یک زمینه مشخص توانایی بالایی ندارند ممکن است جای خود را به ماشین‌های برتر، بهتر و تک منظوره بدهند.

تا پیش از این، رابطه انسان و فناوری تا این حد به یکدیگر نزدیک نشده بود. در گذشته شرکت‌هایی که درآمدهای کلان داشتند و دنیا را تحت تأثیر قرار می‌دادند، همیشه سرمایه‌های بزرگ و کارکنان بسیار داشتند. حتی برخی شرکت‌های غول آسا مانند Walmart هنوز هم چنین وضعیتی دارند اما این در حالی است که شرکت‌های فناوری که ارزش بازار و ارزش سهام بالایی دارند، سرمایه زیادی ندارند.

در سال 1990 سه شرکت اتومبیل سازی بزرگ دیترویت درآمدی معادل 250 میلیارد دلار، ارزش بازار 36 میلیارد دلار و البته 1.2 میلیون نفر کارمند داشتند. در مقایسه در سال 2014، سه شرکت برتر در سیلیکون ولی ارزش سهامی بالای 1 تریلیون داشتند در حالی که تعداد کارمندان این شرکت‌ها فقط به 137 هزار نفر می‌رسید.

نمونه دیگر از این تغییر شرکت Uber است. این شرکت با استفاده از مدیریت داده ها توانست کارمندانش را به حداقل برساند و به این طریق از شرکت‌های قدیمی و رقیب پیشی بگیرد. البته همه این‌ها به هیچ وجه به این معنی نیست که از حالا به بعد برنامه نویسی و استفاده از فناوری را کنار بگذاریم! در واقع راه کار درست این است که از حالا به بعد، تأثیرات خوب و بد کارها و تصمیماتی که می‌گیریم و کدهایی که در این دنیای مبتنی بر داده می‌نویسیم را در زندگی مردم در نظر داشته باشیم.

نظر شما چیست. آیا با پررنگ شدن علم داده کاوی بازار کار از چیزی که در حال حاضر می بینیم هم رقابتی تر خواهد شد؟ نظرات خود را با ما و سایر کاربران سکان آکادمی به اشتراک بگذارید.

How your big data career is killing other jobs

0







از طریق این فرم، می توانید بدون ثبت نام نظر دهید و یا اگر قبلا ثبت نام کرده اید، با ورود ناحیه ی کاربری می توانید علاوه بر ثبت نظر، به مدیریت نظرات خود نیز بپردازید.
(فیلد اجباری)
(فیلد اجباری)
(فیلد اجباری)
(فیلد اجباری)