眾所周知，人類在預測未來(尤其是從長遠來看)方面很差。但是，它仍然是有用的練習。讓我們看看我認為2021年將為數據科學，工程學和戰略帶來什么。該列表沒有特別的順序，主要集中在我在德國的觀察：

[[379956]]

1. 角色穩定

在過去的幾年中，出現了新的數據角色，例如機器學習工程師，數據產品所有者等。這些還沒有完全流行起來，大型公司仍在求助于數據科學家的傳統角色。我認為，為員工和雇主提供更多職位及其相關技能是一個好主意。

2. 合并MLOps工具

去年是MLOPs工具和創業公司蓬勃發展的一年。盡管如此，許多這樣的公司僅提供相同產品的變體。2021年將淘汰許多雜草，而領先者將占領大部分市場。

3. DataOps大肆宣傳

敏捷和精益方法在數據科學和工程中的應用將變得更加廣泛。

4. 數據策略已成為主流

在過去的兩年中，我一直在討論這個主題，但是這份工作描述仍然很少見，尤其是在歐洲。但是，這并不意味著該角色不會由現有人員擔任。他們可能只是在其他區域下工作。不過，該領域對于成功交付數據項目至關重要，我對進一步的增長和接受表示樂觀。

5. 生產中的xAI

xAI長期以來一直在攀升Gartner Hype曲線，現在達到了開始交付成果的地步。該子領域的成功仍然存在障礙(例如需要不穩定的開源和神秘技能)。盡管如此，新的工具正在出現，以將其推向生產。

6. 進一步的數據工程爆炸式增長

沒有它的基礎-數據工程，任何數據科學項目都不會成功。公司認識到這一點很晚，并且在2021年仍然會趕上來。

7. 智能數據清理和ETL工具

每個人都知道花費在清理數據上的時間。到目前為止，使用工具解決這是一個棘手的問題，但是諸如Cloud Data Prep之類的新開發將催生競爭對手。

考慮到這個清單，我想在數據方面對2021年表示兩個希望。首先，我希望整個領域(尤其是其中的ML部分)變得“無聊”，但有用。其次，我們開始使用這項出色的技術來解決我們面臨的緊迫問題，并邁向更加樂觀和雄心勃勃的未來。

注意：本文最初出現在https://boyanangelov.com/blog/data-predictions-2021/

原文鏈接：https://towardsdatascience.com/7-predictions-for-data-in-2021-3b7fbc92b71f