Acerca del ascenso meteórico del científico de datos de código bajo

El desarrollo de software low-code, anunciado recientemente como la próxima gran megatendencia, está aquí y ya se ha convertido en la corriente principal. Para 2025, el 70 por ciento de las nuevas aplicaciones desarrolladas por las organizaciones se crearán utilizando una plataforma de código bajo y sin código, frente a menos del 25 por ciento en 2020 según Gartner . Si aún no está utilizando plataformas de código bajo, lo hará muy pronto.

El desarrollo low-code y sin código hace posible que personas sin conocimientos técnicos creen productos digitales, de ahí surgió el término "desarrollador ciudadano". Sin embargo, la idea del desarrollador ciudadano es un poco engañosa. Si bien es cierto que realmente no tiene que ser técnico para entrenarse para usar herramientas de código bajo... algunas habilidades transferibles definitivamente ayudan. Como la científica de datos y evangelista de código bajo, Rosaria Silipo, lo expresó: "Sin código no significa sin matemáticas ".

Además, mientras que las organizaciones y los llamados desarrolladores ciudadanos se benefician, por supuesto, de un acceso más fácil al desarrollo digital, también lo hacen los tecnólogos. Los estudios de la industria muestran que una proporción significativa de desarrolladores profesionales (fácilmente un tercio y potencialmente casi dos tercios) están utilizando soluciones de código bajo para acelerar su trabajo o crear soluciones alternativas.

IA de código bajo: ¿una historia de oferta y demanda?

La única habilidad que las empresas necesitan incluso más que TI es la ciencia de datos. Las mismas fuerzas del mercado que están impulsando la adopción de low-code en general se sienten de manera especialmente aguda cuando se trata de soluciones de IA de low-code.

La falta de personal no es el único desafío para las organizaciones que desean poner en marcha sus proyectos de IA. El desarrollo de IA a menudo lleva mucho tiempo y requiere muchos recursos cuando se trata de conjuntos de datos grandes o complejos. En otras palabras, es costoso. Sumado a eso, la competencia por los científicos de datos es feroz y la remuneración generosa. Los proyectos de big data e IA implican un compromiso serio en términos de dinero y tiempo.

Hasta ahora, eso es. Low-code está ayudando a acelerar significativamente los plazos, al tiempo que reduce los costos no solo por proyecto, sino también en términos de número de empleados: cada vez hay más pruebas de que las soluciones de low-code están ayudando a cerrar la brecha de habilidades al reducir la cantidad total de contrataciones que las empresas necesitan hacer. En las Arquitecturas emergentes para la infraestructura de datos moderna, recientemente actualizada, Andreesen Horowitz señaló que la industria de ML se está consolidando en torno a un enfoque centrado en los datos con soluciones de ML de bajo código (como Continual y MindsDB) que automatizan el proceso de modelado de ML.

Herramientas de código bajo para adaptarse a cada trabajo

Si bien esto puede sonar como una mala noticia para los científicos de datos, vale la pena recordar que los propios científicos de datos se benefician de la mayor velocidad y facilidad de uso de herramientas de IA de bajo código.

El movimiento low-code a menudo se describe como una "democratización" de todo lo digital, que derriba las barreras para el desarrollo y los resultados transformadores. Esta democratización ha tenido lugar gradualmente en todos los niveles de la ciencia de datos, desde la entrada de datos hasta la transformación de datos y el aprendizaje automático.

Hay una forma más simple y de bajo código de hacer muchos de los trabajos que antes eran muy complejos o tomaban mucho tiempo. Al usar soluciones de código bajo, los cronogramas de los proyectos se aceleran y los científicos de datos ya no se encuentran atrapados en herramientas y procesos basados en el conjunto particular de habilidades de programación que tienen.

Tome SQL como ejemplo, una habilidad clásica y el lenguaje central de las bases de datos. Sin embargo, para luego trabajar con los datos, un científico de datos solía necesitar ser competente en varios otros lenguajes, herramientas de BI y soluciones de ML. No más: en lugar de extraer los datos de la base de datos, cargarlos en una herramienta de BI, luego en una herramienta de ML, ejecutar los modelos y luego volver a cargar los hallazgos en la herramienta de BI, hay un movimiento en rápido crecimiento que busca hacer que la magia suceda dentro la capa de datos, utilizando el lenguaje de datos establecido y universal, SQL.

Este ejemplo, del campo del aprendizaje automático en la base de datos, muestra cómo los científicos de datos que usan comandos SQL estándar ahora pueden consultar predicciones y crear modelos ML desde dentro de la base de datos. Las canalizaciones de datos son otro ejemplo de un proceso que se está simplificando y acelerando radicalmente gracias a empresas como dbt Labs con su producto de transformación de datos basado en comandos SQL.

Los científicos de datos, que han debatido durante mucho tiempo los méritos relativos de los diferentes lenguajes y herramientas de programación, descubren cada vez más que el humilde SQL puede llevarlos a su destino de forma rápida y sencilla.

Aceleración de la transformación con herramientas en base de datos

Es una verdad incómoda para los científicos de datos, pero el análisis puede convertirse fácilmente en el cuello de botella que ralentiza la transformación digital. Hay buenas razones detrás de esto: escasez de habilidades, costo, complejidad. Las herramientas de ciencia de datos de código bajo aceleran radicalmente el proceso de extracción de inteligencia procesable de los datos. En manos de un profesional de datos experimentado, la velocidad, la simplicidad y la rentabilidad de las soluciones de código bajo en la base de datos brindan posibilidades extraordinarias. Al hacer que grandes cantidades de datos sean más accesibles, los científicos de datos solo necesitan estar limitados por su imaginación, en lugar de las razones habituales por las que las cosas no se hacen (costo, problemas de integración, problemas de tiempo, brecha de habilidades). Las soluciones de código bajo están ayudando a los científicos de datos innovadores a brillar, ya que ofrecen un ROI más rápido y muestran el poder de ML para una cantidad creciente de escenarios.

También ayudan a aumentar la producción digital general de una organización. Después de todo, la pandemia hizo que el mundo girara hacia soluciones digitales y no ha habido vuelta atrás. Tres cuartas partes de los CIO informaron una mayor demanda de nuevos productos y servicios digitales, que ha seguido creciendo desde entonces. Para los equipos de datos y TI que ya estaban sobrecargados de trabajo, sobrecargados y muy estresados, la disponibilidad de soluciones de código bajo no podría haber llegado en un mejor momento.

Los desafíos de un mundo low-code

Aunque la adopción de herramientas de ciencia de datos de código bajo está aumentando rápidamente, aún es pronto para este tipo de desarrollo. Es comprensible que las organizaciones estén preocupadas por las implicaciones de seguridad y cumplimiento de los proyectos de manejo de datos (y otros) por parte de personas no expertas. A medida que el desarrollo y la ciencia de datos se vuelven cada vez más descentralizados, uno de los mayores desafíos para las organizaciones será fomentar una cultura en la que la innovación pueda ocurrir libremente, pero que siga siendo estratégica, relevante y segura. La mayoría de los expertos están de acuerdo en que las políticas de la empresa deberán actualizarse para reflejar las prácticas de bajo código.

Las soluciones de IA de código bajo, cuando las utilizan los científicos de datos, son una forma de trabajar de manera más eficiente, pero podrían, indirectamente, terminar aumentando su carga de trabajo. Si bien el "desarrollo ciudadano" parece operar independientemente del equipo de TI, la realidad para los científicos de datos significará un aumento de las llamadas para ayudar a integrar, rescatar o respaldar herramientas digitales que se han creado en otros lugares.

La vida como científico de datos de código bajo

Las herramientas de código bajo representan una gran interrupción en la forma en que se ha hecho lo digital hasta ahora. Como toda fuerza disruptiva, crea oportunidades al mismo tiempo que amenaza el statu quo.

Para los científicos de datos, el código bajo ahora se está convirtiendo en un hecho de la vida, un enfoque híbrido para el desarrollo de IA que debe adoptarse debido a su innegable velocidad y simplicidad. Además, la democratización y descentralización de las TI son imparables. Para los científicos de datos, la pregunta ahora no es si adoptar código bajo, sino cuál es la mejor manera de hacerlo. He visto el código bajo acelerar muchas carreras de ciencia de datos. Entendiendo su campo como lo hacen, ya tienen una ventaja sobre sus colegas que no son de datos. En manos de los científicos de datos, las soluciones de código bajo ayudan a los científicos de datos a trabajar de forma más rápida e inteligente y, al mismo tiempo, a ser más ágiles y creativos.