IoT-werkvoorp 2024: De skills gap overbruggen met AI, ML en data science

Data scientists worden vaak beschreven als de hartklop van IoT-initiatieven, fungerend als poortwachters die actionable insights uit data ontgrendelen.

Hun expertise ligt in het omzetten van ruwe data in duidelijke, actieerbare intelligentie – een vitale functie vergelijkbaar met het tanken van een auto voor een soepele reis.

Data scientists zijn in hoge vraag

Volgens Gartner, zal bij 2020 meer dan de helft van de grote nieuwe zakelijke processen en systemen IoT incorporeren. Om deze oplossingen succesvol te implementeren, moeten bedrijven teams uitrusten met de juiste vaardighedensets. Met een huidige tekort aan data scientists, biedt AI een pad om IoT-implementaties te automatiseren en te verrijken.

We moeten training in AI en IoT verbreden om de skills gap te dichten. AI kan projecten schalen, menselijk talent vrijmakend voor taken die technologie niet kan vervangen, terwijl herhalend werk wordt afgehandeld.

Studies tonen aan dat personeelstekorten en vaardigheidstekorten de grootste barrières blijven voor IoT-adoptie. Immersat Research Programme vond dat 33% van bedrijven zou baaten bij extra vaardigheden, en 47% voelt dat ze het juiste talent volledig missen. De top drie gaten zijn databeveiliging, data science, en technische ondersteuning.

Simpelweg meer data scientists aannemen is onvoldoende. Bedrijven moeten begrijpen hoe AI en machine learning IoT-projecten makes possible en investeren in de training van de volgende generatie.

Een meer collaboratieve economie

De heersende gedachte dat alleen data scientists IoT-uitdagingen kunnen oplossen is verouderd. Het doel is om elke werknemer in staat te stellen IoT-data te interpreteren.

Millennials, gewend aan constante connectiviteit, zijn ideaal om verdere integratie te drijven. Door hen uit te rusten met AI, ML, en deep learning vaardigheden, kunnen bedrijven analytics toepassen op streaming data, diepere insights afleiden, en voorspellende beslissingen nemen – het spiegelen van een data scientist's rol.

Daarom moeten we ons richten op het implementeren van meer training in tools die rollen kunnen automatiseren en verbeteren door:

1. Meer training implementeren – Om de huidige skills gap te overbruggen, moeten we uitgebreide cursussen in AI, ML, en DL aanbieden. Dit maakt bredere analytics en voorspellende besluitvorming mogelijk, en upskilled de werkvoorp.
2. STEM is niet het enige antwoord – Alleen op STEM vertrouwen is beperkend. We moeten ook design thinking en zakelijk strategie vaardigheden bevorderen, wat data scientists in staat stelt toekomstige modellen te vormgeven.
3. Er is geen enkele vereiste vaardigheid – De toekomstige werkvoorp opereert in een hoogverbonden omgeving. IoT en digitale transformatie vereisen een mix van AI, DL, ML, en data analytics; een enkele vaardigheidenset is niet meer genoeg.

De werkvoorp van de toekomst moet werken met AI, DL, ML, en data analytics technologieën. Alleen dan kunnen we de ware waarde van onze data ontgrendelen om IoT-projecten vooruit te drijven. Dit is waarom we nu moeten handelen.

De auteur is Anthony Sayers, IoT Evangelist bij Software AG.