Как API-интерфейсы изменят роль специалистов
по data science?

Интерфейсы прикладного программирования, или API-интерфейсы, способны коренным образом изменить лицо аналитики. Эти крошечные компоненты кода – настоящее сокровище, скрытое от глаз, – они дают разным модулям кода возможность обмениваться данными друг с другом. Благодаря этому разработчики могут задействовать функциональные возможности других приложений. Например, с помощью API-интерфейса Facebook другие приложения могут использовать стандартный процесс авторизации. API-интерфейс Карт Google позволяет авторам других приложений использовать технологии поиска по картам и на их основе создавать собственные, избавляя от необходимости разрабатывать аналогичные технологии. 

Потенциал API-интерфейсов в области аналитики данных поистине огромен. API-интерфейсы могут использоваться на самых разных этапах жизненного цикла аналитики — от сбора данных из новых источников, моделирования и передачи результатов потребителям до их оценки. Из-за этого, в свою очередь, меняется и роль специалистов по анализу данных, в том числе и непрофессиональных.

API-интерфейсы и развитие аналитики

Наиболее значимое и очевидное влияние API-интерфейсы оказывают на непрофессиональных специалистов по анализу данных, то есть на пользователей из бизнес-сферы, которые иногда самостоятельно проводят анализ данных (зачастую сравнительно простой, но иногда и достаточно сложный). Эта группа пользователей особенно преуспеет благодаря применению API-интерфейсов, поскольку они существенно упрощают работу со сложной аналитикой.

Причина проста. Сложнейшая задача аналитики состоит в том, чтобы, в первую очередь, правильно сформулировать запрос для отбора и получения нужной информации. Здесь не обойтись без участия человека. Другая задача — собрать необходимые наборы данных для поиска ответа на этот вопрос, при этом убедившись в надлежащем качестве данных. API-интерфейсы значительно упрощают решение второй задачи. Благодаря этому, во-первых, высвобождается рабочее время опытных специалистов по аналитике (теперь можно перенаправить их усилия на более интересную работу), во-вторых, непрофессиональные аналитики могут сами формулировать новые запросы, обращенные к данным (то есть решается и первая задача).

Важность удобства API

Еще одно преимущество API-интерфейсов — коммерческая выгода. Они дают возможность объединять разные программные компоненты и данные, используя уже существующие функциональные средства. Не требуется существенных вложений ни в написание программного кода, ни в инфраструктуру. Эффективность этих API-интерфейсов во многом зависит от их удобства: никому не захочется тратить слишком много времени, чтобы заставить API работать. Это очень важный фактор для тех, кто лишь осваивает технологии принятия решений на основе анализа данных.

API-интерфейсы также упрощают понимание результатов анализа, ведь существует множество новых решений для их представления и наглядного отображения. Развитие API-интерфейсов по распознаванию речи может привести к тому, что чат-боты станут средством связи аналитических моделей с потребителями. Более того, некоторые совсем уж смело утверждают, что дальнейшее развитие API-интерфейсов может привести к тому, что специалисты по анализу данных останутся без работы: системы машинного обучения смогут функционировать самостоятельно, без необходимости отчитываться человеку о результатах.

И все же такой исход видится маловероятным – в основном из-за того, что для принятия решений всегда может потребоваться анализ на более сложном уровне. Правдоподобнее другой сценарий: все большее количество бизнес-пользователей станет обращаться к аналитике. Возможно, эти пользователи будут меньше нуждаться в поддержке со стороны профессиональных аналитиков по мере обучения корректному выбору возможностей в API-интерфейсах, чтобы получать ответы на свои вопросы. Более широкий доступ к аналитике, безусловно, благоприятен для тех, кто уже длительное время поддерживает принятие решений на основе анализа данных.

Развитие: прогноз на будущее

Без сомнений, API-интерфейсы, связанные с искусственным интеллектом, обладают огромным потенциалом в преобразовании способов сбора данных, управления данными и их использования во всех отраслях. Впрочем, ключевое слово здесь — потенциал. Да, изменения, по всей вероятности, произойдут, но не сразу, и неизвестно, сколько на это потребуется времени. Это означает, что и роль специалистов по анализу данных, в том числе и непрофессиональных, также будет изменяться плавно и постепенно. Многие предсказывают, что бизнес-пользователи все чаще будут использовать аналитику данных: это тем более вероятно, учитывая, что API-интерфейсы станут выполнять всю «грубую работу» в этой области.

Впрочем, пока сложно предугадать, каким именно образом изменится роль опытных специалистов по анализу данных. Я считаю, что здесь возможны два варианта, и один не исключает другой. Они могут начать работать над более сложной аналитикой по принципу «то же самое, только больше». Такой подход будет существовать всегда, пока аналитические системы будут нуждаться в связи с человеком. Другой вариант заключается в том, что специалисты по анализу данных станут специалистами по вычислительным машинам: они будут осуществлять надзор за работой непрофессиональных аналитиков, следить за тем, чтобы те задавали наиболее эффективные вопросы, мониторить качество и эффективность работы систем машинного обучения, а также контролировать их использование.

Возможны оба варианта. Будет интересно следить за дальнейшим развитием в этой области.