วีเจย์ บาลาจิ แมดเฮสวารัน ผู้อำนวยการวิทยาศาสตร์ข้อมูลประยุกต์ที่ดันน์ฮัมบี เอเชียแปซิฟิก เปิดเผยว่า ในขณะที่องค์กรทั่วโลกและทุกแวดวงสาขาอาชีพต่างมองหาประโยชน์จากศักยภาพในการเติบโตของวิทยาศาสตร์ข้อมูล ทักษะเชิงข้อมูลจึงกลายเป็นทักษะที่จำเป็นในช่วงทศวรรษหน้าอย่างหลีกเลี่ยงไม่ได้
นอกจากนี้ ยุค Big Data และทุกธุรกิจล้วนต้องอาศัยข้อมูลในการตัดสินใจเรื่องสำคัญๆ แต่งานที่ยากที่สุดไม่ใช่การจัดเก็บข้อมูล แต่คือ การมีพนักงานที่มีทักษะในการทำความเข้าใจ วิเคราะห์และใช้ประโยชน์จากข้อมูล (data literacy) หรือที่เราเรียกตำแหน่งนี้ว่า Data Scientist
งานวิทยาศาสตร์ข้อมูลกลายเป็นเส้นทางสายอาชีพที่เป็นที่ต้องการในตลาดและเป็นสายงานที่มีเกียรติและน่าภูมิใจอีกด้วย ดังจะเห็นได้จากในตอนต้นของทศวรรษที่ผ่านมา นิตยสารฮาร์วาร์ด บิซิเนส รีวิว (Harvard Business Review) ได้ขนานนามวิทยาศาสตร์ข้อมูลว่าเป็น "งานที่ร้อนแรงที่สุดในศตวรรษที่ 21" และวาดภาพให้เห็นถึงอนาคตที่ผู้เชี่ยวชาญด้านวิทยาศาสตร์ข้อมูลอาจเป็นที่ต้องการอย่างมากจนเกิดการขาดแคลนในที่สุด
พลเมืองนักวิทยาศาสตร์ข้อมูล (Citizen Data Scientists) คือ ผู้คิดค้นหรือสร้างแบบจำลองโดยใช้ความสามารถในการวิเคราะห์ การวินิจฉัย หรือการคาดการณ์และการกำหนดล่วงหน้าในระดับขั้นสูง แต่ที่ผ่านมา บุคลากรเหล่านี้กลับมีบทบาทหน้าที่หลักในการทำงานอยู่นอกสาขาสถิติและการวิเคราะห์ เราอาจพบเจอทีมงานเหล่านี้ในสายงานไฟแนนซ์ การขาย การปฏิบัติงาน ฯลฯ เช่นเดียวกับที่เราทุกคนทำงานโดยใช้เครื่องคอมพิวเตอร์แต่เราก็ไม่ใช่นักวิทยาศาสตร์คอมพิวเตอร์ citizen data scientists ใช้ความรู้ความสามารถทางด้านวิทยาศาสตร์ข้อมูลในการปฏิบัติงานของตนเอง แม้ว่าจะไม่ใช่ตำแหน่งงานประจำก็ตาม
ทั้งนี้ ฮันน์ดัมบี เอเชียแปซิฟิก ได้แนะ 7 ประเด็นสำคัญที่ธุรกิจจำเป็นต้องเร่งดำเนินการ ดังนี้
1. กลยุทธ์: ทักษะเชิงข้อมูลควรเป็นส่วนหนึ่งของกลยุทธ์องค์กรของบริษัท โดยมีกระบวนการคิดที่ชัดเจนและก้าวไปข้างหน้า
2. การลงทุน: ธุรกิจจำเป็นต้องตรวจสอบให้แน่ใจว่ากำลังลงทุนในด้าน data literacy ไม่เพียงแต่ในปัจจุบันเท่านั้น แต่หมายถึงในระยะยาวด้วย
3. พันธมิตร: บริษัทต่างๆ ต้องการพันธมิตรที่สามารถช่วยให้พวกเขาประยุกต์ใช้วิทยาศาสตร์ข้อมูล โดยผลักดันให้เกิดการนำชุดทักษะมาใช้ในองค์กรได้อย่างกว้างขวางขึ้น
4. การเข้าถึง: องค์กรจำเป็นต้องแนะแนวการใช้ข้อมูลให้กับผู้คนในองค์กรอย่างเป็นระบบ โดยจัดหาเครื่องมือที่ช่วยให้เข้าถึงข้อมูลที่ต้องการได้อย่างถูกต้อง เพื่อช่วยให้เขาสามารถแยกแยะ วิเคราะห์ และใช้ข้อมูลง่าย
5. การปรับแต่งระบบให้เหมาะสม: องค์กรควรจัดเตรียมโซลูชันแบบ no code ให้ผู้ใช้พร้อมกับเปิดการเรียนรู้จากเครื่อง (Machine Learning) แบบอัตโนมัติ ซึ่งถือเป็นอีกเรื่องหนึ่งที่พันธมิตรที่เหมาะสมสามารถช่วยได้
6. ความปลอดภัย: องค์กรควรรักษาการควบคุมแบบรวมศูนย์ที่สอดคล้องกับกฎหมายความเป็นส่วนตัวและการคุ้มครองข้อมูลที่เปลี่ยนแปลงตลอดเวลา
7. การฝึกอบรม: ควรจัดให้มีการฝึกอบรมอย่างเป็นระบบ ซึ่งเมื่อความสามารถและทักษะของเขาดีขึ้น เขาก็ควรจะได้รับมอบหมายงานที่สูงขึ้น