Топ языков программирования в Data Science

Большинство — 63% опрошенных — ответили, что используют Python в своей деятельности часто или всегда, а 71% преподавателей выбирают его для обучения DS и ML благодаря простоте в использовании и изучении. 88% студентов учили Python для вхождения в эти две сферы. На втором и третьем месте по популярности идут SQL и R.

Более трети — 37% — сообщили, что за время пандемии их компании сократили инвестиции в DS. Ещё 26% респондентов говорят, что эти расходы увеличились, а 24% — что не изменились.

14% утверждают, что их компании опираются на DS при принятии «всех» бизнес-решений, 39% — «многих» решений, а в 35% случаев к находкам дата-сайентистов прислушиваются лишь иногда.

Лишь 36% ответили, что их руководство обладает навыком data literacy на высоком уровне и умеет читать визуализации и модели, в 12% случаев руководство не умеет грамотно работать с данными. Неумение руководства интерпретировать выводы дата-сайентистов — одна из причин, по которой в компаниях страдает процесс принятия решений на основе данных: так считает четверть респондентов. Помимо этого, повлиять на бизнес-решения им мешают быстро меняющиеся приоритеты (33%) и нехватка ресурсов для эффективного анализа данных (25%).

Самым недостающим навыком названо управление большими данными (38%). Знание глубокого обучения среди дефицитных скиллов упомянули 27%, визуализацию данных 22%, машинное обучение — 21%, Python — 20%, а теорию вероятности и статистику — 19%.

Полную версию отчёта с другими выводами исследователей можно получить по ссылке.