Door het tekort aan programmeurs, vinden low-code en no-code hun weg naar data-analyse. Meer mensen kunnen daardoor aan de slag met data en AI en dat is volgens Véronique Van Vlasselaer een goede zaak: “In de toekomst kunnen we rekenen op de creativiteit van velen. Daarmee gaan we heel wat evoluties ontketenen die we misschien niet verwachten.”
De doelstelling van SAS is altijd al geweest om analytics en AI toegankelijk te maken voor iedereen, niet enkel voor programmeurs. Daarom heeft het bedrijf al sinds het begin low-code- en no-code-tools aangeboden, het zit in het SAS DNA.
De jongste jaren levert SAS een vernieuwd aanbod. Bestaande tools kregen upgrades om tegemoet te komen aan nieuwe ontwikkelingen in de markt.
Krapte op de arbeidsmarkt
De low-code- en no-code-tools moeten het voor een breder publiek gemakkelijk maken om met analytics aan de slag te gaan. Expert-programmeurs zijn namelijk schaars en de vraag is groot.
Door citizen data scientists aan te werven, omzeilen bedrijven dit probleem: “Een citizen data scientist is iemand die weet hoe men data kan analyseren, analytische modellen en AI toepassingen ontwikkelt, en de juiste beslissingsinzichten verstrekt, maar die zich liever niet aan het programmeren waagt. Zo iemand kan met low-code- en no-code-tools aan de slag zodat het niet nodig is de ontwikkeling uit te besteden.” Van Vlasselaer voegt er nog aan toe dat business analisten veel kennis hebben over de business van hun organisatie en door deze tools de mogelijkheid krijgen om hun expertise te vertalen in concrete voorstellen.
Tool voor data scientists
Volgens Van Vlasselaer zijn er binnen de organisatie nog mensen die profiteren van low-code- en no-code-analytics tools. Voor een data scientist bijvoorbeeld zijn er ook voordelen aan verbonden. Niet elke analytics of AI applicatie kan zonder programmeren opgebouwd worden. De kwaliteit van een applicatie hangt heel sterk af van de kwaliteit van de code. Het voordeel van low-code is dat voor veel componenten van de analytics of AI-applicatie automatisch productiecode gegenereerd wordt, zonder menselijke tussenkomst. En als al een groot deel van de applicatie gebouwd kan worden in low-code- en no-code-tools, wordt de productietijd significant verminderd.
Er blijft zeker nog plaats voor de data scientist in de organisatie die low-code- en no-code-tools gebruikt. Hij of zij zal voor de bedrijfsgebonden, en zeer specifieke bouwstenen nog wel wat bijdragen.
Deze tools kunnen dus ook het werkleven van data scientists verbeteren. Van Vlasselaer benadrukt dat er dus zeker nog steeds plaats is voor de data scientist in de organisatie die low-code- en no-code-tools gebruikt. De verklaring zit grotendeels in het begrip “low code”; hoewel veel algemene bouwstenen voor AI applicaties voorhanden zijn in low-code-tools, moet de data scientist voor de bedrijfsgebonden, en zeer specifieke bouwstenen nog wel wat bijdragen. Hij of zij weet welke code er nodig is om die specifieke componenten in de applicatie te faciliteren.
De data scientist bouwt dus bedrijfsspecifieke bouwstenen. Op die manier verbeteren de low-code- en no-code-toepassingen voor de citizen data scientists en business-analisten. De gebouwde analytics component kan namelijk geïntegreerd worden in het low-code- en no-code-platform en zo meermaals herbruikt worden door citizen data scientists of business analisten.
Opnieuw interesse door AI
Uit het verleden valt bovendien al te leren dat data scientists nergens voor te vrezen hebben. Van Vlasselaer wijst er op dat banking-applicaties 20 jaar geleden al stoelden op low-code- en no-code-toepassingen. De data scientist bleef al die tijd een onmisbaar profiel voor data-analyses en werd niet weggeconcurreerd door de vereenvoudigde ontwikkelingsmogelijkheden.
Nu wakkert de interesse voor deze tools opnieuw aan. Deels gedwongen door de krappere arbeidsmarkt, maar ook door een grotere interesse in AI: “Er zijn al heel wat AI-applicaties die nu gebruik maken van low-code en no-code. Deze applicaties worden alsmaar meer gebouwd door de citizen data scientists, en zij zorgen dat het AI-veld verder openbloeit en toegankelijker wordt. Bij computer vision toepassingen bijvoorbeeld zien we dat nu opkomen, terwijl dat domein vroeger enkel was weggelegd voor programmeurs.”
lees ook
Hoe een low- of no-code-platform AI naar bedrijven kan brengen
Management moet mee
Hoewel het duidelijk is dat we de citizen data scientist moeten omarmen, ziet Van Vlasselaer dat er nog heel wat bedrijven in de ontkenningsfase zitten: “Het management moet er van overtuigd zijn dat analytics en AI voor iedereen is en erkennen dat de meeste waarde gerealiseerd wordt als analytics ter beschikking gesteld wordt van de volledige organisatie.”
Het management moet er van overtuigd zijn dat analytics en AI voor iedereen is en erkennen dat de meeste waarde gerealiseerd wordt als analytics ter beschikking gesteld wordt van de volledige organisatie.
Véronique Van Vlasselaer
Volgens haar kunnen ondernemingen profijt halen uit het democratiseren van de tools. Ze schetst ter illustratie een scenario waarbij de data scientist een bedrijf verlaat. Hoewel een vervanging vinden al een hele uitdaging is op de huidige arbeidsmarkt, lijdt ook de continuïteit van de AI-applicatie en dus van het bedrijf onder deze personeelswissel. Zeker wanneer AI-applicaties uitsluitend gebaseerd zijn op de programmeertalenten van de data scientists: “Code lezen van andere data scientists is een hele uitdaging op zich. Zeker in de wereld van analytics en AI waarin er quasi geen standaarden zijn in het programmeren.”
“Het is dus vaak niet eenvoudig om een AI-applicatie die geprogrammeerd is door iemand anders in productie te houden. Onderhoud van AI-applicaties is bij vele bedrijven een grote pijn, laat staan het onderhouden van AI-applicaties gebouwd door anderen. Low-code- en no-code-tools nemen veel van de problemen weg omdat de code ingekapseld is in de applicatie. Daarenboven zorgen deze tools voor een visuele structuur in de applicatie.”
Hoewel de mentaliteit nog wat moet worden bijgeschaafd binnen heel wat bedrijven, durft ze al groots te dromen over de toekomst: “Momenteel moeten we het stellen met slechts enkele expert- programmeurs. In de toekomst kunnen we hopelijk rekenen op de input van velen. Daarmee kunnen we heel wat evoluties ontketenen. Want het zijn nog altijd de business analisten die de business het beste kennen. Een frisse blik op de huidige analytics en AI ontwikkeling door low-code- en no-code-gebruikers, met ondersteuning van expert-programmeurs, kan een heel wat nieuwe ideeën brengen, en een competitief voordeel brengen voor bedrijven. En is dat niet wat we allemaal willen?
Dit is een commerciële bijdrage in samenwerking met SAS. Voor meer informatie over de oplossingen van het bedrijf, kan je hier terecht.