과학자들은 컴퓨터가 언어를 정확하게 이해하도록 가르치는 능력을 향상시킬 것입니다.

올해에는 텍스트를 모델링하고 처리하는 방식이 크게 발전할 것입니다. 현재 자연어 처리(NLP) 업계에서는 이 분야에서 가장 성공적인 모델 중 일부의 취약한 특성과 텍스트를 아주 간단하게 조작해도 당황스러운 방식으로 고장을 일으킬 수 있다는 점에 대해 열띤 논쟁이 벌어지고 있습니다. 현재 최고의 모델은 정교한 패턴을 암기할 수 있을 뿐이며, 실제로 텍스트를 이해할 수 있는 모델에는 아직 근접하지 못했습니다. 따라서 이 분야에 대한 많은 연구가 이루어질 것으로 기대하며, '상식'을 도입하여 모델에 통합할 수 있는 방법을 찾기 시작할 것으로 낙관합니다.

– 마이클 모건, 수석 데이터 과학자, 닐슨

품질, 깨끗한 데이터의 중요성이 커질 것입니다.

나는 우리가 "신경 네트워크"(예 : 인간의 뇌와 신경계를 모델로 한 컴퓨터 시스템)에 대한 훈련 데이터를 보완하고 개선하는 혁신적인 방법을 찾는 데 더 많은 초점을 맞출 것이라고 생각합니다. 이러한 유형의 모델은 입력된 데이터만큼 우수한 결과만 제공할 수 있습니다. 따라서 이러한 데이터 세트의 품질과 양을 효율적으로 늘리는 데 더 중점을 둘 것이라고 생각합니다.

– 제시카 브린슨, 선임 데이터 과학자, 닐슨

기계 학습과 인공 지능은 성장을 촉진하려는 기업에게 중요한 차별화 요소가 될 것입니다.

더욱 정교한 알고리즘, 강력한 데이터 과학 인재 및 데이터 양 증가로 인해 기업은 2019년에 ML과 AI를 주요 차별화 요소로 사용하고 그 어느 때보다 더 많은 가치를 창출할 수 있게 될 것입니다.

앞으로 다섯 년 후, 데이터 과학과 AI에 관한 대화는 도구 및 알고리즘 개발에서 복잡한 문제 해결 기술을 개발하는 방법으로 발전 할 것입니다. 또한 알고리즘과 소프트웨어는 비 데이터 과학 인구에 대해보다 사용자 친화적이고 민주화 될 것입니다.

– Avi Jain, 지역 데이터 과학 클라이언트 리더, 닐슨

온라인 데이터를 수집하는 능력은 더욱 어려워지고 단편화 될 것입니다.

점점 더 많은 인터넷 브라우저가 타사 쿠키를 차단하기 시작함에 따라 DMP(데이터 관리 플랫폼) 공급업체는 온라인 데이터를 수집할 때 어려움에 직면하기 시작할 것입니다. 마케터는 개별 DMP가 이전과 동일한 수준의 정확도로 동일한 양의 데이터를 제공 할 수 없다는 것을 알게 될 것입니다. 이것은 잠재 고객을 정확하게 타겟팅하고 세분화하는 마케터의 능력에 큰 영향을 미칩니다. 그 동안 DMP 공급 업체는 이러한 데이터 손실을 보상 할 수있는 솔루션을 모색 할 것입니다.

– Pengfei Yi, Nielsen 데이터 과학 이사

성공적인 기업은 데이터 과학 지원 솔루션에 크게 투자 할 것입니다.

디지털화는 전통적인 마케팅 접근 방식을 방해하고보다 역동적이고 분열 된 환경을 조성하고 있습니다. 그 결과, 소비재 (CPG) 회사는 특히 더 큰 수익성으로 수행해야한다는 압박감을 느끼고 있습니다. CPG 마케팅 담당자는 견고하고 이상적인 설계보다 실시간 솔루션, 관련성 및 속도를 더 중요하게 생각하고 있습니다. 그들은 또한 전체 시장 전망을 제공하기 위해 민첩하고 혁신적인 접근 방식을 찾고 있으며, 기업들은 이러한 문제를 해결하고 해결하기 위해 데이터 과학으로 점점 더 많이 전환 할 것입니다.

소비자가 생성하는 디지털 데이터의 양은 앞으로 매년 두 배가 될 것으로 예상되며,이 디지털 홍수를 탐색하려는 회사는 데이터를 캡처하고 측정하기 위해 디지털화 된 기술에 투자 할 것입니다. 또한 AI, ML 및 신경망을 사용하여 솔루션을 설계합니다. 데이터 과학 알고리즘을 통합하는 기업은 향상된 확장성, 효율성을 발견하고 기존의 측정 흐름을 뛰어 넘을 수 있습니다.

– Neerja Joshi, Nielsen 데이터 과학 이사