میں نے حال ہی میں سائبرسیکیوریٹی کے لیے ڈیٹا سائنس کے استعمال پر ایک کلاس کا انعقاد کیا، جس میں پیکٹ کیپچر ڈیٹا کے تجزیے پر توجہ مرکوز کی گئی جو کہ ایک حد تک تکنیکی اور روایتی طور پر خشک موضوع ہے۔ میں نے جس نقطہ نظر کا اشتراک کیا وہ مالیاتی اداروں کے اندر سائبرسیکیوریٹی کے اپنے تجربے سے اخذ کیا گیا ہے، جس میں بنیادی مراحل کا احاطہ کیا گیا ہے جیسے کہ ایکسپلوریٹری ڈیٹا کا تجزیہ، لاگ ڈیٹا کو پری پروسیسنگ اور تبدیل کرنا، اور کلسٹرنگ اور گراف نیٹ ورک تجزیہ کے امتزاج کے ذریعے بے ضابطگیوں کی نشاندہی کرنا۔ ایک حیرت انگیز پہلو وہ وقت تھا جو میں نے اس سیشن کی تیاری میں صرف کیا تھا - جو میں عام طور پر سرمایہ کاری کرتا ہوں اس کا ایک حصہ۔ AI نے عمل کو ہموار کرنے میں اہم کردار ادا کیا۔ میں نے کلاڈ کو کوڈنگ، خاکہ تیار کرنے، اور یہاں تک کہ سلائیڈز بنانے میں مدد کے لیے استعمال کیا۔ مجموعی طور پر، پورا کورس 48 گھنٹوں میں تیار ہو گیا تھا۔ سیشن دلچسپ نکلا۔ شرکاء، بنیادی طور پر CISOs جو عام طور پر کوڈ نہیں بناتے ہیں، نے AI کی مدد سے تیار کی گئی مشقیں بدیہی اور ہینڈ آن پائی۔ میرا مقصد انہیں ڈیٹا اور کوڈ کے ساتھ براہ راست کام کرنے میں غرق کرنا تھا۔ انہوں نے خاص طور پر دستی طور پر دریافت کرنے کے موقع کو سراہا کہ جدید سائبر تھریٹ سرویلنس اور SIEM پلیٹ فارمز عام طور پر خودکار ہوتے ہیں، "ہڈ کے نیچے" ہونے والے عمل کے بارے میں بصیرت حاصل کرتے ہیں۔ کلاس سے میرا کلیدی ٹیک وے حیرت انگیز طور پر متضاد تھا: ۔ یہ نظریہ قبل از وقت معلوم ہو سکتا ہے — یا شاید اپنے وقت سے پہلے — لیکن یہ ایک ایسا تناظر ہے جو بحث کی ضمانت دیتا ہے۔ ڈیٹا سائنس، جیسا کہ ہم جانتے ہیں، آخر کار AI کی جگہ لے لی جائے گی انتباہ: اس میں سے کچھ لوگوں کو متحرک کر سکتے ہیں۔ جنسیت سامان ہے۔ ایک دہائی سے زیادہ عرصے سے، ڈیٹا سائنس کو "21 ویں صدی کی سب سے پرکشش ملازمت" کے طور پر منایا جاتا رہا ہے۔ پھر بھی جیسے جیسے AI تیزی سے آگے بڑھ رہا ہے، یہ واضح ہوتا جا رہا ہے کہ فیلڈ کے بنیادی چیلنجز کو نظر انداز کرنا مشکل ہے۔ طاقتور جنریٹو AI کی آمد ایک نظم و ضبط کے لیے بہت اچھی طرح سے اہم نکتہ ثابت ہو سکتی ہے، جسے ماضی میں، ابتدائی طور پر تسلیم کیے جانے سے کہیں زیادہ ڈھیلے انداز میں بیان کیا گیا ہو اور اس کی بہت زیادہ تعریف کی گئی ہو۔ اپنے جوہر میں، ڈیٹا سائنس کمپیوٹر سائنس، شماریات، اور کاروباری ذہانت کو یکجا کرتی ہے، جو تنظیموں کو ڈیٹا کی وسیع مقدار سے قابل عمل بصیرت کا وعدہ پیش کرتی ہے۔ آج کی ڈیٹا سے چلنے والی دنیا میں یہ سکل سیٹ بلاشبہ قابل قدر ہے۔ تاہم، اس کی چمکیلی تصویر کے نیچے، فیلڈ کو اہم مسائل کا سامنا ہے۔ جس چیز کو اکثر ڈیٹا سائنس کا نام دیا جاتا ہے وہ اکثر ڈھیلے سے متعلقہ کاموں کا ایک پیچ ورک ثابت ہوتا ہے جو ہمیشہ صاف ستھرا نہیں رہتے ہیں، اور فیلڈ میں بہت سے پیشہ ور افراد پوری وسعت اور پیچیدگی کے ساتھ جدوجہد کرتے ہیں جس کا نظم و ضبط کا تقاضا ہے۔ ڈیٹا کے تجزیہ، ماڈلنگ، اور بصیرت پیدا کرنے کے قابل AI سے چلنے والے ٹولز کا اضافہ اس تبدیلی پر مجبور کر سکتا ہے کہ ہم خود ڈیٹا سائنس کے کردار اور مستقبل کو کس طرح دیکھتے ہیں۔ چونکہ AI ڈیٹا سائنس کے اندر بہت سے بنیادی کاموں کو آسان اور خودکار بنا رہا ہے، اس لیے فیلڈ کو اس بات کا حساب دینا پڑ سکتا ہے کہ ذہین آٹومیشن کے دور میں ڈیٹا سائنسدان ہونے کا حقیقی معنی کیا ہے۔ دراڑیں بہت سے ڈیٹا سائنسدان، جدید ترین کوڈنگ کی مہارتوں اور ڈیجیٹل ٹولز کے استعمال کے باوجود، ایسے کام میں مشغول رہتے ہیں جو حیرت انگیز طور پر ہے۔ ڈیٹا کی تیاری، صفائی، اور تجزیے میں تھکا دینے والے، وقت طلب کام شامل ہوتے ہیں جو دہرائے جانے والے اور مکینیکل ہوتے ہیں۔ درحقیقت، ڈیٹا سائنس کی محنت کی ایک خاصی مقدار ڈیٹاسیٹس کی تیاری میں جاتی ہے—ایک ایسا کام جو اکثر دلچسپ، دریافت سے چلنے والی سائنس سے زیادہ مشقت کی طرح محسوس ہوتا ہے۔ یہ مسئلہ اس حقیقت سے بڑھ گیا ہے کہ بہت سے لوگ جو میدان میں آتے ہیں، بہترین طور پر شوقیہ ہوتے ہیں۔ Python یا R میں چند آن لائن کورسز کرنے کے بعد، یہ "ڈیٹا سائنسدان" اکثر ہیں۔ ڈیٹا سائنس صرف کوڈنگ نہیں ہے۔ اس میں گہرا تجزیہ، سیاق و سباق کی تفہیم، اور غیر تکنیکی سامعین کو بصیرت پیش کرنے کی صلاحیت شامل ہے۔ درحقیقت، یہ ایک تحقیقی کام ہے، جس کے لیے تخلیقی صلاحیتوں اور تجزیاتی سوچ کے امتزاج کی ضرورت ہوتی ہے جو میدان میں بہت سے لوگوں کے پاس نہیں ہے۔ دستی اور غلطی کا شکار کردار کی سختیوں کے لیے تیار نہیں ہوتے مزید برآں، بہت سے ڈیٹا سائنسدانوں نے اپنے عنوان کی وجہ سے استحقاق کا احساس پیدا کیا ہے۔ یہ رویہ کمپنیوں کو بند کر رہا ہے، خاص طور پر ان شعبوں میں جہاں لاگت کی کارکردگی سب سے اہم ہے۔ میں نے ایسی فرموں سے ملاقات کی ہے جو کبھی ڈیٹا سائنسدانوں کی خدمات حاصل کرنے کے لیے جلدی کرتی تھیں لیکن اب دوبارہ غور کر رہی ہیں۔ کسی ایسے شخص کو زیادہ اجرت کیوں دیں جو ڈیٹا کی صفائی میں اپنا زیادہ تر وقت کشتی میں صرف کرتا ہے، جب کہ AI اسے تیز، بہتر اور قیمت کے ایک حصے پر کر سکتا ہے؟ اعلیٰ تنخواہوں اور منافع بخش پیکجوں کی توقع کرتے ہوئے اے آئی کون؟ جیسا کہ میں نے ذاتی طور پر کلاس لکھنے کا تجربہ کیا ہے، جنریٹیو AI انہی علاقوں میں ایک طاقتور قوت کے طور پر تیار ہوا ہے جہاں ڈیٹا سائنس سب سے کمزور ہے۔ ڈیٹا کی تیاری، صفائی، اور یہاں تک کہ بنیادی کوالٹیٹیو تجزیہ جیسے کام — ایسی سرگرمیاں جو ڈیٹا سائنسدان کا زیادہ وقت خرچ کرتی ہیں — اب جاتے ہیں۔ کیا بدتر ہے (یا بہتر، اس پر منحصر ہے کہ آپ کہاں کھڑے ہیں) یہ ہے کہ AI تیز، زیادہ درست، اور انسانی غلطی یا تھکاوٹ کا کم خطرہ ہے۔ AI سسٹمز کے ذریعے آسانی سے خودکار ہو بہت سے ڈیٹا سائنسدانوں کے لیے، یہ خوفناک ہو سکتا ہے۔ بہر حال، یہ کام ان کے روزمرہ کے زیادہ تر کام کی نمائندگی کرتے ہیں۔ مثال کے طور پر، ڈیٹا صاف کرنا بدنام زمانہ وقت طلب اور غلطیوں کا شکار ہے، لیکن AI اب اسے چند کلکس اور قریب قریب درستگی کے ساتھ پورا کر سکتا ہے۔ ڈیٹا سائنسدان اکثر ان گھمبیر کاموں کے بارے میں شکایت کرتے ہیں، پھر بھی یہ ان کے کردار کے لیے بنیادی ہیں۔ جیسے جیسے AI نظام بہتر ہوتے ہیں، انسانوں کے لیے یہ کام کرنے کی ضرورت کم ہوتی جاتی ہے۔ یہ کوئی تعجب کی بات نہیں ہے کہ AI کے خلاف زیادہ تر آوازی تنقید ۔ وہ دیوار پر لکھی تحریر دیکھتے ہیں اور اپنی نوکریوں سے ڈرتے ہیں۔ خود ڈیٹا سائنسدانوں کی طرف سے آتی ہے چھوٹی پن ڈیٹا سائنسدانوں کے لیے معاملات کو مزید خراب کرنے کے لیے، فیلڈ نے حالیہ برسوں میں کوئی خاص پیش رفت نہیں کی ہے۔ اس کی مقبولیت میں زبردست اضافے کے باوجود، ڈیٹا سائنس اب بھی ناکارہیوں، غلطیوں، اور ۔ ایک زمانے میں یہ خیال کیا جاتا تھا کہ زیادہ نفیس ٹولز اور بہتر تربیت میدان کو ترقی دے گی، لیکن یہ توقع کی حد تک پورا نہیں ہوا۔ اس کے برعکس، AI میں مسلسل بہتری آئی ہے۔ مشین لرننگ الگورتھم، قدرتی لینگویج پروسیسنگ، اور جنریٹیو ماڈلز تیزی سے تیار ہو رہے ہیں، روایتی ڈیٹا سائنس کو خاک میں ملا رہے ہیں۔ اس بات کی وضاحت کے فقدان سے دوچار ہے کہ اسے بالکل کیا ہونا چاہیے ایک بار پھر، ڈیٹا سائنسدانوں کی زیادہ تنخواہ کی توقعات ۔ وہ کمپنیاں جو شاید کسی زمانے میں نااہلی کو برداشت کرتی تھیں اب یہ سمجھ رہی ہیں کہ AI انسانی محنت سے منسلک بھاری قیمت کے ٹیگ کے بغیر بہت سارے کام کو بدل سکتا ہے۔ تجزیہ، پیشن گوئی، اور یہاں تک کہ پریزنٹیشن جیسے میں AI کے زیادہ ماہر ہونے کے ساتھ، ڈیٹا سائنس کی دستی نوعیت تیزی سے بے کار ہوتی جا رہی ہے۔ بہت سی کمپنیاں اس بات کا احساس کریں گی کہ پہلے ڈیٹا سائنسدانوں کی ٹیم کی ضرورت ہوتی تھی جسے اب AI سے چلنے والے ٹولز کے ذریعے زیادہ مؤثر طریقے سے سنبھالا جا سکتا ہے۔ اس مسئلے کو مزید پیچیدہ بناتی ہیں اہم کاموں کو انجام دینے شفٹ حقیقت یہ ہے کہ ڈیٹا سائنس، جیسا کہ روایتی طور پر بیان کیا گیا ہے، متروک ہونے کے دہانے پر ہے۔ تخلیقی AI حیران کن شرح سے آگے بڑھنے کے ساتھ، انسانی ۔ اس کا مطلب یہ نہیں ہے کہ ڈیٹا پر مبنی فیصلہ سازی میں انسانوں کا کوئی کردار نہیں ہے، لیکن کلاسک "ڈیٹا سائنسدان" کا کردار جلد ہی ماضی کا تصور ہو سکتا ہے۔ اب ضرورت اس بات کی ہے کہ AI کے ساتھ تعاون کرنے میں ماہر پیشہ ور افراد، اس کی صلاحیتوں کو بروئے کار لاتے ہوئے اسٹریٹجک سوچ اور اعلیٰ سطح پر پیچیدہ مسائل کے حل پر توجہ دیں۔ ڈیٹا سائنسدانوں کی موجودہ شکل میں مانگ میں کمی کا امکان ہے ۔ ڈیٹا سائنس کا موجودہ شعبہ متروک ہونے کا خطرہ ہے اگر یہ قدم قدم پر تیار نہیں ہوتا ہے۔ AI پہلے ہی صنعتوں میں انقلاب برپا کر رہا ہے، اور ڈیٹا سائنس کو لازمی طور پر اس لہر کو اپنانے یا اس سے آگے نکل جانے کا خطرہ لاحق ہونا چاہیے۔ آخر کار، سوال یہ نہیں ہو سکتا ہے کہ آیا AI ڈیٹا سائنس کو ختم کر دے گا لیکن کیا ڈیٹا سائنس نے اپنے وعدوں کو پورا کیا ہے۔ AI تجزیات، بصیرت، یا فیصلہ سازی کا خاتمہ نہیں ہے — یہ ان کے ارتقاء کی نمائندگی کرتا ہے یا شاید اس امتیاز سے بھی کوئی فرق نہیں پڑتا اگر ہم آخر کار "ڈیٹا سائنس" ہائپ سے آگے بڑھتے ہیں اور اگلی منطقی پیشرفت کے طور پر AI کو گلے لگاتے ہیں۔ میرے بارے میں: ڈیٹا، AI، رسک مینجمنٹ، حکمت عملی، اور تعلیم کو یکجا کرنے والے 25+ سالہ IT تجربہ کار۔ ڈیٹا ایڈووکیٹ سے 4x ہیکاتھون کا فاتح اور سماجی اثر۔ فی الحال فلپائن میں AI افرادی قوت کو جمپ اسٹارٹ کرنے کے لیے کام کر رہے ہیں۔ میرے بارے میں یہاں مزید جانیں: https://docligot.com
