Εισαγωγή
To Kaggle είναι από τις πιο γνωστές πλατφόρμες αναλυτών και επιστημόνων δεδομένων με πάνω από 10 εκατομμύρια εγγεγραμμένους χρήστες. Πέρα από αυτό, το Kaggle προσφέρει ένα ευρύ φάσμα λειτουργιών, όπως:
- Δημιουργία άρθρων που περιέχουν εκτελέσιμο κώδικα καθώς και τα αποτελέσματα αυτού (γραφήματα, στατιστικά αποτελέσματα κτλ.)
- Επικοινωνία μεταξύ χρηστών μέσω φόρουμ συζήτησης και επίλυσης αποριών
- Παροχή πλούσιου εκπαιδευτικού υλικού και μαθημάτων, τα περισσότερα εκ των οποίων βασίζονται στη Python και σε βιβλιοθήκες της, καλύπτοντας θέματα οπτικοποίησης, ανάλυσης δεδομένων, μηχανικής και βαθιάς μάθησης
- Πολυάριθμους διαγωνισμούς μηχανικής και βαθιάς μάθησης στους οποίους μπορεί να συμμετέχει ο κάθε χρήστης
Αξίζει να αναφερθεί ότι υπάρχουν και άλλες παρόμοιες πλατφόρμες, ωστόσο καμία τους δεν διαθέτει αντίστοιχη βάση χρηστών, ούτε προσφέρει ανάλογο εύρος λειτουργιών. Μία αξιόλογη εναλλακτική είναι το DrivenData, κυρίως όσον αφορά το κομμάτι των διαγωνισμών. Ωστόσο, στο DrivenData δεν υπάρχει δυνατότητα δημοσίευσης άρθρων και η κοινότητά του είναι σημαντικά μικρότερη.
Η Έρευνα Μηχανικής Μάθησης και Επιστήμης Δεδομένων (Kaggle Machine Learning & Data Science Survey) είναι μία ετήσια έρευνα η οποία διεξάγεται από την ίδια την πλατφόρμα. Οι χρήστες καλούνται να απαντήσουν σε ερωτήματα σχετικά με δημογραφικά στοιχεία, εργαλεία ανάλυσης που χρησιμοποιούν, εργασιακά χαρακτηριστικά κ.ά. Στη συνέχεια, τα δεδομένα δημοσιεύονται και οι χρήστες τα αναλύουν στο πλαίσιο ενός ανοικτού διαγωνισμού. Σε αυτό το άρθρο πραγματοποιώ μία ανάλυση των δεδομένων της έρευνας του 2021, συγκρίνοντας τα χαρακτηριστικά των Ελλήνων χρηστών της πλατφόρμας με εκείνα του υπόλοιπου κόσμου.
Προετοιμασία
Εισαγωγή βιβλιοθηκών
Για την ανάλυση αυτή χρειάζομαι να εισάγω και να μετασχηματίσω τα δεδομένα, συνεπώς η σουίτα πακέτων {tidyverse} κρίνεται απαραίτητη, αφού θα αξιοποιήσω λειτουργίες από πακέτα όπως το {readr}, το {dplyr} και το {tidyr}. Ο τεράστιος όγκος των δεδομένων μας προσφέρει πλούσιες επιλογές ανάλυσης και μας επιτρέπει να οπτικοποιήσουμε ποικίλα ευρήματα, μέσω του πακέτου {highcharter}. Τέλος, σε μεταβλητές με πολλές τιμές (π.χ. χώρες) ενδέχεται να χρειαστεί η παρουσίαση των δεδομένων σε διαδραστικούς πίνακες μέσω των πακέτων {reactable} ή {reactablefmtr}.
# Βιβλιοθήκες της R για γενική χρήση
library(readr)
library(dplyr)
library(tidyr)
library(purrr)
library(glue)
library(forcats)
library(gt)
# Δημιουργία πινάκων
library(kableExtra)
library(reactablefmtr)
# Δημιουργία διαγραμμάτων
library(highcharter)
library(showtext)
library(sysfonts)
options(digits = 4)
options(warn = -1)
showtext_auto()
showtext::showtext_opts(dpi = 300)Εισαγωγή δεδομένων
Το Kaggle παρέχει το σύνολο των δεδομένων σε μορφή CSV, συνεπώς θα γίνεται χρήση της εντολής read_csv από το πακέτο {readr}. Το σύνολο δεδομένων θα αποθηκευτεί με το όνομα kaggle_2021. Στην πρώτη σειρά του αρχείου περιλαμβάνεται η διατύπωση κάθε ερώτησης, την οποία αφαιρώ για να διευκολυνθεί η ανάλυση.
kaggle_2021 <- read_csv("data/kaggle_survey_2021.csv")
# Αφαίρεση δεύτερης γραμμής (διατύπωση ερωτήσεων)
kaggle_2021 <- kaggle_2021[-c(1), ]Επανακωδικοποίηση δεδομένων
Πριν ξεκινήσω την ανάλυση, χρειάζεται να πραγματοποιήσω ορισμένα προπαρασκευαστικά βήματα. Δεδομένου ότι ο κύριος σκοπός είναι η σύγκριση χαρακτηριστικών μεταξύ Ελλήνων και λοιπών χρηστών, πρέπει να διακρίνουμε τα δεδομένα με βάση αυτό το κριτήριο. Υπάρχουν δύο τρόποι:
- Δημιουργία νέας μεταβλητής και ομαδοποίηση δεδομένων
- Φιλτράρισμα και διαχωρισμός του συνόλου δεδομένων σε δύο υποσύνολα (Ελλήνων και λοιπών χρηστών)
Και με τους δύο τρόπους θα είμαι σε θέση να κάνω την απαραίτητη σύγκριση.
kaggle_2021$Q2 <- kaggle_2021$Q2 |>
fct_recode(
"Άνδρας" = "Man",
"Μη δυαδικό" = "Nonbinary",
"Άλλο" = "Prefer not to say",
"Άλλο" = "Prefer to self-describe",
"Γυναίκα" = "Woman"
)
kaggle_2021$Q1 <- kaggle_2021$Q1 |>
fct_recode(
"55+" = "55-59",
"55+" = "60-69",
"55+" = "70+"
)
kaggle_2021$Q3_iso2c <- countrycode::countrycode(kaggle_2021$Q3, "country.name.en", "iso2c") |>
fct_na_value_to_level("Άλλο")
kaggle_2021$Q3 <- countrycode::countrycode(kaggle_2021$Q3, "country.name.en", "cldr.name.el") |>
fct_na_value_to_level("Άλλο")
kaggle_2021$Q4 <- kaggle_2021$Q4 |>
fct_recode(
"Προπτυχιακό" = "Bachelor's degree",
"Διδακτορικό" = "Doctoral degree",
"Άλλο" = "I prefer not to answer",
"Μεταπτυχιακό" = "Master's degree",
"Απόφοιτος Λυκείου" = "No formal education past high school",
"Διδακτορικό" = "Professional doctorate",
"Μεταλυκειακές σπουδές" = "Some college/university study without earning a bachelor's degree"
)
kaggle_2021$Q5 <- kaggle_2021$Q5 |>
fct_recode(
"Αναλυτής Επιχειρήσεων" = "Business Analyst",
"Άνεργος" = "Currently not employed",
"Αναλυτής Δεδομένων" = "Data Analyst",
"Μηχανικός Δεδομένων" = "Data Engineer",
"Επιστήμονας Δεδομένων" = "Data Scientist",
"Μηχανικός Βάσης Δεδομένων" = "DBA/Database Engineer",
"Μηχανικός Μηχανικής Μάθησης" = "Machine Learning Engineer",
"Άλλο" = "Other",
"Project Manager" = "Program/Project Manager",
"Μηχανικός Έρευνας" = "Research Scientist",
"Μηχανικός Λογισμικού" = "Software Engineer",
"Στατιστικός" = "Statistician",
"Φοιτητής" = "Student"
)
kaggle_2021$Q6 <- kaggle_2021$Q6 |>
fct_recode(
"< 1" = "< 1 years",
"1-3" = "1-3 years",
"10-20" = "10-20 years",
"20+" = "20+ years",
"3-5" = "3-5 years",
"5-10" = "5-10 years",
"0" = "I have never written code"
)
# Σύνολο δεδομένων για σύγκριση Ελλάδα vs Υπόλοιπος Κόσμος
kaggle_2021_compare <- kaggle_2021 %>%
mutate(Q3 = if_else(Q3 != "Ελλάδα", "Άλλο", Q3))Η κοινότητα του Kaggle
Ένα από τα πρώτα πράγματα που παρατήρησα όταν εγγράφηκα στο Kaggle ήταν η εξαιρετική γεωγραφική ποικιλομορφία της κοινότητάς του. Άνθρωποι από δεκάδες χώρες, συγκεντρωμένοι σε μία ιστοσελίδα, μοιράζονται το ίδιο πάθος για τον προγραμματισμό, την ανάλυση και την επιστήμη δεδομένων. Κάτι σαν το Facebook αλλά για τη Στατιστική. Για να αναδείξουμε αυτό το χαρακτηριστικό, χρησιμοποιούμε έναν διαδραστικό πίνακα μέσω του πακέτου {reactable}. Από τον παρακάτω πίνακα ξεχωρίζω ότι οι χρήστες από την Ινδία αποτελούν τη μεγαλύτερη κοινότητα, αντιπροσωπεύοντας περίπου το ένα τέταρτο του συνόλου, ακολουθούμενη από τους χρήστες των ΗΠΑ. Οι Έλληνες χρήστες της πλατφόρμας είναι σχετικά λίγοι, με ποσοστό συμμετοχής 0,39% του συνόλου των χρηστών στην εν λόγω έρευνα.
Σημαντική επισήμανση
Είναι σημαντικό να τονιστεί ότι τα δεδομένα και κατ’ επέκταση τα αποτελέσματα προέρχονται αποκλειστικά από την ετήσια έρευνα που έχει διεξάγει η πλατφόρμα του Kaggle. Δεν αντικατοπτρίζουν τη συνολική εικόνα της κοινότητας της επιστήμης δεδομένων σε παγκόσμιο επίπεδο. Επίσης, η συμμετοχή στην έρευνα είναι προαιρετική, επομένως εξετάζουμε τα χαρακτηριστικά μόνο όσων επέλεξαν να συμμετάσχουν. Αυτό ενδέχεται να εισάγει μεροληψία αυτοεπιλογής (self-selection bias).
kaggle_2021 %>%
group_by(Q3) %>%
summarise(n = n()) %>%
mutate(pct = round(n / nrow(kaggle_2021) * 100, digits = 2)) %>%
arrange(desc(pct)) %>%
reactable(
.,
defaultPageSize = 6,
theme = espn(),
columns = list(
Q3 = colDef(name = "Χώρα"),
n = colDef(name = "Αριθμός χρηστών", defaultSortOrder = "desc"),
pct = colDef(name = "Ποσοστό (%)")
)
)Συμμετοχή γυναικών στον κλάδο
Σε παγκόσμιο επίπεδο παρατηρείται διαχρονικά μία σημαντική υποεκπροσώπηση των γυναικών στην αγορά εργασίας. Σύμφωνα με την Παγκόσμια Τράπεζα, μόλις 5 στις 10 γυναίκες απασχολούνται, σε αντίθεση με τους άνδρες, όπου η αντίστοιχη αναλογία προσεγγίζει τους 7 στους 10. Εδώ εστιάζουμε συγκεκριμένα στον κλάδο της επιστήμης δεδομένων. Τελικά, στον κλάδο μας ακολουθείται το ίδιο μοτίβο της μη συμπερίληψης; Η απάντηση είναι ναι, αλλά με έντονες διαφοροποιήσεις ανά χώρα.
Η Ελλάδα έχει μία σχετικά απογοητευτική απόδοση στον συγκεκριμένο δείκτη, καταλαμβάνοντας τη 40η θέση με ποσοστό 15,7%, ενώ ο μέσος όρος συμμετοχής είναι περίπου 26%.
data <- kaggle_2021 %>%
group_by(Q3, Q3_iso2c) %>%
summarise(
n = n(),
Women = sum(factor(Q2) == "Γυναίκα"),
pct_women = Women / n * 100
) %>%
mutate(iso2c = tolower(Q3_iso2c))
data_decreasing <- data %>% dplyr::arrange(-pct_women)
highchart() %>%
hc_chart(type = "bar", inverted = TRUE) %>%
hc_title(text = "<b>Συμμετοχή γυναικών στην κοινότητα της επιστήμης δεδομένων</b>") %>%
hc_xAxis(categories = data_decreasing$Q3, title = list(text = NULL)) %>%
hc_yAxis(title = list(text = "Ποσοστό (%)")) %>%
hc_legend(enabled = FALSE) %>%
hc_add_series(
name = "Women %",
data = data_decreasing$pct_women
)Αυτή η ανισότητα στην συμμετοχή των γυναικών, πέρα από λυπηρή, είναι και ουσιαστικά προβληματική, καθώς η έλλειψη ποικιλομορφίας περιορίζει τις οπτικές γωνίες και την καινοτομία σε οποιονδήποτε κλάδο. Ευτυχώς, διάφορες κοινότητες έχουν αναγνωρίσει το ζήτημα και δραστηριοποιούνται ενεργά ως προς την ενδυνάμωση της γυναικείας συμμετοχής. Η πιο γνωστή σε εμένα ομάδα, ως χρήστης της R, είναι η κοινότητα R-ladies, με παραρτήματα σε διάφορες χώρες. Αντίστοιχη ομάδα υπάρχει και για τη Python, η PyLadies.
Ηλικιακή Κατανομή
Η κοινότητα των Ελλήνων χρηστών αποτελείται από σχετικά μεγαλύτερης ηλικίας άτομα σε σχέση με τον υπόλοιπο κόσμο. Η πολυπληθέστερη ηλικιακή ομάδα στην Ελλάδα είναι οι 25–29 ετών, ενώ υπάρχει και ένα αξιοσημείωτο ποσοστό 40άρηδων. Αντίθετα, ο πληθυσμός των λοιπών χρηστών είναι ιδιαίτερα νεανικός, με τη συντριπτική πλειοψηφία των χρηστών να συγκεντρώνεται στις μικρότερες ηλικιακές ομάδες. Αθροιστικά, οι τρεις νεότερες ηλικιακές ομάδες αντιπροσωπεύουν περίπου το 60% των συνολικών χρηστών παγκοσμίως, αντί του 42% για την ελληνική κοινότητα.
Αυτή η διαφορά μπορεί να ερμηνευτεί ως ένδειξη ότι ο κλάδος της επιστήμης δεδομένων δεν έχει ακόμη ωριμάσει στην Ελλάδα στον ίδιο βαθμό. Η χρήση της πλατφόρμας φαίνεται να περιορίζεται σε άτομα άνω των 25 ετών, που πιθανότατα έχουν ήδη πτυχίο και κάποιου είδους εργασιακή εμπειρία.
data1 <- kaggle_2021_compare %>%
select(Q3, Q1) %>%
group_by(Q3, Q1) %>%
summarise(n = n()) %>%
group_by(Q3) %>%
mutate(
total = sum(n),
pct = round(n / total * 100, digits = 1)
) %>%
select(Q3, Q1, pct)
highchart() |>
hc_chart(type = "areaspline") |>
hc_title(text = "Ηλικιακή κατανομή χρηστών ανά χώρα προέλευσης (🇬🇷 / 🌍)") |>
hc_xAxis(categories = unique(data1$Q1)) |>
hc_yAxis(title = list(text = "Κατανομή (%)")) |>
hc_add_series(name = "Ελλάδα", data = data1 %>% dplyr::filter(Q3 == "Ελλάδα") %>% pull(pct)) |>
hc_add_series(name = "Υπόλοιπος Κόσμος", data = data1 %>% dplyr::filter(Q3 == "Άλλο") %>% pull(pct))Συγκρίνοντας τις δύο πιο διαδεδομένες γλώσσες προγραμματισμού ως προς τη χρήση τους ανά ηλικιακή ομάδα, παρατηρώ ότι και στις δύο γλώσσες οι μικρές ηλικίες (κάτω των 29 ετών) αποτελούν την πλειοψηφία των χρηστών. Επίσης, παρατηρώ ότι η Python έχει μεγαλύτερη συγκέντρωση χρηστών στις ηλικίες μέχρι 29 ετών, ενώ η R έχει σημαντική παρουσία χρηστών μεγαλύτερων ηλικιών. Αυτό ήταν αναμενόμενο, καθώς η R είχε από πάντα σκοπό τη στατιστική ανάλυση.
dt <- kaggle_2021_compare %>%
select(Q8, Q1) %>%
group_by(Q8, Q1) %>%
summarise(n = n(), .groups = "drop") %>%
dplyr::filter(Q8 %in% c("R", "Python")) %>%
group_by(Q8) %>%
mutate(pct = round(100 * (n / sum(n)), digits = 2)) %>%
ungroup()
highchart() |>
hc_chart(type = "areaspline") |>
hc_title(text = "Ηλικιακή κατανομή χρηστών ανά γλώσσα προγραμματισμού") |>
hc_xAxis(categories = unique(data1$Q1)) |>
hc_yAxis(title = list(text = "Κατανομή (%)")) |>
hc_colors(c("#1f78b4", "#ff7f0e")) |>
hc_add_series(name = "R", data = dt %>% dplyr::filter(Q8 == "R") %>% pull(pct)) |>
hc_add_series(name = "Python", data = dt %>% dplyr::filter(Q8 == "Python") %>% pull(pct))Εκπαιδευτικό Υπόβαθρο
Ένα άλλο εύρημα που αξίζει διερεύνησης είναι το υψηλότερο επίπεδο εκπαίδευσης που έχουν οι Έλληνες χρήστες έναντι των υπολοίπων χρηστών της πλατφόρμας. Στην προηγούμενη ενότητα παρατηρήσαμε μία κατανομή ηλικιών στην οποία διαφαινόταν ότι η συμμετοχή των μεγαλύτερων ηλικιών είναι μεγαλύτερη από την αντίστοιχη των άλλων χρηστών. Αυτή η εντύπωση φαίνεται να επιβεβαιώνεται, μιας και οι κάτοχοι μεταπτυχιακού ή διδακτορικού τίτλου είναι αναλογικά σαφώς περισσότεροι. Περίπου το 78% των Ελλήνων χρηστών έχει τίτλο μεταπτυχιακού ή ανώτερο τίτλο, ενώ ο ανάλογος δείκτης για την υπόλοιπη ομάδα χρηστών είναι 50%.
data3 <- kaggle_2021_compare %>%
select(Q3, Q4) %>%
group_by(Q3, Q4) %>%
summarise(n = n()) %>%
group_by(Q3) %>%
mutate(pct = round(n / sum(n) * 100, digits = 1)) %>%
ungroup()
d <- data3 %>% dplyr::filter(Q4 %in% c("Προπτυχιακό", "Μεταπτυχιακό", "Διδακτορικό"))
highchart() %>%
hc_chart(type = "bar") %>%
hc_title(text = "Εκπαιδευτικό υπόβαθρο χρηστών (🇬🇷 / 🌍)") %>%
hc_subtitle(text = "Οι Έλληνες χρήστες έχουν υψηλότερους τίτλους σπουδών.") %>%
hc_xAxis(categories = d$Q4, title = list(text = NULL)) %>%
hc_yAxis(title = list(text = "Ποσοστό (%) ερωτηθέντων ανά χώρα")) %>%
hc_series(
list(name = "Ελλάδα", data = d %>% dplyr::filter(Q3 == "Ελλάδα") %>% pull(pct)),
list(name = "Υπόλοιπος Κόσμος", data = d %>% dplyr::filter(Q3 == "Άλλο") %>% pull(pct))
) %>%
hc_colors(c("#1f78b4", "#33a02c"))Εργασία
Μέχρι στιγμής ξέρω ότι η μικρή κοινότητα των Ελλήνων επιστημόνων δεδομένων αποτελείται κατά κύριο λόγο από άτομα μεγαλύτερης ηλικίας και υψηλότερης εξειδίκευσης. Αυτό όμως μεταφράζεται σε χρόνια επαγγελματικής εμπειρίας στο πεδίο;
Ένα ενδιαφέρον εύρημα είναι ότι οι χρήστες με εργασιακή εμπειρία μέχρι 1 έτος αντιπροσωπεύουν το 1/5 για τους Έλληνες χρήστες και το 1/4 για τους χρήστες της πλατφόρμας παγκοσμίως. Επιβεβαιώνεται επίσης ότι οι Έλληνες χρήστες κατ’ αναλογία έχουν περισσότερη εργασιακή εμπειρία σε σύγκριση με τους υπόλοιπους χρήστες.
kaggle_2021_compare$Q6 <- kaggle_2021_compare$Q6 |>
fct_relevel("0", "< 1", "1-3", "3-5", "5-10", "10-20", "20+")
data_exp <- kaggle_2021_compare %>%
group_by(Q3) %>%
count(Q6) |>
mutate(sum = sum(n),
pct = round((n / sum) * 100, digits = 1)) %>%
select(Q3, Q6, pct) %>%
pivot_wider(names_from = "Q3", values_from = "pct") %>%
ungroup()
highchart() |>
hc_chart(type = "areaspline") |>
hc_title(text = "Χρόνια προϋπηρεσίας ανά χώρα προέλευσης (🇬🇷 / 🌍)") |>
hc_xAxis(categories = unique(data_exp$Q6)) |>
hc_yAxis(title = list(text = "Κατανομή (%)")) |>
hc_colors(c("#1f78b4", "#33a02c")) |>
hc_add_series(name = "Ελλάδα", data = data_exp$Ελλάδα) |>
hc_add_series(name = "Υπόλοιπος Κόσμος", data = data_exp$Άλλο)Παρά τη μεγάλη εμπειρία και τη σημαντικότερη εξειδίκευση που προκύπτει από τις ανώτερες σπουδές, οι Έλληνες επιστήμονες δεδομένων εργάζονται σε σχετικά μικρές εταιρείες και οργανισμούς. Περίπου το 58% των Ελλήνων δήλωσε ότι εργάζεται σε επιχειρήσεις έως 250 υπαλλήλων, έναντι 47% για τους ξένους χρήστες.
Οι πιο συχνές εργασίες στην ελληνική κοινότητα του Kaggle είναι ο Αναλυτής Δεδομένων, ο Επιστήμονας Δεδομένων και ο Φοιτητής. Η κατανομή είναι παρόμοια με τη διεθνή, αν και με ορισμένες διαφορές στα ποσοστά.
Η εργαλειοθήκη μας
Η γλώσσα που κυριαρχεί στην Επιστήμη Δεδομένων και στις δύο ομάδες είναι η Python. Η μόνη διαφοροποίηση μεταξύ Ελλήνων και ξένων χρηστών είναι ίσως η αναλογικά σημαντικότερη βάση χρηστών της R. Σε κάθε περίπτωση περίπου οκτώ στους δέκα έχουν επιλέξει ως κύρια γλώσσα την Python, ακολουθούμενη από την R και τέλος την SQL.
y <- kaggle_2021_compare |>
group_by(Q3, Q8) |>
count() |>
ungroup(Q8) |>
top_n(n = 3, wt = n) |>
mutate(sum = sum(n),
pct = round((n / sum) * 100, digits = 1)) %>%
ungroup(Q3) |>
select(Q3, Q8, pct) |>
pivot_wider(names_from = "Q3", values_from = "pct")
highchart() %>%
hc_chart(type = "bar") %>%
hc_title(text = "Γλώσσες προγραμματισμού (🇬🇷 / 🌍)") %>%
hc_subtitle(text = "Η Python κυριαρχεί στον κόσμο της επιστήμης δεδομένων. Ένα ενδιαφέρον στοιχείο είναι η αναλογικά ισχυρότερη συμμετοχή - επιλογή της R στην Ελληνική κοινότητα.") %>%
hc_xAxis(categories = y$Q8) %>%
hc_yAxis(title = list(text = NULL), labels = list(format = "{value}%")) %>%
hc_series(
list(name = "Ελλάδα", data = y$Ελλάδα),
list(name = "Υπόλοιπος Κόσμος", data = y$Άλλο)
) %>%
hc_colors(c("#1f78b4", "#33a02c"))Επίλογος — Συμπεράσματα
Τα ευρήματα της ανάλυσης είναι αμφίσημα. Από τη μία μεριά η Ελλάδα δεν στερείται ανθρώπινου κεφαλαίου και ανθρώπων που είναι γνώστες του πεδίου της Επιστήμης Δεδομένων. Αποτελείται από άτομα με μεγάλη εξειδίκευση και εργασιακή εμπειρία. Από την άλλη, υπάρχει ένα μοτίβο που είναι ανησυχητικό και αυτό είναι η κατανομή στις ηλικίες. Αυτό μπορεί να σημαίνει χαμηλή διείσδυση του κλάδου, συνδυαζόμενο με χαμηλό ενδιαφέρον από νεαρές ηλικιακές ομάδες, και αυτό μπορεί να είναι προβληματικό για τη μακροπρόθεσμη ανάπτυξη του κλάδου στη χώρα μας.
Τέλος, θα ήθελα να διευκρινίσω τι εννοώ στο άρθρο για να αποφευχθούν παρερμηνείες. Σε αρκετές κατανομές δηλώνονται στοιχεία τα οποία είναι ευνοϊκά υπέρ της Ελλάδας. Σε καμία περίπτωση αυτό δεν σημαίνει ότι οι Έλληνες είναι καλύτεροι στην Επιστήμη Δεδομένων και ένα τέτοιο συμπέρασμα θα ήταν λανθασμένο. Συγκρίνω δημογραφικά στοιχεία χρηστών από μία έρευνα μιας πλατφόρμας. Έτσι λοιπόν η κατανομή πιθανότατα αποκαλύπτει τη χαμηλή συμμετοχή και διείσδυση της επιστήμης δεδομένων στη χώρα μας, που δηλώνεται τόσο από τον χαμηλό αριθμό χρηστών, όσο και από τη δομή αυτών. Στην πραγματικότητα η τάση είναι ανησυχητική μιας και οι κατανομές δεν συνοδεύονται από ένα ανάλογο ποσοστό μικρών ηλικιών με ενδιαφέρον στο πεδίο.