توماس دونپورت و دی جی پاتیل در سال ۲۰۱۲، علم داده (data science) را جذاب‌ترین شغل قرن بیست و یکم مطرح کردن، ولی در ایران مدت زمان کمی است که روی کار آمده و سختی هایی برای افرادی که متخصص علم داده (data scientist) هستند وجود دارد. از بین همه ی این مشکل ها، سه تا از بارزترین های آن در ادامه گفته شده است.
1. نتیجه ی واقعی کار در سازمان ها اجرا نمی شود. خروجی که یک متخصص علم داده به دست می آورد به خاطر ریسک پذیر بودن و عدم اطمینان به خروجی به کار برده نمی شود، ولی تا خروجی اجرا نشود نمی شود فهمید که خروجی سودی برای سازمان دارد یا نه.
2. داده های مورد نیاز درست و با جزئیات جمع آوری نشده است. در نتیجه یک متخصص علم داده نمی تواند تمام متغیرهایی که در پیش بینی یک متغیر دیگر دخیل هستند و روی آن تاثیر می گذارند را به عنوان ورودی داشته باشد.
3. از جایگاه و توانایی یک متخصص علم داده توسط همکارها و مدیرها درک درستی وجود ندارد. در اکثر مواقع یک متخصص علم داده را با یک تحلیل‌گر داده (data analyst) اشتباه می گیرند. کار یک متخصص علم داده فراتر از تحلیل گر داده (data analysis) است. علم داده ترکیبی از تحلیل داده، داده‌کاوی، یادگیری ماشین و چندین مبحث مرتبط دیگر است. کار متخصص علم داده ساخت محصولات مرتبط با داده و نوآوری های الگوریتمی است.
