Podatkovna znanost svojevrsni je društveni fenomen pa možda – baš kao i svi ostali fenomeni – upravo sada doživljava svoj procvat, odnosno višu razinu prepoznatljivosti u Hrvatskoj. Međutim, izvan granica Hrvatske o njoj se govori znatno dulje i puno intenzivnije. Razlog tomu leži i u potrebi za vizualizacijom kako nam se ne bi događalo da od šume ne vidimo drvo, a upravo je vizualizacija posljednja te često i najvažnija faza u podatkovnoj znanosti. Tvrtke istodobno moraju postati agilnije i brže reagirati na promjene na tržištu. Koliko je podatkovna znanost važna, vidi se i iz inicijative Europske komisije koja je polovinom prošle godine predstavila plan uvođenja usluga u oblaku i najnaprednije infrastrukture kako bi znanost, poduzeća i javne kompanije mogle koristiti sve prednosti big date. Ono na što se EK oslanjala podatak je da je Europa najveći svjetski proizvođač podataka iskoristivih u podatkovnoj znanosti, a koji su zbog nedovoljne i rascjepkane infrastrukture nedovoljno iskorišteni.
Iako u Hrvatskoj postoji nekoliko kompanija koje su izuzetno mnogo napravile u ovom području, profesionalni podatkovni znanstvenici još su daleko traženiji na inozemnim tržištima nego kod nas. O podatkovnoj znanosti svi govore, ali malo se za sada u tom području usude napraviti. Jedan od razloga je i nedostatak referencija koje je u ovome trenutku teško imati, pri čemu je važno napomenuti da je svaka primjena podatkovne znanosti, zapravo, specifična za pojedinu kompaniju. U Hrvatskoj se podaci danas još uvijek uglavnom spremaju pa je tako, naravno, teško pronaći bilo koju veću kompaniju koja nema implementirana skladišta podataka, međutim ono što je ključno jest da se ti podaci i koriste. Uprave tvrtki moraju shvatiti da je podatkovna znanost usmjerena na rješavanje problema ili sprečavanje njihova nastanka, međutim s time je povezana činjenica da je problem potrebno najprije detektirati. Što katkad može biti i bolno.
Da nije sve tako crno, govori i činjenica da mnoge kompanije imaju implementirane neke od segmenata podatkovne znanosti, poglavito u sektoru telekomunikacija i bankarstva, gdje se koriste za otkrivanje prijevara (fraud detection), predviđanje odljeva korisnika (churn prediction) ili npr. bodovanje korisnika (scoring). Često se podatkovna znanost, odnosno znanstvenik veže uz različite stručnjake za poslovnu inteligenciju, stručnjake za upravljanje podacima, statističare i sl. Međutim, podatkovni je znanstvenik nešto daleko više pa su za njega bitna znanja iz poslovne domene, znanje matematike i statistike, strojnog učenja, programiranja…
Danas su kod nas takvi stručnjaci, kao i oni u nastajanju, prepušteni sami sebi jer trenutačno nema strukturiranog pristupa njihovu obrazovanju i kasnije mentoriranju, što je izuzetno loše jer oni budućnost mogu promijeniti nabolje. No, pomaci postoje i u ovom području pa Visoko učilište Algebra od ljetnog semestra ove akademske godine uvodi poseban podatkovni smjer na diplomskom studiju digitalnog marketinga, s ciljem obrazovanja budućih podatkovnih znanstvenika.