
以下是受此博客启发的KDnuggets民意调查结果:
放松!数据科学家不会在10年内灭绝,但角色会改变
随着人工智能的进步继续突飞猛进,在基线上获得数据科学已经变得越来越民主化。该领域的传统进入壁垒,如缺乏数据和计算能力,已经被扫除,不断涌现的新数据初创公司(有些公司每天只需一杯咖啡就能访问数据),所有强大的云计算都消除了对昂贵的现场硬件的需求。除了三位一体的先决条件之外,实现的技能和诀窍可以说已经成为数据科学中最普遍的方面。人们不需要看很远就能找到兜售口号的在线教程,如“在几秒钟内实现X模型”,“在几行代码内将Z方法应用于数据”。在一个数字世界里,即时满足已经成为游戏的名称。虽然提高可访问性在表面上并不有害,但在令人眼花缭乱的软件库和闪亮的新模型之下,数据科学的真正目的已经变得模糊,有时甚至被遗忘。因为它不是为了这样做而运行复杂的模型,也不是为了优化任意的性能度量,而是用作解决现实世界问题的工具。
一个简单但相关的例子是Iris数据集。有多少人用它来演示一个算法,而不留心思考萼片是什么,更不用说为什么我们要测量它的长度了?虽然对于可能更有兴趣在他们的曲目中添加一种新模式的初露头角的从业者来说,这些似乎是微不足道的考虑,但对于植物学家埃德加·安德森来说,这并不是微不足道的,他编目了所讨论的属性来理解鸢尾花的变异。尽管这是一个人为的例子,但它展示了一个简单的观点;主流变得更加专注于“做”数据科学,而不是“应用”数据科学。然而,这种失调并不是数据科学家衰落的原因,而是一种症状。为了了解问题的根源,我们必须后退一步,鸟瞰一下。
数据科学有一个奇怪的区别,它是少数几个让实践者没有领域的研究领域之一。药学专业的学生成为药剂师,法律专业的学生成为律师,会计专业的学生成为会计师。数据科学专业的学生因此必须成为数据科学家?但是什么的数据科学家?数据科学的广泛应用是一把双刃剑。一方面,它是一个强大的工具箱,可以应用于任何生成和捕获数据的行业。另一方面,这些工具的普遍适用性意味着用户很少会在此之前对所述行业有真正的领域知识。然而,在数据科学兴起的时候,这个问题并不重要,因为雇主们在没有完全理解它是什么以及如何将它完全集成到他们的公司中的情况下,就急于利用这项新生的技术。
然而,近十年后,企业和它们所处的环境都发生了变化。他们现在努力与以既定行业标准为基准的大型根深蒂固的团队一起实现数据科学的成熟度。迫切的招聘需求已经转向问题解决者和批判性思维者,他们了解业务、各自的行业及其利益相关者。导航几个软件包或反流几行代码的能力不再足够,数据科学从业者也不再被编码的能力所定义。no code、AutoML解决方案(如DataRobot、RapidMiner和Alteryx)的日益流行就证明了这一点。
数据科学家将在10年内灭绝(要么放弃),或者至少角色头衔将是。展望未来,被统称为数据科学的技能集将由新一代精通数据的业务专家和主题专家承担,他们能够用自己深刻的领域知识进行分析,无论他们是否会编码。他们的头衔将反映他们的专业知识,而不是他们展示专业知识的手段,无论是合规专家、产品经理还是投资分析师。我们不需要回头看很远就能找到历史性的先例。在电子表格出现的时候,数据输入专家是非常令人垂涎的,但现在,正如Cole Nussbaumer Knaflic(“用数据讲故事”的作者)恰当地观察到的那样,熟练使用Microsoft Office suite是最低限度的。在此之前,用打字机触摸打字的能力被认为是一项专业技能,然而随着个人计算机的可访问性,它也被认为是一项专业技能。
最后,对于那些考虑从事数据科学工作或开始学习的人来说,经常回顾一下你无疑会遇到的维恩图可能会对你有很好的帮助。它将数据科学描述为统计学、编程和领域知识的汇合。尽管每一个都占有相等份额的相交面积,但有些可能会保证比其他的更高的权重。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23CDA 一级:开启数据分析师职业大门的钥匙 在数字化浪潮席卷全球的今天,数据已成为企业发展和决策的核心驱动力,数据分析师 ...
2025-06-23透视表内计算两个字段乘积的实用指南 在数据处理与分析的过程中,透视表凭借其强大的数据汇总和整理能力,成为了众多数据工 ...
2025-06-20CDA 一级考试备考时长全解析,助你高效备考 CDA(Certified Data Analyst)一级认证考试,作为数据分析师领域的重要资格认证, ...
2025-06-20统计学模型:解锁数据背后的规律与奥秘 在数据驱动决策的时代,统计学模型作为挖掘数据价值的核心工具,发挥着至关重要的作 ...
2025-06-20Logic 模型特征与选择应用:构建项目规划与评估的逻辑框架 在项目管理、政策制定以及社会服务等领域,Logic 模型(逻辑模型 ...
2025-06-19SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的利器 在数据分析的众多方法中,Mann-Kendall(MK)检验凭借其对数据分 ...
2025-06-19CDA 数据分析能力与 AI 的一体化发展关系:重塑数据驱动未来 在数字化浪潮奔涌的当下,数据已然成为企业乃至整个社会发展进 ...
2025-06-19CDA 干货分享:统计学的应用 在数据驱动业务发展的时代浪潮中,统计学作为数据分析的核心基石,发挥着无可替代的关键作用。 ...
2025-06-18CDA 精益业务数据分析:解锁企业增长新密码 在数字化浪潮席卷全球的当下,数据已然成为企业最具价值的资产之一。如何精准地 ...
2025-06-18CDA 培训:开启数据分析师职业大门的钥匙 在大数据时代,数据分析师已成为各行业竞相争夺的关键人才。CDA(Certified Data ...
2025-06-18CDA 人才招聘市场分析:机遇与挑战并存 在数字化浪潮席卷各行业的当下,数据分析能力成为企业发展的核心竞争力之一,持有 C ...
2025-06-17CDA金融大数据案例分析:驱动行业变革的实践与启示 在金融行业加速数字化转型的当下,大数据技术已成为金融机构提升 ...
2025-06-17