
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 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 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 ...
2025-06-23