計算器的工作曾經(jīng)由人來做;網(wǎng)站管理員曾經(jīng)是熱門職業(yè);中層管理人員也曾配備過秘書。技術(shù)的迭代變革了一批又一批職業(yè)，數(shù)據(jù)科學(xué)家也不會例外……

在每種情況下，硬件和軟件的進步都需要專業(yè)技能，再將它們交到通用人才的手中。在專業(yè)人員失業(yè)的同時，這些技術(shù)的民主化引發(fā)了創(chuàng)新、商業(yè)和創(chuàng)造就業(yè)的浪潮。

同樣，我堅信數(shù)據(jù)科學(xué)家的工作在五到十年內(nèi)就會過氣。相反，經(jīng)濟領(lǐng)域各行各業(yè)的終端用戶都將會使用數(shù)據(jù)科學(xué)軟件，就像現(xiàn)在的非技術(shù)人員使用 Excel 一樣。事實上，那些數(shù)據(jù)科學(xué)的工具可能只是 Excel 2029 中的一個選項卡而已。

當(dāng)今的金融分析師不再需要聘請數(shù)據(jù)科學(xué)家來幫助他們，因為他們所使用的平臺已經(jīng)提供了他們所需的數(shù)據(jù)科學(xué)工具。這在其他領(lǐng)域也會變得普遍，因為對數(shù)據(jù)科學(xué)的基本了解已經(jīng)成為許多工作的必需技能。與此同時，很多數(shù)據(jù)科學(xué)的工作也正在實現(xiàn)自動化，一些觀察人士提出警告，稱數(shù)據(jù)科學(xué)家可能正在讓自己失去現(xiàn)有的工作。

數(shù)據(jù)科學(xué)不斷飆升的人氣

數(shù)據(jù)科學(xué)這一職業(yè)正在經(jīng)歷「淘金熱」時期。2018 年彭博社(Bloomberg)的一篇文章將數(shù)據(jù)科學(xué)稱為「全美最熱門職業(yè)」，因為從 2015 年 1 月到 2018 年 1 月，招聘網(wǎng)站 Indeed.com 上的數(shù)據(jù)科學(xué)家需求增加了 75%。文章還提到，在一些咨詢公司，數(shù)據(jù)科學(xué)博士的薪水為 30 萬美元。

同時，美國數(shù)十所大學(xué)都推出了數(shù)據(jù)分析項目。加州大學(xué)伯克利分校(UC Berkeley)在 2018 年新開設(shè)了數(shù)據(jù)科學(xué)專業(yè)，該專業(yè)很快成為了學(xué)校最受歡迎的專業(yè)之一。去年十一月，該校開設(shè)了新的數(shù)據(jù)科學(xué)與信息系，并將其稱為「幾十年內(nèi)最大的重組」。

但這些年輕人即將進入的行業(yè)將在未來10年內(nèi)發(fā)生翻天覆地的變化。盡管他們的數(shù)據(jù)科學(xué)技能可以成為一項穩(wěn)定的職業(yè)財富，但他們中會直接成為數(shù)據(jù)科學(xué)家的人可能少得驚人。

從機器編碼到大規(guī)模編碼再到數(shù)據(jù)自動化

當(dāng)我在學(xué)習(xí)計算機科學(xué)時，編譯器設(shè)計是必修課。我們需要了解如何將像 C 語言這樣的編程語言直接轉(zhuǎn)換成機器語言，也就是計算機可以直接解釋的十六進制代碼。用機器語言來編寫商業(yè)應(yīng)用程序以獲得更高的性能是很常見的做法。

在過去的幾十年間，連續(xù)的軟件功能層被抽象為更高級的開發(fā)工具。現(xiàn)如今的大多數(shù)代碼都是用像 Python 這樣簡單易學(xué)的高級語言完成的，相對而言，程序員很少需要了解如何直接和硬件對話。

數(shù)據(jù)科學(xué)也在快速地走著同樣的道路。在未來的三到五年，越高級的工具對基礎(chǔ)技術(shù)的需求會變得越低，這些基礎(chǔ)技術(shù)包括高性能計算(CPU 的分區(qū)問題)、數(shù)據(jù)整理(準備原始數(shù)據(jù)以便進行分析)以及機器學(xué)習(xí)系統(tǒng)內(nèi)部或初級統(tǒng)計方法等。所有這些過程都將在機器內(nèi)部進行。

如今，包括 Trifacta、Element Analytics 和 Kylo 在內(nèi)的數(shù)十家公司都在推出新的數(shù)據(jù)分析工具，它們中的大多數(shù)旨在減少繁瑣的數(shù)據(jù)準備工作，幫助數(shù)據(jù)科學(xué)家迅速完成分析工作。此外還出現(xiàn)了可以自動選擇算法和調(diào)整參數(shù)的數(shù)據(jù)科學(xué)框架(如 Auto-sklearn 和 DataRobot)。這些框架和工具與數(shù)據(jù)管理平臺相結(jié)合，為未來的數(shù)據(jù)消費者建立了大型構(gòu)建塊。

數(shù)據(jù)科學(xué)家的前進道路

在未來幾年，我認為數(shù)據(jù)科學(xué)家將至少分為五類：

通用人才：第一類是數(shù)據(jù)科學(xué)的通用人才，他們會對數(shù)據(jù)做出解釋并使用數(shù)據(jù)。這些人的工作是指導(dǎo)終端用戶，幫助用戶對數(shù)據(jù)提出問題，但他們并不會自己找出答案。這更像是一個過渡性的工作，更可能在五年內(nèi)出現(xiàn)。

行業(yè)專家：由行業(yè)專家組成的是第二類，也是人數(shù)最多的一類。他們將在制造、醫(yī)藥科學(xué)以及金融這樣的特定垂直領(lǐng)域中使用數(shù)據(jù)科學(xué)技術(shù)和工具。我認為未來的大部分工作崗位都在這里。但這也不是數(shù)據(jù)科學(xué)工作。這些人不是了解制造業(yè)的數(shù)據(jù)科學(xué)家，而是了解數(shù)據(jù)科學(xué)的制造業(yè)領(lǐng)袖。相當(dāng)于今天的以統(tǒng)計學(xué)為王牌的研究員。

深度專家：有專業(yè)數(shù)據(jù)科學(xué)技術(shù)的深度專家組成了第三類，也是人數(shù)最少的一類。這一類人從事的是純數(shù)據(jù)科學(xué)工作。他們的工作是以抽象的方式研究數(shù)據(jù)科學(xué)、提升算法性能并設(shè)計出新的通用方式。他們就像如今的計算機科學(xué)家，主要工作是建立理論基礎(chǔ)，而非解決日常問題。

分析開發(fā)人員：第四類是從數(shù)據(jù)科學(xué)家轉(zhuǎn)為分析開發(fā)的人。這些人是軟件開發(fā)專家，他們的工作是處理數(shù)據(jù)交互問題，以及通過數(shù)據(jù)報告幫助人們做出推論。算法設(shè)計也是他們工作的一小部分，數(shù)據(jù)平臺和以一站式方式完成大量工作的魯棒代碼庫會輔助他們。

數(shù)據(jù)工程師：另外，還會催生出像數(shù)據(jù)工程師這樣的新工作，他們會構(gòu)建將數(shù)據(jù)轉(zhuǎn)換并傳輸?shù)交A(chǔ)平臺的管道，在這個管道中會對數(shù)據(jù)進行分析和可視化。盡管數(shù)據(jù)科學(xué)家通常因他們出色的算法而得到認可，但他們高達 80% 的時間都花在收集數(shù)據(jù)、清理數(shù)據(jù)和組織數(shù)據(jù)上。

結(jié)論

在十年內(nèi)，數(shù)據(jù)科學(xué)將會融入特定行業(yè)的應(yīng)用和廣泛應(yīng)用的生產(chǎn)力工具中，因此我們可能認為它不再是一個熱門行業(yè)。正如一代又一代的數(shù)學(xué)和統(tǒng)計學(xué)的學(xué)生不會再將自己視為數(shù)學(xué)家或統(tǒng)計學(xué)家，而是在商界和學(xué)術(shù)界中扮演了各種各樣的角色，新崛起的數(shù)據(jù)科學(xué)的畢業(yè)生未來也將會成為制造工程師、營銷領(lǐng)導(dǎo)者以及醫(yī)藥科學(xué)領(lǐng)域的研究人員。