知識星球
作者：Nate Oostendorp
來源：機器之心（ID：almosthuman2014）編譯，參與：李詩萌 、張倩
原文：Forbes
在每種情況下，硬體和軟體的進步都需要專業技能，再將它們交到通用人才的手中。在專業人員失業的同時，這些技術的民主化引發了創新、商業和創造就業的浪潮。
同樣，我堅信資料科學家的工作在五到十年內就會過氣。相反，經濟領域各行各業的終端使用者都將會使用資料科學軟體，就像現在的非技術人員使用 Excel 一樣。事實上，那些資料科學的工具可能只是 Excel 2029 中的一個選項卡而已。
當今的金融分析師不再需要聘請資料科學家來幫助他們，因為他們所使用的平臺已經提供了他們所需的資料科學工具。這在其他領域也會變得普遍，因為對資料科學的基本瞭解已經成為許多工作的必需技能。與此同時，很多資料科學的工作也正在實現自動化，一些觀察人士提出警告，稱資料科學家可能正在讓自己失去現有的工作。
01 資料科學不斷飆升的人氣
資料科學這一職業正在經歷「淘金熱」時期。2018 年彭博社（Bloomberg）的一篇文章將資料科學稱為「全美最熱門職業」，因為從 2015 年 1 月到 2018 年 1 月，招聘網站 Indeed.com 上的資料科學家需求增加了 75%。文章還提到，在一些諮詢公司，資料科學博士的薪水為 30 萬美元。
同時，美國數十所大學都推出了資料分析專案。加州大學伯克利分校（UC Berkeley）在 2018 年新開設了資料科學專業，該專業很快成為了學校最受歡迎的專業之一。去年十一月，該校開設了新的資料科學與資訊系，並將其稱為「幾十年內最大的重組」。
但這些年輕人即將進入的行業將在未來10年內發生翻天覆地的變化。儘管他們的資料科學技能可以成為一項穩定的職業財富，但他們中會直接成為資料科學家的人可能少得驚人。
02 從機器編碼到大規模編碼再到資料自動化
當我在學習電腦科學時，編譯器設計是必修課。我們需要瞭解如何將像 C 語言這樣的程式語言直接轉換成機器語言，也就是計算機可以直接解釋的十六進位制程式碼。用機器語言來編寫商業應用程式以獲得更高的效能是很常見的做法。
在過去的幾十年間，連續的軟體功能層被抽象為更高階的開發工具。現如今的大多數程式碼都是用像 Python 這樣簡單易學的高階語言完成的，相對而言，程式員很少需要瞭解如何直接和硬體對話。
資料科學也在快速地走著同樣的道路。在未來的三到五年，越高階的工具對基礎技術的需求會變得越低，這些基礎技術包括高效能運算（CPU 的分割槽問題）、資料整理（準備原始資料以便進行分析）以及機器學習系統內部或初級統計方法等。所有這些過程都將在機器內部進行。
如今，包括 Trifacta、Element Analytics 和 Kylo 在內的數十家公司都在推出新的資料分析工具，它們中的大多數旨在減少繁瑣的資料準備工作，幫助資料科學家迅速完成分析工作。
此外還出現了可以自動選擇演演算法和調整引數的資料科學框架（如 Auto-sklearn 和 DataRobot）。這些框架和工具與資料管理平臺相結合，為未來的資料消費者建立了大型構建塊。
03 資料科學家的前進道路
在未來幾年，我認為資料科學家將至少分為五類：
1. 通用人才
第一類是資料科學的通用人才，他們會對資料做出解釋並使用資料。這些人的工作是指導終端使用者，幫助使用者對資料提出問題，但他們並不會自己找出答案。這更像是一個過渡性的工作，更可能在五年內出現。
2. 行業專家
由行業專家組成的是第二類，也是人數最多的一類。他們將在製造、醫葯科學以及金融這樣的特定垂直領域中使用資料科學技術和工具。我認為未來的大部分工作崗位都在這裡。但這也不是資料科學工作。這些人不是瞭解製造業的資料科學家，而是瞭解資料科學的製造業領袖。相當於今天的以統計學為王牌的研究員。
3. 深度專家
有專業資料科學技術的深度專家組成了第三類，也是人數最少的一類。這一類人從事的是純資料科學工作。他們的工作是以抽象的方式研究資料科學、提升演演算法效能並設計出新的通用方式。他們就像如今的電腦科學家，主要工作是建立理論基礎，而非解決日常問題。
4. 分析開發人員
第四類是從資料科學家轉為分析開發的人。這些人是軟體開發專家，他們的工作是處理資料互動問題，以及透過資料報告幫助人們做出推論。演演算法設計也是他們工作的一小部分，資料平臺和以一站式方式完成大量工作的魯棒程式碼庫會輔助他們。
5. 資料工程師
另外，還會催生出像資料工程師這樣的新工作，他們會構建將資料轉換並傳輸到基礎平臺的管道，在這個管道中會對資料進行分析和視覺化。儘管資料科學家通常因他們出色的演演算法而得到認可，但他們高達 80% 的時間都花在收集資料、清理資料和組織資料上。
04 結論
在十年內，資料科學將會融入特定行業的應用和廣泛應用的生產力工具中，因此我們認為它可能不再是一個熱門行業。正如一代又一代的數學和統計學的學生不會再將自己視為數學家或統計學家，而是在商界和學術界中扮演了各種各樣的角色，新崛起的資料科學的畢業生未來也將會成為製造工程師、營銷領導者以及醫葯科學領域的研究人員。
原文地址：
https://www.forbes.com/sites/forbestechcouncil/2019/03/01/radical-change-is-coming-to-data-science-jobs
