4個原因機器人不會很快取代數據科學家

今天，它完全是關于數據驅動的企業。公司收集的數據比以往任何時候都多，而且決策制定現在很大程度上取決于所有數據的見解。首先，負責匯總這些寶貴見解的人一直是數據科學家，推動了全球數據科學家的需求。

然而，隨著機器學習和人工智能在工作場所繼續發揮越來越大的作用，還有很多關于數據科學家的作用已經過時的討論。機器人正在提供新的，強大的方法來自動執行當前正在執行的許多與數據科學相關的任務。但是新的AI技術接管了大部分數據科學家的角色嗎?

在大多數情況下，現在預測數據科學家的角色將如何真正受到影響還為時尚早。人工智能和深度學習等技術已存在多年，但仍有很長的路要走。直到最近，當IBM，谷歌和Facebook等公司能夠克服一些最重要的技術障礙并將其帶給大眾時，人工智能才開始獲得關注。這些公司后來成為人工智能技術的先驅; 然而，它的應用仍然非常狹隘。

事實是，人工智能和機器學習仍有很大的局限性。在大多數情況下，組織正在執行的任務和他們面臨的問題不能通過面部識別或食品訂購機器人來解決。今天的組織需要解決更復雜的問題 - 而這正是數據科學家的用武之地。

數據科學家負責分析問題和開發數據驅動的答案。更重要的是，他們能夠找到尚未獲得數據的答案，或者尚未向機器人傳授數據的人。

盡管如此，隨著技術的進步，許多人質疑機器人是否有可能在不久的將來比數據科學家更快，更便宜地工作。簡單的答案是，只有時間會證明，但許多人認為，如果要徹底取代數據科學家，人工智能首先必須克服許多挑戰。就目前而言，我認為機器人更有可能以一種能夠徹底改變立場并將其變成對組織更有意義的方式來補充數據科學家的角色。這就是原因。

組織仍然需要人類的判斷力

將原始數據轉換為易于消化和理解的數據的過程稱為數據爭用或數據調整，并且不是AI機器人可以完全處理的事情。這個過程仍然需要人們的判斷才能將原始數據轉化為對組織有意義的洞察力，并將組織的所有復雜性考慮在內。

雖然機器人可以幫助識別組織趨勢，但他們還不能真正理解特定數據對組織及其關系的意義，甚至是不同的，未連接的操作之間的關系。

我們當然看到有助于自動化許多這些活動部件的步伐，因為人們根本無法滿足處理組織正在產生的大量數據的需求。機器人可以幫助自動化數據解釋和可視化中的低級步驟，讓人們通過所有數據的含義走向高管和決策者。

但在大多數情況下，人類仍需要解釋數據。他們還需要編寫機器人腳本，這些腳本在可能取代它們之前接管更普通，簡單的數據科學任務。

類似于編程角色的路徑

隨著計算機編程語言的發展，低級程序員的數量確實減少了。然而，正如Rudina Seseri指出的那樣，隨著世界適應這些新語言，軟件開發人員的總體需求也在增加。編程工作的競爭也因新的程序員在更新的高級語言知識下進入該行業而增加。

數據科學領域已經緊隨其后，機器人自動執行較低級別的任務，并將更復雜的問題解決任務留給人類專業人員。因此，自動化與人類解決問題的結合實際上賦予了數據科學家的工作能力，而不是威脅他們。正如Frost&Sullivan高級副總裁Andrew Milroy所說，“實現預期變革所需的人力資源缺乏將減緩技術采用和自動化。因此，新技術只能破壞就業的論點是無稽之談。它還將創造就業機會。新的高技能工作將與使用新的顛覆性技術一起出現。沒有它們，這項技術的實施是不可能的。“

現在安全，但需要適應

機器人可能會自動收集和清理數據的過程; 然而，從數據中發現見解需要時間和專業知識。目前，對數據科學家的需求很大，因為人工智能正在為能夠理解該技術并將其轉化為有意義的專業人士創建一個新類別。組織越來越多地招募數據科學家，因為他們很難找到和保留。

與其對數據科學工作構成威脅，機器人將更有可能成為數據科學家非常聰明的助手，使他們能夠運行比以往更復雜的數據場景。

據預測，數據科學家的角色也將從許多數據專業人員目前所涵蓋的廣泛且有些模糊的職責演變為更具體的角色。人工智能在自動化方面的優勢將使數據科學家能夠將注意力集中在其他尚未存在的更具創造性和創新性的角色上。

Gartner預測公民數據科學家將成為新的常態。很多傳統角色很快就會需要分析技能，因此，對能夠執行更高級分析任務的專業人員的需求將會增加。預計這種轉變將創造一類新的數據科學家，彌補商業智能和嚴格分析角色之間的許多差距。

人工智能的進步只會增加對人才的需求

“現實情況是，這些最新進展只創建了人才了前所未有的需求，需求和數據科學家的供應相當大的差距，勞動力訓練有素段，說：” Seseri的創始人和管理合伙人在Glasswing企業。

Forrester預測，到2025年，認知時代將在數據科學，機器人監控，自動化專業化和內容管理方面創造890萬個新工作崗位。現在比以往任何時候都更需要工作人員在我們考慮如何用它取代技術之前就已經了解這項技術。

即使我們今天看到的數據科學家數量增加，但只有最近的畢業生和數據專業人員才能接受適當的高級人工智能和機器學習技術培訓。這對數據科學家產生了更多的需求，他們可以理解并將他們正在做的工作與人工智能和機器學習工具結合起來，我相信這種需求將在未來繼續存在。