4个原因机器人不会很快取代数据科学家

今天，它完全是关于数据驱动的企业。公司收集的数据比以往任何时候都多，而且决策制定现在很大程度上取决于所有数据的见解。首先，负责汇总这些宝贵见解的人一直是数据科学家，推动了全球数据科学家的需求。

然而，随着机器学习和人工智能在工作场所继续发挥越来越大的作用，还有很多关于数据科学家的作用已经过时的讨论。机器人正在提供新的，强大的方法来自动执行当前正在执行的许多与数据科学相关的任务。但是新的AI技术接管了大部分数据科学家的角色吗?

在大多数情况下，现在预测数据科学家的角色将如何真正受到影响还为时尚早。人工智能和深度学习等技术已存在多年，但仍有很长的路要走。直到最近，当IBM，谷歌和Facebook等公司能够克服一些最重要的技术障碍并将其带给大众时，人工智能才开始获得关注。这些公司后来成为人工智能技术的先驱; 然而，它的应用仍然非常狭隘。

事实是，人工智能和机器学习仍有很大的局限性。在大多数情况下，组织正在执行的任务和他们面临的问题不能通过面部识别或食品订购机器人来解决。今天的组织需要解决更复杂的问题 - 而这正是数据科学家的用武之地。

数据科学家负责分析问题和开发数据驱动的答案。更重要的是，他们能够找到尚未获得数据的答案，或者尚未向机器人传授数据的人。

尽管如此，随着技术的进步，许多人质疑机器人是否有可能在不久的将来比数据科学家更快，更便宜地工作。简单的答案是，只有时间会证明，但许多人认为，如果要彻底取代数据科学家，人工智能首先必须克服许多挑战。就目前而言，我认为机器人更有可能以一种能够彻底改变立场并将其变成对组织更有意义的方式来补充数据科学家的角色。这就是原因。

组织仍然需要人类的判断力

将原始数据转换为易于消化和理解的数据的过程称为数据争用或数据调整，并且不是AI机器人可以完全处理的事情。这个过程仍然需要人们的判断才能将原始数据转化为对组织有意义的洞察力，并将组织的所有复杂性考虑在内。

虽然机器人可以帮助识别组织趋势，但他们还不能真正理解特定数据对组织及其关系的意义，甚至是不同的，未连接的操作之间的关系。

我们当然看到有助于自动化许多这些活动部件的步伐，因为人们根本无法满足处理组织正在产生的大量数据的需求。机器人可以帮助自动化数据解释和可视化中的低级步骤，让人们通过所有数据的含义走向高管和决策者。

但在大多数情况下，人类仍需要解释数据。他们还需要编写机器人脚本，这些脚本在可能取代它们之前接管更普通，简单的数据科学任务。

类似于编程角色的路径

随着计算机编程语言的发展，低级程序员的数量确实减少了。然而，正如Rudina Seseri指出的那样，随着世界适应这些新语言，软件开发人员的总体需求也在增加。编程工作的竞争也因新的程序员在更新的高级语言知识下进入该行业而增加。

数据科学领域已经紧随其后，机器人自动执行较低级别的任务，并将更复杂的问题解决任务留给人类专业人员。因此，自动化与人类解决问题的结合实际上赋予了数据科学家的工作能力，而不是威胁他们。正如Frost&Sullivan高级副总裁Andrew Milroy所说，“实现预期变革所需的人力资源缺乏将减缓技术采用和自动化。因此，新技术只能破坏就业的论点是无稽之谈。它还将创造就业机会。新的高技能工作将与使用新的颠覆性技术一起出现。没有它们，这项技术的实施是不可能的。“

现在安全，但需要适应

机器人可能会自动收集和清理数据的过程; 然而，从数据中发现见解需要时间和专业知识。目前，对数据科学家的需求很大，因为人工智能正在为能够理解该技术并将其转化为有意义的专业人士创建一个新类别。组织越来越多地招募数据科学家，因为他们很难找到和保留。

与其对数据科学工作构成威胁，机器人将更有可能成为数据科学家非常聪明的助手，使他们能够运行比以往更复杂的数据场景。

据预测，数据科学家的角色也将从许多数据专业人员目前所涵盖的广泛且有些模糊的职责演变为更具体的角色。人工智能在自动化方面的优势将使数据科学家能够将注意力集中在其他尚未存在的更具创造性和创新性的角色上。

Gartner预测公民数据科学家将成为新的常态。很多传统角色很快就会需要分析技能，因此，对能够执行更高级分析任务的专业人员的需求将会增加。预计这种转变将创造一类新的数据科学家，弥补商业智能和严格分析角色之间的许多差距。

人工智能的进步只会增加对人才的需求

“现实情况是，这些最新进展只创建了人才了前所未有的需求，需求和数据科学家的供应相当大的差距，劳动力训练有素段，说：” Seseri的创始人和管理合伙人在Glasswing企业。

Forrester预测，到2025年，认知时代将在数据科学，机器人监控，自动化专业化和内容管理方面创造890万个新工作岗位。现在比以往任何时候都更需要工作人员在我们考虑如何用它取代技术之前就已经了解这项技术。

即使我们今天看到的数据科学家数量增加，但只有最近的毕业生和数据专业人员才能接受适当的高级人工智能和机器学习技术培训。这对数据科学家产生了更多的需求，他们可以理解并将他们正在做的工作与人工智能和机器学习工具结合起来，我相信这种需求将在未来继续存在。