【网易科技讯 7月25日消息】
作者：VIVIAN ZHANG
（本文由网易见外智能编译平台提供翻译服务）
现在的企业跟数据驱动的分析的息息相关。公司收集的数据量比以往任何时候都要多，而公司决策往往基于对这些数据的深入分析。最初，负责收集并深入分析数据的人被称为数据科学家，这推动了全球对数据科学家的需求。
然而，随着机器学习和人工智能越来越多的参与商业决策，有的人认为数据科学家的角色将变得过时。人工机器正以一种新的、强大的方式参与到数据科学中来。新的人工智能技术将会取代大部分数据科学家的角色吗？
在很大程度上，要预测数据科学家的角色受到的影响还为时过早。人工智能和深度学习等技术已经存在多年，但一直有所欠缺。直到最近，当IBM、谷歌和Facebook等公司克服了一些最重要的技术障碍，并将AI技术其带给大众时，这项技术才开始获得关注。这些公司后来成为人工智能技术的先驱; 然而，AI的应用面仍然非常狭窄。
事实是，人工智能和机器学习仍有很大的局限性。而在大多数情况下，公司所执行的任务和他们所面临的问题并不是通过面部识别或食物订购机器人就能来解决的。今天的组织要解决的问题要复杂得多，而这正是数据科学家们的职能所在。
数据科学家负责分析问题并分析大数据得出答案。更重要的是，他们能够没有数据支撑时找到答案，或者还能在数据还没有被传授给AI的时候找到答案。
然而，随着技术的进步，许多人开始质疑机器人是否有能力比不久的数据科学家更快、更廉价地工作。简单的答案是，只有时间才能证明，但许多人相信，如果要彻底取代数据科学家，人工智能必须首先克服许多挑战。就目前而言，我认为机器人更有可能成为数据科学家工作的补充，这将彻底改变这个职位，让工作变得更有意义。这就是原因。
把原始数据转换成容易被理解和已理解的数据的过程被称为数据处理或数据再加工，这不是人工智能机器人能够完全处理的事情。这个过程仍然需要人的判断，把原始数据转化成有意义的见解，并把所有组织的复杂性考虑进去。
尽管机器人可以帮助识别趋势，但它们还不能真正理解特定数据的含义及其跟组织之间关系的意义，甚至无法真正理解不同的、不相关的操作之间的关系。
我们当然看到，在实现自动化这些方面，我们取得了长足的进步，因为人类根本无法跟上不断增多的海量数据的需求。机器人可以帮助实现数据解释和可视化的低层次步骤，让人类的高管和决策者们直接实现数据分析和决策。
但在很大程度上，仍需要人类来解释数据。而且还需要人类来编写机器人脚本来负责普通的、简单的数据科学任务，直到机器人可以取代人类。
随着计算机编程语言的发展，低水平程序员的数量确实减少了。然而，正如Rudina Seseri指出的那样，因为世界需要不断适应新语言，软件开发人员的总人数增加了。编程工作的竞争也增加了，因为有了新的、更高级的语言，新的程序员进入了这个行业。
数据科学领域已经开始机器人对人类思维的模仿，机器人自动完成较低级别的任务，把更复杂的解决问题的任务留给了人类专业人士。因此，自动化分析与人类解决问题的结合，实际上对数据科学家是帮助而不是威胁。正如弗罗斯特&沙利文的高级副总裁Andrew Milroy所宣称的那样，“缺乏足够的人力来实现预期的转变，将会放慢技术的采用和自动化。”因此，认为新技术只会破坏就业的说法纯属无稽之谈。它还将创造就业机会。新的高技术含量的就业岗位将与使用最新的颠覆性的技术结合在一起。没有他们，这项技术的实现是不可能的。
机器人可以自动化收集和清理数据;然而，从这些数据中挖掘出的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那些能够理解技术并将其转变为有意义的专业人士创造一个新的类别。公司组织招募越来越多的数据科学家，因为他们很难找到并留住这些人。
相比于对数据科学工作构成威胁，机器人更有可能成为数据科学家的智能助手，让他们能够在更复杂的数据场景下运行。
据预测，数据科学家所扮演的角色也将变得由宽泛和模糊变得更加具体。人工智能在自动化方面的好处之一，是它能使数据科学家能够把注意力集中在更有创造力和创新性的角色上，而这些角色目前还尚不存在。
高德纳预测，公民数据科学家将成为新常态。在许多传统角色中，分析技能都被用人单位看重，因此，企业对能够完成更高级分析任务的专业人士的需求将会增加。这种转变有望创造出一个新的数据科学家阶层，缩减商业情报和分析师之间的差距。
“现实是，这些最近的进步只是激发了一种前所未有的人才需求，以及凸显了数据科学家（一个受过高度训练的劳动力群体）的需求和供应之间的巨大差距，”Seseri说，他是Glasswing Ventures的创始人和管理合伙人。
Forrester预测，到2025年，在数据科学、机器人监控、自动化专业化和内容管理方面，当今的认知时代将迎来890万个新工作岗位。现在，我们比以往任何时候都更需要了解技术的人，远远不是思考他们将如何被它取代的时候。
尽管数据显示，数据科学家人数有所增加，但在先进的人工智能和机器学习技术方面，只有最新的毕业生和数据专业人才能接受相应的培训。这给数据科学家带来了更多的需求，他们能够理解并将他们的工作与人工智能和机器学习工具结合在一起，我确信这种需求在未来会一直存在。
（作者Vivian Zhang是纽约数据科学学院的创始人兼首席技术官，也是石溪大学的兼职教授。）
【编译：网易见外智能编译平台 审校：山毛榉】