如今，一切都是关于数据驱动的企业。该公司收集的数据比以往任何时候都多，现在的决策很大程度上取决于所有数据的意见。首先，负责总结这些有价值见解的人一直是数据科学家，这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中继续发挥越来越重要的作用，关于数据科学家的作用仍有许多过时的讨论。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与数据科学相关的许多任务。但是，新的人工智能技术是否已经取代了大多数数据科学家的角色？

在大多数情况下，预测数据科学家的角色将受到怎样的影响还为时过早。人工智能、深度学习等技术已经存在很多年了，但还有很长的路要走。直到最近，当IBM、谷歌和脸书等公司能够克服一些最重要的技术障碍并将其推向公众时，人工智能才开始受到关注。这些公司后来成为人工智能技术的先驱；但是，它的应用范围仍然很窄。

事实是，人工智能和机器学习仍然有很大的局限性。在大多数情况下，组织正在执行的任务和他们面临的问题无法通过面部识别或订餐机器人来解决。今天的组织需要解决更复杂的问题，这就是数据科学家的用武之地。

数据科学家负责分析问题，并开发数据驱动的答案。更重要的是，他们可以找到没有得到数据答案的人，或者没有把数据传给机器人的人。

然而，随着技术的发展，很多人质疑机器人在不久的将来能否比数据科学家工作得更快、更便宜。简单的答案是，只有时间会证明一切，但许多人认为，如果要完全取代数据科学家，人工智能必须首先克服许多挑战。目前，我认为机器人更有可能以一种可以完全改变他们的位置，使他们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。

组织仍然需要人的判断。

将原始数据转换成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，将原始数据转化为对组织有意义的见解，并考虑到组织的所有复杂性。

虽然机器人可以帮助识别组织趋势，但它们无法真正理解特定数据对组织及其关系的意义，甚至是不同且不相关的运营之间的关系。

当然，我们看到它有助于自动化这些移动部分的速度，因为人们根本无法满足处理组织正在生成的大量数据的需求。机器人可以帮助自动化数据解释和可视化的低级步骤，让人们通过所有数据的意义去找高管和决策者。

但在大多数情况下，人类仍然需要解读数据。他们还需要编写机器人脚本，在取代它们之前，这些脚本会接管更常见和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，软件开发人员的整体需求也在增加。编程的竞争也增加了，因为新的程序员带着更新的高级语言知识进入这个行业。

数据领域紧随其后。机器人自动执行较低级别的任务，并将更复杂的解决问题的任务留给人类专业人员。因此，自动化和人类解决问题的结合实际上赋予了数据科学家工作的能力，而不是威胁他们。正如FrostSullivan高级副总裁安德鲁米尔罗伊(Andrew Milroy)所说，“缺乏实现预期变化所需的人力资源将会减缓技术的采用和自动化。所以，新技术只能摧毁就业的说法是无稽之谈。它还将创造就业机会。新的高技能工作将随着新的颠覆性技术的使用而出现。没有他们，这项技术的实现是不可能的。”

现在安全了，但是你需要适应。

机器人可以自动收集和清理数据的过程；然而，从数据中发现洞见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这项技术并将其转化为有意义的技术的专业人士创造一个新的类别。组织越来越多地招聘数据科学家，因为他们很难找到和留住。

机器人不会对数据科学工作构成威胁，而是更有可能成为数据科学家的非常智能的助手，使他们能够运行比以前更复杂的数据场景。

据预测，数据科学家的角色将从目前许多数据专业人员所承担的广泛而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专注于其他尚不存在的更具创造力和创新性的角色。

Gartner预测，公民数据科学家将成为新的规范。许多传统角色将很快需要分析技能，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个新的数据科学家类别，弥合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。

“现实是，这些最新的发展只是创造了对人才的前所未有的需求，数据科学家的供需之间存在相当大的差距，以及训练有素的劳动力，”Seseri在Glasswing Enterprise的创始人兼管理合伙人说。

Forrester预测，到2025年，认知时代将出现在数据科学、机器人监控、自动化专业化和

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。