随着生成式人工智能增强数据，数据科学家短缺问题愈发严重

提高数据科学家生产力的最有希望的领域之一是生成式人工智能。生成式人工智能的兴起将为数据科学家提供强大的新功能来组织、合成和分析数据。这种生产力的提高将揭示深刻的见解，并以前所未有的水平实现数据驱动的决策。然而，虽然生成式人工智能将提高数据科学家的生产力，但我相信它将导致对数据科学家的需求增加。

20 世纪 80 年代，电子表格的出现改变了金融业。然而，金融业不但没有减少就业岗位，反而从 1980 年占美国 GDP 的 10% 左右增长到 21 世纪初的 20%。虽然一些低级岗位（如银行出纳员）被取代，但随着交易、融资、对冲基金和其他金融服务领域出现新的高技能岗位，金融业员工数量有所增长。

由于生成式人工智能，数据科学领域即将迎来一场类似的革命。与 20 世纪 80 年代和 90 年代渗透到商业领域的电子表格现象类似，生成式模型使数据专家能够提供和产生更大的影响。随着生成式人工智能在各个行业的数据呈指数级增长，这一新兴技能对于竞争力至关重要。生成式人工智能不会减少员工数量，反而会推动对熟悉其功能和局限性的数据科学家的需求激增。然而，市场动态未能提供足够的数据科学人才。

早在人工智能出现之前，世界就面临着数据专业人员严重短缺的问题。根据微软的 DEGREE + DIGITAL 报告，基于 LinkedIn 数据，没有哪项技能的供需差距比这更大。而且，根据美国劳工统计局的预测，需求预计不会很快减少。该局的职业统计和就业预测办公室报告称，数据科学领域预计将在 2021 年至 2031 年间增长 36%——远高于平均水平。

此外，外部非结构化数据每年增长 62%（Gartner、Beauhurst 等）。这种类型的数据很难利用，因为它不适合进行标准分析。JIRA、slack 和 Teams 等新数据平台的激增只会加剧数据混乱。

生成式人工智能能够吸收和组织所有数据，就像电子表格组织财务数据一样。这种工具将使数据科学家能够比以往做更多、更快的事情，从而使数据科学家比以往任何时候都更有价值，从而刺激对这种技能的需求。

借助生成式 AI，您可以从多个来源（例如数据库、电子邮件、协作工具、数据湖、SharePoint、电子表格、文档、PDF、网站、CRM 和 ERP 系统）提取数据，并将其组合成一个整体。现在，您只需提出简单的英语问题，而不必费力弄清楚如何从所有这些不同的来源提取信息。这种快速交互和实验的能力使数据科学家能够快速制作原型并找到合适的数据源来回答问题，并在几分钟内将结果交给他们。

通过为数据科学家提供整合不同数据源和更有效地挖掘数据的能力，将带来更深入的洞察。在 smartR AI，我喜欢说“世界正被数据淹没，但知识却匮乏”。生成式人工智能弥补了这一差距。通过快速高效地组织数据，现在可以更轻松地提取知识。

但易用性并不是唯一需要考虑的因素。我们都知道数据就是知识，知识就是力量，因此你的宝贵数据始终需要保持私密和安全。谁会想深入了解你的市场，然后发现你的竞争对手和其他大型科技公司可以访问这些宝贵的数据？所以，我的建议是：选择、实施和使用能够确保隐私、易用的生成式人工智能解决方案，并确保与一家不断创新的公司合作。创新应该成为一种日常习惯

在技​​术快速变化成为常态的世界中，生成式人工智能也正成为常态，数据科学家的匮乏是一个需要认真对待的关键因素。然而，生成式人工智能解决方案可以帮助组织克服一些担忧，通过为现有员工提供获得深刻见解、更轻松、更有效地分析和增强数据的能力，而无需数据科学家这一稀缺资源所带来的知识。

参考：

1

图片来源：Freepik