KDnuggets:未来4至10年内对数据科学家的需求将开始减少

简介:

根据近1200份投票的统计结果显示,KDnuggets的读者认为对数据科学家/机器学习专家的需求将在未来4至10年内开始减少。最常见的一种回答是4-6年,中值是8-9年。

9a2b1105619dcda6d4eb89cc14e5bd3548d4c0eb

KDnuggets问卷:对数据科学家/机器学习专家的需求何时会开始衰减?

这是一张很重要也很有意思的图表,看完之后我的想法如下……

注意:需求下降的起始点紧随着需求高峰,所以我们需要交换着使用这两个术语。

在2012年被誉为“21世纪最性感的工作”之后,市场对于数据科学家的需求开始迅速增长。这一需求的填补体现在两个方面:

教育:很多大学及其他教育平台(例如Coursera,、edX和Udemy)开始增加提供数据科学与机器语言的教育。

自动化:如同DataRobot这样的公司提供“自动化数据科学/机器学习”的平台一样,这些平台可以让商业用户自己去建模,或者在某一商业流程中嵌入模型来完全自动化数据科学(比如自动化的广告竞价)。

但目前的需求下面却潜藏着一个巨大的泡沫,这个泡沫很可能在未来的某一个时间点破裂,随后需求开始迅速下降。而且如同其它的泡沫一样,这个泡沫同样难以预测。所以需求高峰期(需求开始下降的点)出现在未来4-9年,是一个很合理的假设。但是,这并不意味着数据科学家会失业,这只是让这种工作变得常规化,使薪资水平变得平稳下来,如同互联网发展初期,网页开发者是一个炙手可热的工作,现在却成了一个稀疏平常的工作了。

问卷也调查了受访者在数据科学和机器学习方面的相关经验,以及他们所属的社会群体(产业界/学生/科研/政府/其他)。

3eb0d92a1966528613439dbf000cd05cbaac664f

问卷受访者在数据科学/机器学习方面的经历及其所属社会群体

从图中我们可以看到:60%的受访者有2年以内的相关经历,62%的被调查者来自产业界,19.5%是学生,9.2%是科研人员,4.5%来自政府及公益组织。

在检验高峰需求的预测与受访者经验、所属社会群体的关系时,我得到了惊人的相似曲线。一个高峰期是在未来4-6年和7-10年,另一个小一些的高峰出现在25年及以后。为了简单理解这个图表,我将曲线分组为“小于1年经验”,“1-2年的经验”和“2-4年的经验”,无论哪种情况,这些曲线看起来都非常相似。

对数据科学家/机器学习的高峰需求vs.受访者在数据科学/机器学习领域的相关经验

让我们把那些“预测对数据科学家的需求在25年后开始衰减”的人称为乐观主义者,而将另一部分人归类为悲观主义者吧!

我们发现,经验最多的(16年以上)这一群体占据了乐观主义者的绝大多数,而且这一群体有超过35%的人认为需求在25年之后才会逐渐减缓。

接下来,让我们看看预测高峰需求曲线与受访者所属社会群体的关系。

cd5271831f1f06a4380e548ae8a8689c9681b5c5

数据科学家/机器学习专家的高峰需求预测vs社会群体

再一次,我们出乎意料地发现:这些曲线都很相似。

其中,学生是所有群体里最乐观的,政府工作人员是最悲观的,产业界人士居于其中。

最后,我们看一下不同区域的分布。各地区参与者包括:

US/Canada, 40%
Europe, 33%
Asia, 16%
other, 11%
美国/加拿大 40%
欧洲 33%
亚洲 16%
其他 11%

2e3c2a7272b6b9dcd64ef65928cf412d4bf778a8

对数据科学家/机器学习专家的高峰需求vs地域

这一次,我们又双叒叕发现曲线依然十分相似。而一个显著的差异是:美国/加拿大的受访者相比其他区域的受访者更乐观,他们最多的选择是认为需求将在未来7-10年内饱和,而其他区域则认为是4-6年。在所有区域里面,认为25年甚至更久的受访者百分比为(18.3%-19.8%),这也是让人难以置信的相似。

如何解释这样及其相似的分布?

有一种假设是,乐观主义或者悲观主义是天生的,这会影响到他们做预测的结果。所以当我们想对“社会趋势”做预测的时候,由于这种主题的问题不能通过物理事实测量,更多的只是取决于人们的想法和直觉。所以问卷设计应该以某种方法来检测乐观主义或者悲观主义特质。

如果这个结论是真的,那么我们可以认为:乐观主义的百分比在各个不同的区域、社会群体的群组里面是相似的,而且这个相似不会随着经验发生变化。


原文发布时间为:2017-12-5

本文作者:抵抗流感的

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘”微信公众号

相关文章
|
9月前
|
存储 达摩院
如何合理安排员工工作时间以提高效率和减少成本?—达摩院MindOpt
人员排班在各行各业都具有重要的实际应用价值,可以帮助企业和机构提高管理效率、降低成本,同时提升员工的工作满意度和整体效能。
如何合理安排员工工作时间以提高效率和减少成本?—达摩院MindOpt
|
12月前
|
安全 网络安全
技术领导者如何才能减少工作倦怠,保护最有价值的员工
技术领导者如何才能减少工作倦怠,保护最有价值的员工
|
机器学习/深度学习 数据采集 存储
机器学习如何为临床试验业务节省数百万美元
作为一家大型临床试验服务提供商,WCG对许多药物和医疗设备的市场路径具有相当大的影响。但作为30多家前独立的公司的集合体,很难获得支持这些服务的一致数据。这就是Tamr的数据掌握解决方案提供帮助的地方。
87 0
机器学习如何为临床试验业务节省数百万美元
|
人工智能
人工智能对生产力和薪酬的影响
人工智能提供了通过自动化日常任务来提高生产率的机会。本文概述了人工智能可能很快获得应用的一些领域。
121 0
TCO模型助CIO准确对SaaS作出效益评估
本文讲的是TCO模型助CIO准确对SaaS作出效益评估,作为传统软件采购模式的替代性选择,软件作为服务(Software-as-a-Service, 下称SaaS)的宣传可谓铺天盖地。但是需要深入评估的是SaaS模式的精确财务定位和投资回报率(ROI),以及这些评估细节中显示的和企业用户业务流程相关的关键内容。
1461 0
|
安全 网络安全 数据安全/隐私保护
08年安全调查:投入增多 依然不安全
本文讲的是08年安全调查:投入增多 依然不安全,如今人们越来越需要基于风险管理原则确定安全投资的重点——这是许多CIO和信息安全从业人士很陌生的一个领域,不过可以从同行身上学到一点知识。
1443 0
|
安全 网络安全
网络安全工作的悖论:预算越多,问题就越多
本文讲的是 网络安全工作的悖论:预算越多,问题就越多,为什么有些高管不愿意在安全上加大投入?因为在企业中,只有安全团队是一支“给的预算越多,发现问题就越多”的队伍。在WannaCry和NotPetya勒索软件肆虐之下仍有公司不愿投资安全,原因之一正在于此。
1022 0