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
|
6月前
|
机器学习/深度学习 人工智能 算法
公司即将在AI上浪费数十亿美元,如何避免成为其中之一
公司即将在AI上浪费数十亿美元,如何避免成为其中之一
|
7月前
|
人工智能 数据处理
摩根大通AI辅助现金流模型可减少90%人工工作
【2月更文挑战第16天】摩根大通AI辅助现金流模型可减少90%人工工作
370 2
摩根大通AI辅助现金流模型可减少90%人工工作
|
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
|
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。
106 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 安全 算法
你能相信吗?一半人工智能模型从未投入生产
最近发布的Gartner 2022 AI in Organizations调查发现,80%的高管认为自动化可以应用于任何商业决策。随着自动化对商业运营变得越来越重要,该调查探讨了企业如何将人工智能的使用作为其长期自动化战略的一部分。报告估计到2025年,人工智能的商业价值将达到51亿美元。
146 0
你能相信吗?一半人工智能模型从未投入生产
|
人工智能 安全 算法
从人工智能投资中获得最大收益的6个步骤
如今,大部分组织都在将一些工作负载和资产转移到云端。根据最近的一份调查报告,许多企业的首席信息安全官(CISO)对安全控制和人才短缺问题感到担忧,40%的企业因这些问题而放缓业务迁移。
204 0