2021年，就业市场增速放缓的数据科学行业，还有多少“钱“景？_AI&大模型_Pouyan R. Fard



 写点什么

过去十年里，数据科学就业市场发展迅速，但在 2020 年增长放缓了，这让许多数据科学人才对就业前景感到疑惑。本文从多个角度讨论了这个话题，作者认为数据科学就业市场需求放缓只是暂时的，它终将随着经济复苏而回升，数据科学职业在 2021 年仍然有利可图。

数据科学的就业市场在过去十年里一直蓬勃发展。数据科学家是 IT 行业最需要的技术专家之一。研究表明，2013-2019 年期间，在几大招聘网站上的平均招聘职位数量同比增长了约 30%，而相应地，数据科学就业市场在这一时期呈现出 344%的增长[1]。

在过去十年里，几乎所有人应该都会同意《哈佛商业评论》[2]对数据科学职业的看法：这是 21 世纪最性感的工作！

然而，2020 年数据科学就业市场的增长却放缓了，这让许多数据科学人才对就业前景感到疑惑。据研究，2020 年数据科学就业市场的增长与前一年相比放缓了 15%。

此外，数据科学的姊妹领域--数据工程的就业市场在 2020 年增长速度则变得更快了[3]。这或许能解释为什么大数据行业的一些专家认为数据工程将取代数据科学的位置，成为数据从业者的下一个热门职业[4]。有些人甚至认为，数据科学行业是一个已经破灭或即将破灭的泡沫[5]。

1. 数据分析是一个快速增长的全球市场

据市场调研，到 2026 年，全球人工智能（AI）软件市场的收入预计将增长超过 1260 亿美元。事实上，有专家认为全球数据分析和人工智能市场在未来五年将保持 30%-40%的增长[6]。

这种水平的增长意味着数据分析和 AI 软件公司必须不断招聘数据科学人才，来追赶市场的整体增长，也意味着市场上的人才将有更多的工作机会。

2. 新冠大流行导致的数据科学就业市场放缓可能是暂时的

2020 年，企业为项目雇用数据科学人才的速度放缓，导致许多人认为数据科学是一个破裂的泡沫。

然而，根据 Gartner 的调查[7]，47%的企业决策者并没有改变投资人工智能和机器学习技术的计划，其中 30%的人甚至打算增加投资。

另外，Gartner 认为，机器学习及其相关领域，如深度学习、计算机视觉、自然语言处理等，已经越过了泡沫期[7]，这对数据科学家来说是个好消息。

越过技术成熟度曲线的峰值（泡沫期）说明公司已经开始针对机器学习和数据科学做出更实际的规划。不久之后，数据科学可能会像软件工程一样成为一种标准和职业，这样的需求也一直都存在。

3. 其他数据领域的增长利好数据科学

网络媒体上有一种说法，数据工程将取代数据科学在最热门工作列表中的地位[4]，不过换个角度看，其他数据相关领域的发展实际上对数据科学的就业市场是有利的。

任何从事过大数据项目的人都知道，构建数据驱动的软件是一项团队工作。你可能需要一个由软件工程师、数据工程师、云计算和 DevOps 专家以及数据科学家组成的团队，来共同构建高性能的人工智能软件。为人工智能产品的软件团队引入更多专家或自动化工具，这有助于数据科学家专注于他们实际的工作，即数据分析、构建和优化高性能的机器学习模型，以及将可实操的洞见呈现给相关利益方。