2012年,大数据(big data)被广泛认知。它用来描述、定义和命名,信息爆炸时代产生的海量数据与相关技术的发展与创新。
还登录过《纽约时报》《华尔街日报》专栏封面和美国白宫官网的新闻。
2017年2月《纽约时报》的一篇专栏中写道,“大数据”时代已经降临,在商业、经济及其他领域中,决策将日益基于数据和分析而作出,而并非基于经验和直觉。
大数据分析师更是被称为,“未来最具发展潜力的职业之一”。数据分析人员的前途一片光明。
但是,随着数据分析市场的逐渐成熟,以及人工智能的出现,使得分析师产生了一个顾虑,“数据分析师会被取代吗?”
01 为什么会产生这样的想法呢?
1.数据分析和建模工作高度依赖计算机
2.多数工作使用算法/程序完成
3.计算机不仅能给出模型运行结果,还能通过测试、验证、交叉验证等方式帮助分析师选择最佳模型。
这么一看,似乎人工智能也可以完成。
其实不然,虽然数据分析依赖算法/程序。但是,数据分析不等于数据分析算法/程序,数据分析算法/程序只是分析师手中的工具。清洗、过滤、转换等机械工作,未来肯定会被取代。但数据分析最重要的是提出/发现问题,分析数据得出结论。
如果没有数据分析师,那么谁来提出这个问题?人工智能?
先不说,目前的人工智能距离真正的人工智能还有很大差距。只说,假如人工智能真的能提出问题了。那时候我想,我们要担心的可能就不是工作问题了!
而且人类于毫无经验的事件应该如何处理问题以及如何反应,我们自己都一无所知,何况我们亲手造出的AI。
02 分析师需要经常自我审视,不断创新
总之,创新不断发生,而伟大的成功在于是否定位到了核心问题。
数据分析师的工作就是通过根本原因分析、流程建模、业务分析、业务规则分析和数据建模等方式不断帮助企业做诊断去发现问题实现再增长。
而人工智能作为一门计算科学,它所做的事就是从过去的事物之间找到一定的规律,并以此来确定当下自己面临的事应该如何去做,因此对于很多重复性的工作,人工智能可以很快的学会。
基于这点,分析师需要经常自我审视自己的工作:
哪部分工作是具有重复性的?
哪部分是每天的日常作业?
同样从简单的做起,使用具有时间表安排和状态记录与更新的项目管理软件,接着创建定时提醒和日常模板提高你的工作效率。
这样你就可以花更多时间和团队沟通,创造价值,而不是蒙头在赶报告。
03 数据科学仍然未来可期
而话又说回来,即便未来会被替代,目前这个职业仍是个新兴职业。
它仍是一个充满机遇的工种,甚至,这种岗位本身也会迭代和进化。
学会数据分析技能的人,不断地自动化琐碎的工作,在不断迭代中越变越强,伴随着最前沿的技术一起成长前进。即便两百年后,他们也很有可能是走在时代最前沿的人。
最能追赶未来的方式,也许就是此刻进入这个行业抓住它,从中寻找机遇,创造而不是等待未来。