資料科學家
🇹🇼 台灣 · 科技下一批受影響在台灣的 803 種職業中第 112 名 · 風險最高的前 14%
工作保存期限
2年 11個月
03天 01:32:08:484
距離 AI 開始取代這份工作
2029年9月21日 · 倒數 1070 天
建模、實驗與報表由代理自動跑完，一人能做整個團隊的事；留下把商業問題轉成統計問題、在高層面前捍衛結果與判斷資料不足的角色。約三年後團隊縮小。
查看 AI 取代前景詳情
被取代的風險高
20 年後的人力占比30%
AI 取代時間軸
影響方式 · 縮減2026 · 現在2034
推估區間 1年 11個月 – 5年 11個月
資料科學家：AI 會改變哪些工作、哪些會留下
資料科學家的工作過去分成跑模型、寫報表這種可以照流程執行的分析，和把模糊的商業問題轉換成統計問題這種定義型工作兩種，人力配置正在改變。
跑模型和產出報表為什麼先被自動化接手？
跑模型、設計實驗、產出報表，這些有明確流程可以依循的分析工作，現在代理系統已經能自動完成，過去需要多人分工的團隊因此能大幅縮編。過去一個團隊要分好幾個人各自跑不同模型的工作，現在少數人搭配自動化流程就能全部完成，不太需要大量初階分析人力。
定義問題和捍衛結果，為什麼還要靠人？
把模糊的商業問題轉換成可以用統計方法解決的問題、在高層面前捍衛分析結果、判斷手上的資料是不是太薄弱不足以下結論，這些需要經驗的判斷還是留給人。這種把商業語言轉換成分析框架的能力，是代理系統目前還做不到的部分。這行本身沒有執照或法規門檻。
想走資料科學這條路，該怎麼準備？
比起只練習調模型參數，更該多練習把商業問題轉換成分析問題的能力，並學會在高層面前清楚說明結果的限制，多參與跨部門的需求討論。商業數據分析、統計或資料科學相關科系都是好的起點，但問題定義能力還是要靠實戰累積。
撰寫日期
對資料科學家結果的看法· 繁體中文
還沒有留言