最近，社交媒体上有很多言论声称数据科学已经“死亡”。

但这并不是我们第一次听到这种说法。

每隔几年左右，就会出现同样的说法。新的工具出现，职位头衔发生变化，突然之间，人们就准备埋葬数据科学了。

Reddit 上关于数据科学是否已死的问题。

但这次不同的是，人们的担忧不仅仅来自该领域的几个孤立角落。

这一次，我们看到了一场横跨科技领域甚至更广阔领域的真正颠覆，裁员、入门级职位减少，以及随处可见的人工智能炒作。

我想通过实际研究来解决这些问题，并为那些提出以下问题的人提供一些澄清：

• 成为一名数据科学家是否值得？
• 作为一名经验丰富的数据科学家，我如何保持竞争力？
• 我是否应该担心人工智能会让我丢掉工作？

我会一如既往地保持诚实，实事求是（不说废话），最后，我会尽力为您提供实用的建议，帮助您在过渡期间茁壮成长。

以下是我们将要介绍的内容

• 人工智能的应用对初级和高级职位的真正影响。
• 雇主目前正在招聘什么职位，以及需求增长有多快。
• 无人谈论的不可替代的技能
• 我对有抱负的初级和高级数据科学家的实用建议

📌 在文章的最后，我还将附上一个我认为与您非常相关的特别公告。

数据显示什么（哈佛研究）

哈佛大学最近的一项研究在追踪了近 285,000 家美国公司后发现：当公司采用生成式人工智能时，初级职位停止增长，而高级职位则不断攀升。

收养者和非收养者随时间推移的就业差异。图片来自哈佛大学。

乍一听，这听起来像是“人工智能正在扼杀就业”。但事实并非如此。

研究表明，公司并不一定在裁员。实际情况是，入门级招聘放缓，而高级职位却持续增长。换句话说，许多公司的大门变窄了，而不是关闭了。

💡 想想看：过去那些需要更多初级员工的日常工作（清理数据、起草文档、编写简单代码）现在有了人工智能，处理起来效率更高了。这意味着新员工数量会减少。但对于已经在职的员工来说，机会并没有消失，初级员工的晋升机会实际上增加了。

这也解释了为什么现在进入数据科学领域感觉更难了。阶梯还在，只是比以前更陡峭了。

我目前就职于一家快速采用人工智能的公司，迄今为止我的经历也与此非常契合。人工智能正在接管繁琐的工作，让我能够专注于更高价值的任务。

生成式人工智能技能：新的基准

我们发现入门级职位机会正在减少，而经验丰富的职位却在不断增加。接下来的问题是：公司在招聘这些人才时优先考虑哪些技能？

Lightcast最近对此进行了调查，发现从 2024 年 5 月到 2025 年 5 月，提及生成式人工智能的热门帖子是数据科学家（3,301 个唯一帖子）和机器学习工程师（2,951 个）：

提及生成式人工智能的热门职位名称。图片来自 Lightcast

这让一件事变得显而易见：公司并不是说他们不需要数据人才，而是说他们需要了解人工智能的数据人才。

对人工智能技能的需求增长速度甚至比对人工智能职位的需求增长速度更快。

GenAI 工程师与 GenAI 技能对比图。图片来自 Lightcast

需要生成式人工智能技能的职位数量将从 2021 年的 55 个跃升至 2025 年中期的近 10,000 个。

技能比头衔更重要，因为组织需要的是能够真正使用这些工具的人，而不仅仅是简历上的一个标签。

💡 我之前在其他文章中讨论过这个问题，但“生成式人工智能技能”对每个人来说意义不尽相同。具体含义取决于你的经验水平和公司。但总的来说，我们的期望很明确：你需要知道如何在工作中运用这些工具。

无人谈论的不可替代的技能

学习如何使用生成式人工智能不再是可有可无的。但许多人犯了一个错误：他们认为仅仅掌握人工智能技能就足够了。

事实上，那些让你在这个市场中保持韧性的技能是人工智能无法取代的。比如：

• 业务影响：展示您的工作如何与收入、保留或效率相关。
• 领域知识：了解您所从事的行业以及数据背后的背景。
• 利益相关者管理：建立信任和协调，以便您的见解真正得到利用。
• 沟通和数据讲述：将分析转化为推动业务发展的决策。

这些技能关乎判断和影响力，而不仅仅是执行力。无论人工智能工具多么优秀，它们都无法复制这一点。

💡 如果你想保持价值，就必须将技术能力与人际交往能力结合起来。这种结合不仅能让你成为一个能够查询数据的人，还能让你成为一个能够推动成果的人。

接下来你应该做什么？

结论很简单：人工智能不会取代数据专业人员，而是会重塑他们的价值。

在笔记本电脑上工作。图片由作者提供

🎓 有抱负的数据科学家

如果你想闯入这个领域，你的项目至关重要。但仅仅展示技术技能是不够的，你还需要证明你理解业务影响。

重点关注：

• 选择正确的项目：选择那些能够明确地将分析与结果（增长、节省、效率、保留）联系起来的项目。
• 利用人工智能工具：使用它们来加快您的工作速度并使其更有效率。
• 围绕影响力来组织你的工作：每个项目都应该回答“这对企业为什么重要？”

💡 能够展现商业影响力的项目才能让你在竞争激烈的市场中脱颖而出。我最近写了一篇关于如何构建具有竞争力的数据科学作品集的完整指南。

👩‍💻 青少年

如果你已经入职，现在还不是辞职的好时机。现在正是你在现有岗位上成长、证明自身价值、从内部晋升的最佳时机。请关注以下两点：

• 事半功倍：利用人工智能提高效率，让你的工作更加直观
• 培养软技能：业务影响力、沟通能力、利益相关者管理和数据讲述。

💼 中期和高级数据科学家

这段时间对你来说非常有利（尤其如果你是高年级学生）。你有很多机会，但能否保持竞争力取决于你的适应速度。重点关注：

• 效率：利用人工智能让你自己和团队的工作更有影响力
• 采用：指导您的公司如何在实践中实施人工智能
• 领导力：通过展示人工智能如何推动业务成果来树立标准

🚀 为你的职业生涯做好未来准备

数据科学并没有消亡。它正在不断发展，转变已经到来。

这就是为什么在过去的几个月里，我一直在构建人工智能系统，帮助我简化工作流程，从探索性分析到报告，甚至是一个完整的人工智能代理，帮助我公司的利益相关者“与我们的数据对话”。

构建一个“与数据对话”的 Slackbot。图片由作者提供。

为了帮助其他人实现同样的目标，我推出了面向未来的 DS。

面向未来的 DS是一个基于群组的计划，它教您如何使用人工智能成为公司中不可或缺的一员，在就业市场上更具竞争力，并使您的工作效率提高 10 倍。