AI 与数据科学就业市场

【转】AI 与数据科学就业市场：到底发生了什么？

最近，社交媒体上充斥着一种论调，声称数据科学“已死”。

但这并不是我们第一次听到这种说法了。

每隔几年，同样的叙事就会卷土重来。只要有一个新工具问世，或者职位头衔发生变更，人们就迫不及待地想要把“数据科学”埋进坟墓。

但这一次，情况有所不同。这种担忧不再仅仅来自行业内的几个偏僻角落。

这一次，我们看到了真正的颠覆——这种颠覆席卷了科技界甚至更广泛的领域：裁员潮、初级岗位锐减，以及随处可见的 AI 炒作。

我想通过真实的研究数据来回应这些担忧，并为那些心存疑虑的人带来一些清晰的解答。你们可能在问：

• 现在还值得成为一名数据科学家吗？

• 作为一名经验丰富的数据科学家，我该如何保持竞争力？

• 我应该担心被 AI 抢了饭碗吗？

我会一如既往地保持诚实，不讲废话，只讲真相。在文章的最后，我会尽我所能给出实用的建议，帮助你在这一转型期蓬勃发展。

本文涵盖的内容

• AI 的普及对初级和高级职位的真实影响。

• 雇主现在到底在招聘什么样的人，以及需求的增长速度有多快。

• 没人谈论的那些不可替代的技能。

• 我对有志入行者、初级和资深数据科学家的实用建议。

数据说明了什么（哈佛研究）

哈佛大学最近对近 285,000 家美国公司进行了追踪研究，发现了一个现象：当公司采用生成式 AI 时，初级职位的增长停滞了，而高级职位却在持续攀升。

乍一看，这听起来像是“AI 正在扼杀就业”。但事实并非如此。

研究表明，公司并不一定要解雇初级员工。真正发生的是入门级招聘的放缓，而高级职位的招聘却在继续增长。换句话说，进入许多公司的大门变窄了，而不是关上了。

💡 你可以这样想： 以前那些用来证明“多招几个初级员工”合理性的常规任务（清洗数据、起草文档、编写简单代码），现在用 AI 处理效率更高。这意味着需要的新人变少了。但对于已经在“门内”的人来说，机会并没有消失，初级员工的晋升率实际上还上升了。

这就解释了为什么现在想“入行”数据科学感觉比以前更难了。梯子还在，只是比以前更陡了。

我目前所在的公司采用 AI 的速度非常快，我的亲身经历与此非常吻合。AI 正在接管那些繁琐的脏活累活，将我解放出来，专注于更高价值的任务。

生成式 AI 技能：新的基准线

我们已经看到，入门级的机会正在萎缩，而有经验的职位却在持续增长。接下来的问题是：公司在招聘时优先考虑什么技能？

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 AI”最多的热门招聘岗位是数据科学家（3,301 个独立职位）和机器学习工程师（2,951 个）。

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。他们说的是，他们需要懂 AI 的数据人才。

而且，对 AI 作为一项技能的需求，比对 AI 职位头衔的需求增长得还要快。

要求具备生成式 AI 技能的招聘信息，从 2021 年的仅 55 个，激增至 2025 年年中的近 10,000 个。

技能的需求跑赢了头衔，是因为组织需要那些真正能使用这些工具的人，而不仅仅是简历上挂个标签的人。

没人谈论的“不可替代技能”

学习如何使用生成式 AI 不再是可选项。但许多人犯了一个错误：他们认为光有 AI 技能就够了。

事实是，让你在这个市场上具有韧性的，是那些 AI 无法替代的技能。比如：

• 商业影响力： 展示你的工作如何与收入、留存率或效率挂钩。

• 领域知识： 理解你所处的行业以及数据背后的背景。

• 利益相关者管理： 建立信任和共识，确你的洞察真正被采纳。

• 沟通与数据叙事： 将分析转化为推动业务前进的决策。

这些技能关乎判断力和影响力，而不仅仅是执行力。无论 AI 工具变得多么强大，它们都无法复制这一点。

💡 如果你想保持价值，就要将技术能力与这些“软技能”结合起来。这种组合让你不仅仅是一个会查询数据的人，而是变成一个能推动结果的人。

接下来你该怎么做？

结论很简单：AI 并没有取代数据专业人士，它正在重塑什么才是“有价值”的。

🎓 准数据科学家（有志入行者）

如果你正试图入行，你的项目就是一切。但仅仅展示技术技能是不够的，你需要展示你理解商业影响力。

重点关注：

• 选择正确的项目： 挑选那些能清晰地将分析与结果（增长、节省成本、效率、留存）联系起来的项目。

• 利用 AI 工具： 使用它们来加速你的工作，使其更高效。

• 围绕影响力来构建你的工作： 每个项目都应该回答“为什么这对企业很重要？”

💡 展示商业影响力的项目能让你在拥挤的人才市场中脱颖而出。我最近写了一整份指南，教你如何构建具有竞争力的数据科学作品集。

👩‍💻 初级数据科学家

如果你已经入行了，现在不是离职的时候。 现在是原地成长、证明价值、并从内部向上攀升的最佳时机。重点关注两件事：

• 事半功倍： 利用 AI 提高效率，让你的工作成果显而易见。

• 发展软技能： 商业影响力、沟通能力、利益相关者管理和数据叙事能力。

💼 职业中期与资深数据科学家

这对你们来说是一个极好的时期（特别是如果你是资深人士）。你面前摆着很多机会，但能否保持竞争力取决于你适应的速度有多快。重点关注：

• 效率： 利用 AI 让你自己和团队的工作更具影响力。

• 应用落地： 引导你的公司如何在实践中实施 AI。

• 领导力： 树立标准，展示 AI 如何推动业务成果。

🚀 让你的职业生涯“不过时”

数据科学没有死。它在进化，而且这种转变已经到来。