最近，社交媒体上有很多声音宣称数据科学“已死”。
但这不是我们第一次听到这种说法了。
每隔几年左右，同样的说法就会流传开来。一款新工具问世，职位名称发生变化，突然间，人们就准备埋葬数据科学了。
关于数据科学是否已死的Reddit问题。
但这次不同的是，这种担忧并非仅仅来自该领域的几个孤立角落。
这一次，我们看到了一场真正的颠覆，它跨越了科技领域，甚至波及更广，裁员、初级岗位减少，AI炒作随处可见。
我想用实际研究来回应这些担忧，并为那些提出如下问题的人提供一些清晰的解释：
-
成为数据科学家真的值得吗？
-
作为一名经验丰富的数据科学家，我如何保持竞争力？
-
我应该担心自己的工作会被
AI
取代吗？
我会一如既往地保持坦诚，实事求是（不玩虚的），最后，我会尽我所能给你提供切实可行的建议，帮助你在这个过渡时期蓬勃发展。
以下是我们将涵盖的内容
-
采用AI对初级和高级职位的实际影响。
-
目前雇主正在招聘的职位，以及需求增长的速度。
-
无人提及的无可替代的技能
-
我对有抱负的初级和高级数据科学家的实用建议
📌在文章结尾，我还会发布一则特别声明，我认为这将与你密切相关。
数据显示的内容（哈佛研究）
以下是最近一项哈佛研究在追踪近28.5万家美国公司后发现的情况：当公司采用生成式AI时，初级职位停止增长，而高级职位则持续攀升。
随着时间的推移，采用者和非采用者之间的就业差异。图片来源：哈佛。
乍一看，这可能听起来像是“AI正在扼杀就业机会”。但实际情况并非如此。
研究表明，公司不一定在裁员初级员工。真正发生的是入门级招聘放缓，而高级职位仍在增加。换句话说，许多公司的大门变窄了，但并没有关闭。
💡不妨这样想：过去用来证明招聘更多初级员工合理性的日常任务（清理数据、起草文件、编写简单代码）现在由AI更高效地处理。这意味着新员工招聘减少。但对于已经入职的员工来说，机会并没有消失，初级员工的晋升实际上还增加了。
这就解释了为什么现在进入数据科学领域感觉更难了。梯子仍然在那里，只是比以前更陡了。
我目前就职于一家迅速采用AI的公司，到目前为止我的经历与这一点非常吻合。AI正在接管繁重的工作，让我有更多精力专注于更有价值的任务。
生成式AI技能：新的基准
我们已经看到，入门级岗位机会在减少，而有经验者的岗位却在持续增加。下一个问题是：
企业在招聘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AI的热门招聘岗位为数据科学家（3301个独特招聘信息）和机器学习工程师（2951个）：
图片来源：Lightcast
提及生成式AI的招聘信息中排名靠前的职位名称。
这就使一件事变得很明显：企业并不是说他们不需要数据人才。他们是说他们需要懂AI的数据人才。
对AI作为一项技能的需求增长速度甚至超过了对AI职位头衔的需求。
比较生成式AI工程师与生成式AI技能的图表。图片由Lightcast提供
要求具备生成式AI技能的招聘信息从2021年的仅55条跃升至2025年年中的近10000条。
技能的发展速度超过了头衔，因为企业需要的是真正会使用这些工具的人，而不仅仅是简历上挂着名头的人。
💡我之前在其他文章中也提到过，“生成式AI技能”对每个人来说含义并不相同。它具体是什么样子，取决于你的经验水平和所在公司。但总体而言，期望是明确的：你需要知道如何在工作中利用这些工具。
无人提及的无可替代的技能
学习如何使用生成式AI不再是可选项。但很多人会犯这样一个错误：他们认为仅靠AI技能就足够了。
事实是，让你在这个市场中具备韧性的技能，正是AI无法取代的技能。比如：
-
业务影响：展示你的工作如何与收入、留存率或效率相关联。
-
领域知识：了解你所从事的行业以及数据背后的背景。
-
利益相关者管理：建立信任和达成共识，以便你的见解能够真正得到应用。
-
沟通与数据故事讲述：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工具变得多么出色，它们都无法复制这些能力。
💡如果你想保持自身价值，那就将技术能力与这些软技能相结合。这种结合不仅能让你成为一个只会查询数据的人，更能让你成为一个能推动成果的人。
你下一步应该做什么？
结论很简单：AI****不会取代数据专业人士，而是在重塑他们的价值所在。
在笔记本电脑上工作。
🎓有抱负的数据科学家
如果你想进入这个领域，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。
关注：
-
**选择合适的项目：**挑选那些能将分析与成果（增长、节约、效率、留存）明确关联起来的项目。
-
**利用AI工具：**使用它们来加快你的工作速度并提高效率。
-
**围绕影响力开展工作：**每个项目都应回答
“这对业务有何重要意义？”
💡能够展现商业影响力的项目，才是让你在竞争激烈的市场中脱颖而出的关键。我最近写了一篇完整的指南，介绍如何打造有竞争力的数据科学作品集。
👩💻初级开发者
如果你已经入职，现在不是辞职的时候。这是在现有岗位上成长、证明自身价值并从内部晋升的最佳时机。专注于两件事：
-
**事半功倍：**使用AI提高效率，让你的工作成果一目了然
-
**培养软技能：**商业影响力、沟通能力、利益相关者管理和数据故事讲述。
💼 职业中期和资深数据科学家
这对你来说是一个绝佳的时期（尤其是如果你是一位资深人士）。摆在你面前的机会很多，但保持竞争力将取决于你适应的速度。重点关注：
-
**效率：**使用AI让你自己和团队的工作更有成效
-
**采用：**指导贵公司如何在实践中实施AI
-
**领导力：**通过展示AI如何推动业务成果来树立标准
