数据科学家是不是特有前途的职业？
人工智能和大数据热起来。无数培训班开始靠讲Python、机器学习等课大赚其钱，大学里的那些稍沾点边的商科专业都开始设立建模预测的课程。在企业里收到的简历也是越来越多地号称耍过神经网络、深度学习，经历过N多建模预测的项目。未来的职场，看起来会有满世界的数据科学家。
从需求端角度上看确实有这种趋势。数据慢慢积累上来了，人工智能概念也在迅速普及，人们都开始有了这种意识，都想利用积累的数据做些分析预测之类的事情，这类业务就逐步变得很多，自然对从业人员的需求就变多了，而现在总体来讲数据科学家又少又贵还是个常态，有点AI技能的找个工作都不难，老板还天天担心你跑掉。
但是，数据科学家作为一种职业，长远一点看却未必很有前途。
为啥？
因为还有一个领域也开始被人工智能带得热门起来了，就是自动机器学习软件。
比如这个，国内知名数据软件公司润乾出品的易明建模YModel，地道国货，还完全免费，去润乾官网就可以下载。来感受一下：
只要把数据准备好丢进去，几分钟就能建好模型用于预测了，过程中基本不需要懂数据挖掘的人介入，也就是最后看效果时需要了解一些模型评价的指标就可以。麻烦的事都是数据准备，这是自动化软件不会做的事，但也和数据科学家擅长的事不搭界。
这只是其中比较轻量级的一款，还有更多能自动做机器学习的软件，包括google等大牌厂商都在加入这个阵营。
如果你没有认真学习这些建模算法的原理，只是在培训班和速成课里学过些概念和操作，那你还不见得做得过这玩意儿。
在实践这个易明建模软件的过程中发生过N回这种情况，程序写得很溜的IT专业同学，使用Python开源包建出来的预测模型，准确率就是赶不上它。其实易明建模也是用Python开源包做的，大家用的是同一套基础东西。但是，只懂IT的同学常常没有认真系统地学过这些模型算法的原理，不知道数据该怎么做预处理、什么情况该做纠偏了、补缺失值时该用啥规则；也不知道这几十种算法哪种各有啥特点、适合啥场景、又该填什么样的参数。要认真系统地学习人工智能算法原理，大体相当于读半个统计专业的博士，几个月的速成培训班是搞不定的。
而易明建模中却固化了统计专家数十年的经验，这样只擅长IT技能的数据挖掘入门级选手当然就做不过了。而且，不仅准确率更好，工作效率也差很多啊，这玩意儿跑个三分钟就能出模型，人工来做怎么也得搞上几天吧；更关键的是，这个软件还不要钱，还能没日没夜地干活，而一个数据科学家的工资得多少？你说未来的老板们面对这种情况会怎么想？
结果，粗略学过机器学习知识的普通型数据科学家，还不如那些有行业经验的从业人员更管用。丰富的业务经验还能把数据准备得更好，从而也能让模型做得更精准。自动化建模软件也只能解决人工智能的技术问题，没办法自动发现业务知识，所以即使有自动化软件也需要好的业务知识配合才能建出好模型。
未来的职场，大概率不会是满世界的数据科学家，而是满世界的自动人工智能软件加行业业务专家。
打个比方，就像现在医院里做化验。以前，需要相当技能的人员才搞得了，也只有高级医院才配得起，这些人也很吃香；后来呢，后来自动化仪器来了，是个人都会做了，是个医院也都能做了。
这么一说，是不是感到危机重重？数据科学家这职业是不是彻底凉凉了？
那当然也不是。
像易明建模这样的自动化AI软件也是要人去做的，这更需要优秀的数据科学家才做得出来了。而且，软件也没那么智能，总有搞不定的情况，这时候仍然需要精通算法原理的数据科学家才能搞定。不过，精通算法原理是前提，否则，软件搞不定的事你也搞不定。
只是，成为这种人的难度当然很大，而且这种人的需求量也不会很大，大部分常规的数据科学事务都会被自动化的软件替代掉。
数据科学家这个职业很有前途，但仅限于下过苦功N年寒窗的顶尖高手。街上培训班或者大学里速成班里涮一下出来的，那还是省省吧。