然而，由于許多企業正利用技術加速數字化轉型以改善業務運營狀況，數據科學家的工作也變得越來越重要了。超過90%的受訪者表示，與疫情爆發前相比，他們工作的重要性維持不變或者有所增加。
為了深入研究數據科學的應用現狀，該報告評估了新冠疫情影響、面臨的挑戰、對分析應用環境的總體滿意度，等等。研究表明，疫情顛覆了常規的商業實踐，改變了模型和預測算法中的假定和變量，并引起了對流程、實踐和操作參數進行相應調整的連鎖反應。
超過三分之二的受訪者對部署分析項目帶來的成果感到滿意。然而，42%的數據科學家卻不滿意其公司對分析和模型的使用，這表明組織并沒有很好地基于分析洞察來制定決策。這些42%的受訪者表示，業務決策者并未對數據科學成果加以利用，這是其組織面臨的主要障礙之一。
該調查還強調了數據科學家在技能水平上存在差異。不到三分之一的受訪者稱自己在云端管理和數據庫管理等方面擁有高級或專家級技能。考慮到自疫情以來云服務的使用顯著增多，技能水平的差異確實構成了挑戰。94%的受訪者表示，他們對云服務的使用有增無減。
“新冠疫情讓許多組織加速實施數字化轉型項目，這顯然對數據科學家提出了更多要求。”SAS英國和愛爾蘭數據科學主管Lain Brown博士表示：“組織面臨的一個主要障礙是如何執行數據分析的洞察結果，并基于分析結果制定決策，這意味著如果數據科學家在管理層占有一席之地，問題可能會迎刃而解。”
“另外，我們也發現數據科學團隊缺乏支持、缺少人才，長期存在供不應求的問題。企業必須認識到，組建一支技能互補的數據科學家團隊能為其帶來巨大的價值。因此，在逐步轉向由AI驅動的、更加數字化的業務流程的過程中，我們要基于投資回報廣招人才。”
該研究還發現，不同組織對人工智能倫理道德的重視程度不盡相同。43%的受訪者表示，所在組織沒有特別審查其分析過程是否存在偏見和歧視，只有26%的受訪者的組織將摒除偏見作為模型成功的標準。
當談到確保公平公正決策所面臨的挑戰時，行業專家Sally Eaves博士表示：“數據科學家可以利用他們的專業知識制定工作指南，規范數據訪問、使用安全和更廣泛的事項，例如可持續性、數據倫理和偏見。”
“與其寄希望于獲得合適的、干凈的數據并過度依賴于技術來產生公平的結果，倒不如數據科學家自身發揮積極作用——制定正確的指導方針、在數據分析的每個階段進行審核，以嘗試消除偏見。關鍵是要保證從數據到決策的整個流程的透明度和可解釋性。”
該研究揭示了疫情的全球爆發也帶來了積極的影響。近四分之三 (73%) 的受訪者表示，自疫情爆發以來，他們保持了原有的或提高了工作效率，而相似比例 (77%) 的受訪者則表示他們與同事的合作有增無減。這表明我們所關注的許多挑戰在疫情之前可能就已經廣泛存在了。
其他挑戰包括數據準備階段花費時間過長，而模型創建分配時間較少。受訪者在收集、探索、管理和清理數據方面所花費的時間高于預期時長（58%）。
“總的來說，疫情背景下突顯了數據科學家在組織中扮演著的重要角色，并且這一角色還將變得日益重要，因此他們有充分的理由保持樂觀，”Brown表示：“特別是當數據科學家能夠利用所有可利用的工具來管理分析生命周期、尋求數據科學培訓和發展技能的機會，并將數據準備作為建模的第一步時，他們更能感受到自身被賦予的強大力量。”
完整報告《加速數字化轉型》中提供了其他的研究發現和論點，包括可供數據科學家改進流程和結果的策略。
調查方法
2021年，SAS通過多種渠道（包括TechTarget 社區和社交媒體）邀請數據專業人士回答與其工作相關的調查問題。全球共有 277 名數據專員完成了調查問卷。除了這部分量化調查，SAS還對數據專員和專家進行訪談，提出質化問題并收集相關答案。
大多數受訪者所在公司規模超過 1000 人，且大多數受訪者擁有碩士及以上學歷，普通員工和管理層的受訪比例大致相同。
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
