分析

数据科学家会不会濒临灭绝？

仅仅几年前数据科学家还被誉为是“二十一世纪最性感的职业”。而且“数据科学家”在Glassdoor的“美国最佳职位”排行榜中仍然高居榜首。

但这个几年前才出现的职业现在似乎有被围困的感觉。这部分是因为必要性——尽管学校和程序在批量制造出新的数据科学家军团，但周围却见不到多少，尤其是在招聘到顶级人才方面遭遇更大困难的财富1000强公司。在一些组织，数据科学部门正在从使能者演变为瓶颈。

与此同时，AI的大众化以及自服务工具的蔓延使得数据科学技能有限的数据工程师，或者甚至是数据分析师执行一些基本功能变得更加容易了，而这些功能直到最近仍然是数据科学家的领地。在自动化工具的帮助下，企业的大量大数据工作，尤其是那些简单枯燥的工作，将由数据工程师和数据分析师进行处理，而不是有着深厚技术技能的数据科学家。

换言之，除非数据科学最终不是由机器来完全处理的。但一些初创企业开始旗帜鲜明地打出了“数据科学自动化”的口号——其中最显著的包括刚刚获得5400万美元融资的DataRobot，SalesforceEinstein也宣称自己可以自动生成模型。

不奇怪的是，这些趋势在数据科学社区不受欢迎并引起了争议（当然了，谁会欢迎抢自己饭碗的事情）。然而，数据科学家目前大概还不需要太过恐惧。在氪遇见的未来里，自服务工具和自动化模型选择将会“增强”数据科学家而不是消灭他们，其作用将是解放他们，让他们把焦点放在需要判断、创造力以及社会化技能或者垂直行业知识的任务上面。

让一切一起协作：数据工作台的崛起

在大多数大型企业里，大数据的采用都是从少数独立项目（这里做一点Hadoop集群，那里用一用分析工具）以及一些新的职位（数据科学家、首席数据官）开始的。

但现在异质性已经开始发展，各种各样的工具在整个企业范围内得到了使用。在大公司的组织范围内，集中化的“数据科学部门”正在让位于更加去中心化的组织，这个由数据科学家、数据工程师以及数据分析师组成的群体，正日益嵌入到不同的业务部门里面。因此，对于平台来说需求已经很明显了，那就是要让一切都能协作到一起来，因为大数据的成功正是建立在设立一条由技术、人以及流程组成的装配线基础之上的。

因此，一个全新的协作平台类型正在加快出现，引领着所谓的DataOps（与DevOps对应）领域的发展。这方面值得关注的初创企业包括Dataiku、Knime以及DominoDataLab等。Cloudera最近刚刚基于收购的Sense发布了一款工作台产品。该领域的开源运动也很强劲，比方说Jupyter和Anaconda就是例子。

应用

AI驱动的垂直应用

AI驱动的垂直应用出现已经有好几年历史了，但这股潮流已经从涓涓细流变成了怒涛激流。突然之间似乎每个人都在开发AI应用，不管是新的初创企业，还是后期阶段的创业公司都押注到AI身上，希望能给自己带来新的突飞猛进式的发展。

当然，水变大了难免鱼龙混杂，这里当然有一些真正令人兴奋的初创企业，但也有不少是挂羊头卖狗肉来蹭热点的。只是用了点机器学习的公司算不上AI公司。

基本上来说，做一家AI公司是很棘手的。选择一个垂直的问题当然是个重要的开始。除了要有深厚的技术DNA以外，这还需要审慎的定位和战术。但是AI带来的无限可能性是很难不让人着迷的。

尤其是在去年，把任何数据问题用AI来解决显然已成趋势，无论是企业一样还是垂直行业都是如此。所以为了反映这一趋势，今年的大数据版图增加了交通、房地产、保险等垂直行业，并且把特别活跃的领域拆分了出来，比如营销应用现在分出了B2B和B2C，生命科学分成了医疗保健和生命科学。

除了一些多少还是未来主义感觉的领域（比如无人车）以外，AI已经在更加没有想象空间的企业领域发挥作用，比如提供预测、后端事务自动化、安全等。

尽管AI对人类工作的威胁还不是迫在眉睫，但将来没有任何一种职业会对此免疫。其中包括一些最为根深蒂固的白领工作，如医生或者律师等。

金融界似乎一直在思考着AI的可能性和威胁。对冲基金正在为自己的算法寻找合适的替代数据。新的AI驱动的对冲基金尽管还处在发展的早期阶段，但已经表现出不错的势头（比如Numerai、DataCapitalManagement等）。而华尔街一些最著名的机构正在逐渐用AI来取代人力（黑石、高盛等）。

聊天机器人遭遇反冲

喜欢也好，讨厌也罢，2016年都可以称得上是聊天机器人之年，这些全自动化的事实对话代理基本上都是出现在聊天服务里面。聊天机器人尽管出现的时间不长，但已经经历了好几个炒作周期，从早期给人希望，到Tay的灾难性收场，再到迷你复苏，乃至于Facebook在其Messenger平台推出的AI机器人错误率达到70%之后缩减了这方面的努力。

现在看来对聊天机器人的兴奋似乎高兴太早，原因也许是大家从亚洲的聊天机器人崛起以及Slack等底层基础设施的快速发展得出了过于乐观的信号。当然，聊天机器人最终的潜能肯定是非常巨大的，但它的真正成熟还需要很长的时间。目前为止，无论是“生产者”还是“消费者”都需要调整一下对它的期望。实际上，AmazonEcho的成功正是在缩小了场景之后取得的，而用户也不要指望机器人什么都能回答了。现阶段把人引入到过程里面，把AI作为增强因素的解决方案和服务应该是最看好的模式。