Show this article in English, French, Portuguese (BR), Spanish

我们都将成为数据专业人士   

2030年表示自己不懂数据，就跟2010年不懂打印电子邮件一样

对数据轻车熟路将成为常态。对于数据的用途及其如何解读而言，每个人都将有一个基本的了解。 

数据专家：一次变革 

今天的数据科学职业生涯跟21世纪初的营销技术开发人员有着相似之处。在世纪之交前，公司通常投资大型IT团队，开发自己的技术。当我们步入新世纪，这些团队演变成为能够配置和整合第三方软件的架构师和专家。在买入和自建之间的竞争中，买入最终胜出。

如今，架构师和专家通常都是外包，有了供应商软件，成熟的商业用户可以完成大部分工作。机器学习（ML）建模也在加速走上同样的道路。我们不再期望公司招募数据科研人员团队，更愿意将模型开发工作留给专业公司和大型科技公司来做。尽管如此，公司仍然需要雇佣技术精湛的数据分析师来处理这些模型，确定最有效的商务用途并实施它们。

我们已经达到“架构师和专家”阶段。机器学习在许多营销软件中已经很常见，但仍有实验和创新的空间，我们预见到这种情况将持续到下一个十年。我们还没有达到完全成熟。

数据用户也将成为思想家

然而，到2032年，我们预计很多公司将外包其核心数据分析，从而让自己有更多时间专注于如何从数据中获取商业价值。

到那时，我们都将不得不同时兼顾商业、伦理和可持续发展问题，因此，技术精湛的分析师将由来自各种背景的思想家提供协助，其中有社会科学家、经济学家、历史学家等，他们将因为对于如何有效利用数据持有不同观点而受到重视。

招聘和数据点

而且，通过其在招聘中的使用，数据正在以不同的方式塑造就业市场。一段时间以来，人力资源部门一直试图通过利用技术和数据来提升招聘质量——尽管Amazon早期的机器学习招聘实验（针对历史数据训练模型，使得招聘时对于男性的偏好趋于持久）可能会引发一些思考。

然而，正如将客户细分为数据点，从而对其有效定位一样，我们预测，员工招聘很快将围绕其个人技能和经验而非过往角色来展开，这为在职业生涯和行业间实现更大程度的转移创造了可能性。在这种情况下，简历和履历将被一个更加标准化的属性清单所取代，培训、认证等更易分类的成就可能更加受到重视。

疫情表明，对于许多知识工作者来说，办公室有利于建立社交网络，但在工作效率方面却较为逊色。虽然鲜有可靠研究或准确数字背书，但居家工作似乎确实颇具工作效率，尤其是居家环境更为安静，可以避免通勤，节省时间。

虽然居家工作并不适用于每个人或每个行业，但我们预测，到2032年，混合型办公和纯远程办公将发展成熟，雇主将不再限于招聘那些办公地点通勤可达区域内的员工。将这些理念汇集在一起，你可以创造一个环境，在这个环境中，经验和技能可以无限细分，同时实现招聘全球化。

当然，这样的预测也面临着多个巨大的障碍。两者都将大规模扩大招聘任务，而且需要数据分析软件，以便将工作的具体要求跟全球候选人才库的技能组合匹配起来。这需要对跨境流动的自由度进行明智的考虑，并就技能的定义达成全球共识——坦率地说，这可是一个颇具勇气的主张。也许这一预测在未来10年内不会成为现实。

数据处理将异常舒适

到2032年，员工将会对数据感到舒适，他们几乎不会注意到数据在他们的决策中所起到的作用。鉴于数据控制领域的持续中断，我们预计在数据收集、处理和使用方面会有更加深入的管理和道德评价，但这将很好地嵌入到商业流程和第二天性中。

我们会见证数据科学这门学科日趋成熟，有熟练的分析师决定如何在商业环境中以最佳方式应用这些模型，而且，企业将有意雇佣具有不同背景的团队来从数据中获得最大价值。

如果你认为，数据就是一种不受欢迎的干扰因素，而你恰好又在阅读本文，那我建议你接纳它。所有未来的工作都将涉及数据，因此，不要满足于只做一个社交媒体用户，还要了解平台算法是如何工作的。对数据感到舒适，以便懂得如何以负责任的方式使用它。

WPP数据和人工智能全球负责人Di Mayze