2024年的数据科学世界是什么样子的？要回答这个问题，我们必须追溯到几年前的历史。我们将探索我们如何从2020年的繁荣时期即将走到标志着更专业、更微妙领域的2024年。

回顾2020年

二零二零年，新冠疫情肆虐全球，行业面临前所未有的挑战。不过，这确实推动了科技行业的发展，因为许多事情都是在网上进行的，而不是面对面进行的。更具体地说，数据科学正在兴起，随着各行业及市场的需求增加50%，医疗保健、技术、媒体和金融服务尤其渴望数据科学人才，并开始大举招聘。

二零二二年及二零二三年裁员

对数据科学家的高需求并没有持续那么久。随着疫情于2022至2023年慢慢消退，数据科学市场发生了巨大变化：招聘狂潮变成了裁员狂潮。

大型科技公司削减了90%的招聘信息。对于入门级数据科学家和经验丰富的科学家来说，这都是一个艰难的市场。在这两年的时间里，我们看到科技行业裁员超过50万人，与超过30%的工程和数据科学职位的裁员。

专业化及AI时代

这两年不仅仅是裁员。还有一个重要的变化专业化的兴起。一般数据科学家的角色开始让位于更专注的职位，如机器学习工程师和数据工程师。有不太重视能够完成端到端工作的数据科学家。

当然，我们不要忘记人工智能的影响。具体来说，像ChatGPT这样的OpenAI工具使人工智能更容易获得，数据科学工作更高效和自动化。

2024年数据科学前景

尽管整体就业机会减少了，市场终于稳定下来了。

你的编码能力同样重要。这对于机器学习工程中的工作尤其重要，在那里你必须在这些数据科学技术中使用代码。

      数据科学家会使用编程语言，主要是Python。

SQL将永远存在。另一方面，一些语言，如R、SAS和SAP，其受欢迎程度正在下降。

所以，如果你想从零开始成为数据科学家决定学什么语言，Python和SQL将永远存在，并将永远是主导语言。

有趣的是，一些工作，如数据分析师和业务分析师，受益于低代码和无代码工具的兴起

人工智能的兴起使其流行起来，特别是ChatGPT可以用来自动化大量数据科学工作的插件。

数据科学市场现在更加分化。我们看到了商业分析师、人工智能/人工智能工程师和数据工程师等工作之间的明显区别。

2024年数据科学家面临的挑战

数据科学家面临的挑战是在ROI中展示他们的价值。

最初的炒作正在平息，公司正在寻找结果。数据科学家需要在这里证明他们的价值。

他们需要在以下几方面专攻技能：1.ML工程

2.数据工程

3.数据分析

他们需要适应那些正在开发的新的强大工具，像谷歌的双子座，卡拉狄加和ChatGPT。

结论

自古以来，数据科学一直是一个不断变化的领域。它在过去几年中发生了变化，并将在2024年继续发生变化。数据科学家必须适应，与时俱进，迎接新的挑战和机遇。主要的挑战是专业化和跟上人工智能工具的最新发展。和往常一样，你必须向潜在雇主展示你的价值。