原文：
www.kdnuggets.com/2022/08/5-key-data-science-trends-analytics-trends.html
图片由 Karolina Grabowska 提供，来源于 Pexels
数据科学和分析的发展速度比以往任何时候都快——许多预测表明这些领域不会很快减速。考虑到它们在当前商业环境中的整合，这很有道理。但这不仅仅是这样。这些领域目前是许多重要部门中的主要驱动力，包括那些以利润为主要动机的部门。
1. 谷歌网络安全证书 - 快速进入网络安全职业。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织在 IT 领域
在医疗保健到物流等广泛行业中，实施先进分析解决方案的空间很大。在许多方面，我们只是触及了可能性的表面，未来的走向令人兴奋。在此之前，让我们看看目前的一些关键趋势。
数据科学在欺诈中扮演了重要角色——不幸的是，这个角色在欺诈的两边都有。一方面，我们有恶意行为者利用技术轻松伪造其他方的通信，包括生成假语音录音和视频。尽管大多数人关注的是这项技术在娱乐领域的影响，但金融等各种领域已经因这些趋势面临重大问题。视频作为身份验证的形式正迅速变得不可靠，企业一直在寻找不会引起隐私敏感用户担忧的替代方案。
另一方面，先进的分析系统正处于 打击诈骗者的前沿。许多经典诈骗几乎可以完全自动识别，从而减轻人工操作员的大部分工作，让他们专注于实际需要人工干预的案件。
起初，当数据科学还在积累势头时，该领域的技术前沿一片混乱。研究人员试图使用几乎所有的语言和技术栈来搞清楚什么有效，什么无效，新手很难在一个没有过时风险的方向上定位自己。现在，情况有所不同。像 R 和 Python 这样的几种语言已成为行业领导者，我们已经看到一些完整的技术栈在市场上稳定下来，并受到各级公司关注。
对那些有兴趣涉足该领域的人来说，这是一个很大的变化，因为它在学习阶段提供了更多的安全感和信心，这无疑是人们最需要这种支持的时候。
数据分析曾经被视为仅限于那些能负担昂贵专家的公司。但现在情况不同了。先进的分析解决方案越来越多地以用户友好的方式打包，面向完全没有经验的人。总体来说，这并不是技术行业的新趋势。看看应用程序开发——几十年前，仅仅完成一些基础工作就需要昂贵且高素质的专家。今天，这些专家依然必不可少，但在定义更为明确的位置上。科学家们仍在推动编程范式的进一步发展。而其余的工作则由经验较少的人通过经过多年打磨的技术来完成，这些技术已足够普通人使用。
数据科学和分析领域也正在经历同样的情况。这种情况可能会在未来几年，甚至整个十年中持续下去。这对所有相关人员来说都是好消息——公司将更容易获取深入的分析，而专家将能够从事更具挑战性的项目，而不是不断被分配琐碎的工作。
这就引出了另一个重要点。随着这些变化的发生，劳动力市场已经开始以一些可预测的方式发生变化。虽然公司不再需要高级专家来处理其分析工作（至少在基础层面上是这样），但该领域最有资格的专业人士的需求却在稳步上升。这是因为资金雄厚的公司希望走在该领域新发展的前沿，这仍然需要巨大的投资和有能力的劳动力。
那些打算朝这个方向发展的人员确实有很大的潜力。而且没有迹象表明情况会在短期内发生变化。
在过去的十年里，数据收集和存储的爆炸性增长使得未来分析成为可能。先进的数据分析的一个好处是，它对历史数据的处理效果同样良好，这促使一些市场上最大的公司出现了边际囤积的行为——那些可以负担得起存储所有这些信息所需的大型数据中心的公司。
但最近，新的趋势开始浮现。公司们开始意识到，许多他们为后续分析而积累的数据实际上可能会在当前状态下大部分无用。数据收集实践最初并不完全尽职和简化，这意味着许多公司现在拥有大量需要大量清理工作的数据集。不幸的是，这仍然在很大程度上需要手工操作——而这正是未来十年关注的重点。
一般来说，数据科学正朝着更加简化的方向发展，其中每个人在行业中都有一个特定的位置，项目的典型要求也可以提前知道。不过，这并不意味着对有能力的专家来说机会会减少——正好相反。现在是那些希望尽可能深入参与这一领域的最佳时机。
如果你有兴趣深入了解数据科学，Springboard 的数据科学职业发展课程可以为你提供对这一主题关键概念的深入理解，还提供了可以选择的专业方向，帮助你深化对某一领域的知识。如果你希望在数据科学领域更进一步，今天就考虑查看一下这个课程吧！
Riley Predum 在数据领域如产品和数据分析、数据科学以及数据/分析工程方面有着丰富的职业经验。他对写作和教学充满热情，喜欢向专注于学习和职业成长的在线社区贡献学习材料。Riley 在他的Medium 博客上编写编码教程。