AI時代最性感、有趣的職業？SAS台灣資料科學家工作心法大解密！

《哈佛商業評論》曾撰文指出，資料科學家是21世紀最性感的職業

如今，10多年過去了，去年《哈佛商業評論》又以〈資料科學家仍然是21世紀最性感的職業嗎？〉為題，直指隨著AI在商業領域的應用愈來愈廣泛、普遍，儘管資料科學家的工作內容已和過去有所不同，但企業對這個職位的需求，卻比任何時候都要來得高。

事實上，在AutoML、ChatGPT等AI相關工具接連問世後，善於運用AI工具、從資料中抽絲剝繭的資料科學家，已成為協助企業解決商業問題、找出價值的重要角色。究竟，「資料科學家」這個聽來神秘難解的職稱，平常都在做些什麼事？

資料科學家的日常 終日與數據為伍

SAS台灣業務顧問部顧問謝宗翰透露，SAS台灣的資料科學家在服務客戶時，都必須經歷需求訪談、定義問題、釐清和整理資料、建立模型、實際落地和監控、持續再訓練模型等重重步驟，「這些工作就是資料科學家的日常。」

以SAS台灣和台北榮總合作的「三階段布局AI臨床應用技術藍圖」專案來說，第一階段打造出的「血液透析即時預判系統」，主要是將北榮的大數據平台，串接血液透析機等聯網機器的資料，以為洗腎病友做出個人心衰竭風險預測，目前準確率高達90％。謝宗翰提到，會選擇從「血液透析即時預判系統」開始，就是在SAS的資料科學家與醫師進行需求訪談後，才定義出的問題，「和醫師聊過我們就知道，造成洗腎病友死亡的其中一個原因，是因為沒有即時發現心衰竭問題，因此『心衰竭的風險預判』，成為我們定義出來且希望用AI模型克服的問題。」
(✔習得技能：啟程資料科學家之路，獲取國際認證，幫履歷加分！)

其次，確定問題後，便要釐清現有的資料，若有不足、代碼紊亂等情形，則要與企業IT部門溝通，逐步蒐集、清洗資料，接著才能進入資料科學家的專業――「建模」。建好AI模型後，要再協助企業與現有系統串接、實際落地，並持續更新資料、訓練模型，才算完成一個完整專案，「持續更新資料、監控和訓練模型相當重要，資料科學家要檢視布建在環境中的模型夠不夠準確？表現好不好？待蒐集資料後，就會回到流程的最一開始，檢討是不是需要重新定義問題。每個專案都處在這樣的循環中。」謝宗翰強調。