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！

專業之外 跨領域知識、溝通能力更重要

但不論專案領域為何、資料科學家的強項是哪個步驟，「所有資料科學家都必須具備對AI方法論的嫻熟、專業能力、跨領域知識與溝通等四大能力。」SAS台灣業務顧問部顧問林育宏進一步解釋，所謂AI方法論的熟悉，是考慮要應用統計、無程式碼等各種AI模型技巧，專業能力則植基在對不同程式語言的運用上，而有鑑於各領域對AI的依賴日益加深，過往沒想過的領域，現在都會成為客戶，因此跨領域知識和溝通能力，同樣成為資料科學家的標準配備。

林育宏特別提到，AI的方法論、各種程式語言，若應用在半導體和零售領域，是完全不同的邏輯，尤其金融、電信領域格外重視法遵議題，又凸顯了「溝通能力」的重要。加上他自己還經常遇到業務部門的KPI是「增加營收」，分析部門的KPI則是「模型正確性」等不同的目標，「這時候，SAS的資料科學家就必須跳出來，協助分析部門調整心態，讓整體KPI保持一致。」他笑稱，如果資料科學家只具備專業、跨領域知識等能力，充其量只會是個「很強的專家」，卻無法發揮綜效，「而具有『溝通能力』的資料科學家，能分享自己的產出、凝聚團隊，最終會很容易看見成果。」

 

數位轉型當道 需要資料科學家找出數據價值

科技快速演進、大環境不斷改變，尤其去年11月底，ChatGPT出現後，「對AI下指令」「指揮AI畫圖」的AI詠唱師、AI溝通師等新興職位接連冒出，但林育宏強調，相較工作內容明確的AI詠唱師、AI溝通師，資料科學家的「守備範圍」更廣，從半導體、傳產、金融、醫療到零售等各行各業，如今都會需要資料科學家的協助，以解決內部商業問題；同時，儘管資料科學家有固定要做的工作，但由於每日可能面對不同產業，處理業務的異質性也高，「資料科學家是歷久彌新的職業。」
(✔搶先瞭解：我也想要學習從數據中提取價值，搶先一步學習企業都在用甚麼分析工具)

謝宗翰則呼應林育宏的觀點指出，在數位轉型成為大勢所趨後，數位程度愈高的企業，就愈需要資料科學家，「因為伴隨數位轉型而來的，是源源不絕的數據，企業會想在專家經驗和判斷外，從資料驅動、分析的角度，去定義問題，找出其中的商業價值。」