本文轉載自公眾號“讀芯術”(ID：AI_Discovery)

2020年，各行各業都不容易，新冠病毒改變了我們生活的方方面面。疫情引起的數據科學一大趨勢，就是數據科學家和數據驅動分析與大型公司運營整合加速。要想在混沌中生存發展，數據至關重要。

[[377036]]

這種趨勢在零售業更為明顯。作為今年受沖擊最大的行業之一，零售業開始轉向數據科學尋求解決方案。

數據科學，或者叫商業科學，正變得越來越重要，該行業的數據驅動對每個數據科學家都很重要。它不只適用于專注供應鏈、定價或其他與零售相關的應用程序的人，零售業的數據科學趨勢預示著后疫情時代整個世界的趨勢。

以下是2021年主導零售業數據科學的五大趨勢，每一位數據科學家都必須在新的一年做好準備，正面應對。

1.自動分析與分析

幾乎所有業務都離不開大數據，大數據已成為現代零售業的必需品，下一步就是發展自動化。在接下來的一年里，會有更多公司在數據收集和分析方面開展自動化分析。只有能夠自主利用其觀點，數據質量才能發揮作用。

多年來，我一直致力于推動自主分析系統發展。麥肯錫指出，自動化是2021年消費品和時尚界的關鍵趨勢。自動化是零售業的未來，這意味著數據科學家需要將他們的重點轉移到自動化模型和分析上。

2.AI走向成熟

隨著去年人工智能應用的迅猛發展，2021年很可能成為人工智能成熟的分水嶺。也就是說，更多模型將提供應用所期望的最佳結果。以高德納公司的AI成熟度模型來說，很多業務都將進入最后兩個階段，AI在許多組織中的應用最終將轉向系統化。

對于數據科學家來說，AI技術的成熟讓人激動，因為AI可以像真正的商業科學家一樣行事，從模型中總結出準確可行的見解。這也是對模型開發方法的調整。優化一個成熟的模型是許多人明年會面臨的新挑戰。

3.敏捷模型與供應鏈

2020年教會我們最重要的是未雨綢繆。不管是新冠疫情、自然災害，還是接下來要面臨的任何危機，都可能會給供應鏈帶來意料之外的影響。

好的AI模型能夠自動消化任何相關信息，映射微觀模式和微觀趨勢，從自身的錯誤中學習，并不斷調整。它能和人類一樣做出反應，同時更有效率，也更受可驗證數據的約束。

這意味著，一旦有了新的數據，即便觀察有限，AI模型也能對不斷變化的環境進行學習和反應，其效果比僅憑Excel和直覺的人類管理團隊都要好得多。

2021年，隨著零售商未雨綢繆應對下一次災難，供應鏈的敏捷度只會變得更加重要。因此，企業會要求數據科學家提供更敏捷的預測模型。數據科學家必須優先創建能夠更靈活地應對數據缺陷、模型漂移和過度偏離歷史模式的模型。

敏捷度更高的供應鏈將成為每個零售商的首選，更敏捷的模型將成為每個為其服務數據科學家的終極目標。

4.消費者驅動型產品和時滯消除

新冠病毒正式扼殺了傳統型、自上而下的零售推銷模式，成功的零售商現在必須讓顧客的偏好和需求驅動產品供應。迅速反應對滿足需求至關重要，產品生命周期會縮短，供應鏈也要進行相應的調整。

這對數據科學家來說這意味著什么?速度至關重要。

模型運行速度必須更快，供應鏈必須優化到秒級，系統必須識別并回應消費者哪怕是最細微的需求變化。對于每一項發展，數據科學家都必須更加努力地提高數據速度。到2021年，每位數據科學家都會推動他們的模型向實時數據和分析靠攏。

5.普及自助AI優化應用

疫情期間，各公司爭先恐后地應用人工智能，人工智能應用呈指數級增長。盡管如此，波士頓咨詢公司和麻省理工學院斯隆管理評論的一份報告指出，只有11%應用人工智能的公司獲得了可觀的投資回報。為什么?因為有些公司不知道如何有效利用AI。

疫情暴露出AI的一大問題就是用戶體驗差。一般的零售高管不愿意使用為其他數據科學家設計的工具，這就是我支持商業科學的原因：除非你的知識能帶來切實可行的觀點，否則數據科學毫無用處。

2021年，數據科學家將致力于為用戶設計更加好用的AI優化工具和應用，以更高頻率推出更多自助服務以及易于訪問的應用程序。簡單的優化工具不再是次要目標，而是每一位數據科學家設計模型以優化供應鏈中任何元素的主要關注點。

事實上，正是出于這個原因，Evo公司已經將發布自助服務門戶列為2021年的優先事項。即使是那些負擔不起個性化服務和數據科學家定制的模型的小型零售商，也應該有機會在后疫情時代為競爭優化其供應鏈。為了在2021年跟上時代的步伐，數據科學家必須改變他們設計應用程序的方式。

如何領先于2021年的數據科學趨勢

在未來一年里，這五種趨勢都將深刻影響數據科學家的工作方式?，F在是時候適應這些趨勢了，它們存在于整個商界，只會提前不會滯后。我期待著2021年和一個后疫情的世界。隨著疫情結束，期待著世界各地數據科學家將這些趨勢變成現實。2021年的許多數據科學趨勢會幫助我們成為更好的商業科學家。