本文转载自公众号“读芯术”(ID：AI_Discovery)
2020年，各行各业都不容易，新冠病毒改变了我们生活的方方面面。疫情引起的数据科学一大趋势，就是数据科学家和数据驱动分析与大型公司运营整合加速。要想在混沌中生存发展，数据至关重要。
这种趋势在零售业更为明显。作为今年受冲击最大的行业之一，零售业开始转向数据科学寻求解决方案。
数据科学，或者叫商业科学，正变得越来越重要，该行业的数据驱动对每个数据科学家都很重要。它不只适用于专注供应链、定价或其他与零售相关的应用程序的人，零售业的数据科学趋势预示着后疫情时代整个世界的趋势。
以下是2021年主导零售业数据科学的五大趋势，每一位数据科学家都必须在新的一年做好准备，正面应对。
1.自动分析与分析
几乎所有业务都离不开大数据，大数据已成为现代零售业的必需品，下一步就是发展自动化。在接下来的一年里，会有更多公司在数据收集和分析方面开展自动化分析。只有能够自主利用其观点，数据质量才能发挥作用。
多年来，我一直致力于推动自主分析系统发展。麦肯锡指出，自动化是2021年消费品和时尚界的关键趋势。自动化是零售业的未来，这意味着数据科学家需要将他们的重点转移到自动化模型和分析上。
2.AI走向成熟
随着去年人工智能应用的迅猛发展，2021年很可能成为人工智能成熟的分水岭。也就是说，更多模型将提供应用所期望的最佳结果。以高德纳公司的AI成熟度模型来说，很多业务都将进入最后两个阶段，AI在许多组织中的应用最终将转向系统化。
对于数据科学家来说，AI技术的成熟让人激动，因为AI可以像真正的商业科学家一样行事，从模型中总结出准确可行的见解。这也是对模型开发方法的调整。优化一个成熟的模型是许多人明年会面临的新挑战。
3.敏捷模型与供应链
2020年教会我们最重要的是未雨绸缪。不管是新冠疫情、自然灾害，还是接下来要面临的任何危机，都可能会给供应链带来意料之外的影响。
好的AI模型能够自动消化任何相关信息，映射微观模式和微观趋势，从自身的错误中学习，并不断调整。它能和人类一样做出反应，同时更有效率，也更受可验证数据的约束。
这意味着，一旦有了新的数据，即便观察有限，AI模型也能对不断变化的环境进行学习和反应，其效果比仅凭Excel和直觉的人类管理团队都要好得多。
2021年，随着零售商未雨绸缪应对下一次灾难，供应链的敏捷度只会变得更加重要。因此，企业会要求数据科学家提供更敏捷的预测模型。数据科学家必须优先创建能够更灵活地应对数据缺陷、模型漂移和过度偏离历史模式的模型。
敏捷度更高的供应链将成为每个零售商的首选，更敏捷的模型将成为每个为其服务数据科学家的终极目标。
4.消费者驱动型产品和时滞消除
新冠病毒正式扼杀了传统型、自上而下的零售推销模式，成功的零售商现在必须让顾客的偏好和需求驱动产品供应。迅速反应对满足需求至关重要，产品生命周期会缩短，供应链也要进行相应的调整。
这对数据科学家来说这意味着什么?速度至关重要。
模型运行速度必须更快，供应链必须优化到秒级，系统必须识别并回应消费者哪怕是最细微的需求变化。对于每一项发展，数据科学家都必须更加努力地提高数据速度。到2021年，每位数据科学家都会推动他们的模型向实时数据和分析靠拢。
5.普及自助AI优化应用
疫情期间，各公司争先恐后地应用人工智能，人工智能应用呈指数级增长。尽管如此，波士顿咨询公司和麻省理工学院斯隆管理评论的一份报告指出，只有11%应用人工智能的公司获得了可观的投资回报。为什么?因为有些公司不知道如何有效利用AI。
疫情暴露出AI的一大问题就是用户体验差。一般的零售高管不愿意使用为其他数据科学家设计的工具，这就是我支持商业科学的原因：除非你的知识能带来切实可行的观点，否则数据科学毫无用处。
2021年，数据科学家将致力于为用户设计更加好用的AI优化工具和应用，以更高频率推出更多自助服务以及易于访问的应用程序。简单的优化工具不再是次要目标，而是每一位数据科学家设计模型以优化供应链中任何元素的主要关注点。
事实上，正是出于这个原因，Evo公司已经将发布自助服务门户列为2021年的优先事项。即使是那些负担不起个性化服务和数据科学家定制的模型的小型零售商，也应该有机会在后疫情时代为竞争优化其供应链。为了在2021年跟上时代的步伐，数据科学家必须改变他们设计应用程序的方式。
如何领先于2021年的数据科学趋势
在未来一年里，这五种趋势都将深刻影响数据科学家的工作方式。现在是时候适应这些趋势了，它们存在于整个商界，只会提前不会滞后。我期待着2021年和一个后疫情的世界。随着疫情结束，期待着世界各地数据科学家将这些趋势变成现实。2021年的许多数据科学趋势会帮助我们成为更好的商业科学家。
