数据科学工具现在可以自动执行各种分析过程，从数据准备到模型选择等。可以肯定的是，自动化会扩展数据科学的未来范围。

根据大多数分析和人工智能专家的说法，增强分析等趋势会提高企业内数据科学的效率和覆盖面。尽管分析自动化速度加快，但数据科学家的饭碗并不会丢，在很长一段时间内，数据科学家的工作仍将有保障。

分析与数据科学标准倡议组织的联合创始人兼数据科学专家Usama Fayyad说：“我认为AI和很多这些技术正在使我们的工作变得更加轻松。实际上，我根本不相信它们有能力取代我们的工作。”

Gartner的分析师预测，人工智能将在五年内自动化50%数据科学家从事的工作。这可能更多反映的是参与数据管理和分析的劳动力数量。

Fayyad说，数据科学和分析自动化的目标是日常机械重复的工作-即“机器比人类做得更好”的工作。例如，Gartner预测，在未来三年，数据管理领域的手动工作将减少45%，主要通过增强数据管理利用机器学习和AI来更有效地对数据集进行分类、准备、集成和管理。

自动化越来越多地移除手动数据科学流程，这也使得数据科学的未来就越具有战略意义。简化分析工作使数据科学家可将时间和精力专注于他们的核心任务-帮助业务领导者将越来越多的数据转化为可行的见解。根据*新调查显示，72%的企业认为，如果他们无法从数据分析中获得见解，则会对其收益产生负面影响。

Sparks Research首席情报官兼查尔斯顿南方大学分析学教授Jon Christiansen 表示：“当你谈论数据科学家的角色时，*重要的事情是在前端认真思考问题，提出问题交由数据回答，然后在后端展示结果-讲述故事，并且能够正确说明其判断结果，确保清晰、相关、准确。数据科学未来的所有其他事情都只是研究不同的技术组合，以根据情况确定如何自动处理数据。

更多的自动化并不会改变获取见解的核心活动，但数据科学家用来实现其目标的技术会改变。数据科学家角色和数据科学未来的核心是：确定面向数据的问题，提出分析必须解决的正确问题，然后将输出解释为可操作的指南，尤其是在增强分析时代。而这些都是人类活动，无法实现自动化。

Fayyad称：“我们需要人类，因为到目前为止，我们还不知道如何制造具有常识并且能够在新情况下迅速做出判断的机器。”

这可能就是为什么未来数据科学仍然需要劳动力的原因。世界经济论坛指出，数据科学角色是全球劳动力市场中需求*高的角色。美国劳工统计局预测，到2026年，数据科学的作用预计将增长近34%。