新冠肺炎(COVID-19)疫情推動數位轉型加快步伐，加諸在資料科學家身上的額外需求也提高。根據數據分析單位SAS委託對資料科學家進行的問卷調查指出，約有4成的人對組織有效採用分析結果和模型部署不滿意，同時表達阻礙高效工作的因素超過20項。隨著許多組織透過運用科技改善業務營運，藉此加速數位轉型專案，資料科學家的工作也變得越來越重要。超過 90% 的受訪者表示，與疫情前相比，他們工作的重要性依舊或變更高了。

資料科學家表示過去12個月所遭遇的阻礙或挑戰

為了深入探究資料科學的現狀，該報告評估疫情的影響、面臨的挑戰、對分析環境的整體滿意度等。研究顯示，疫情除了顛覆標準的商業做法，改變模型和預測演算法中的假設與變數，更導致流程、實務和調整參數的操作上發生連鎖反應。

超過2/3受訪者對數據分析專案的結果感到滿意，但卻有42%的資料科學家對其任職組織有效採用分析結果和模型部署表示不滿意，這揭露出組織如何運用分析洞察為決策提供資訊這方面確實存在問題。42%的受訪者表示，資料科學結果並未得到業務決策者的接納，這是遇到的主要阻礙之一。

此問卷調查還點出一些具體的技能差距，只有不到1/3的受訪者表示，其在雲端管理和資料庫管理等高度仰賴程式技能方面擁有進階或專家級能力。這是其中的一項問題，因為雲端服務的使用率明顯提高，94%的人表示，自新冠肺炎發生以來，他們的雲端使用率維持或變高。

SAS 英國和愛爾蘭資料科學部主管 Iain Brown 博士表示：「隨著疫情加速了許多組織計劃中的數位轉型專案，對資料科學家的需求顯然大幅提高。然而一個最大的挫折難題，是為組織找到可將分析專案的洞察，連結到實際決策的方法，這意味著讓資料科學家進入董事會可能是一種有利的方式。」

Brown進一步說明:「我們發現給予資料科學團隊支援和人才缺乏存在隱憂，人才供不應求近期一直是個問題。組織必須意識到，投資於一個技能互補的資料科學家團隊，能為企業帶來巨大的價值，另外在我們轉向更加數位化和人工智慧導向的業務流程時，招聘成本也需要將投資報酬率考慮在內。」

研究還發現，組織對人工智慧倫理重視上的落差，43% 的受訪者表示他們的組織沒有對其分析流程進行關於偏見和歧視的具體審查，只有 26% 的受訪者表示會將不公平的偏見，納入作為衡量模型在組織中是否成功的標準。

談到確保公平和公正決策所面臨的挑戰，產業專家 Sally Eaves 博士表示：「資料科學家可以運用他們的專業知識，為資料存取、使用安全性，以及永續性、資料倫理和偏見等更廣泛的問題制訂工作準則。」Eaves建議:「與其時不時希望他們能得到適當、乾淨的資料並仰賴技術來推導出公平的結果，不如讓他們扮演主動的角色，在分析流程的每個階段制訂正確的準則和檢查，以嘗試消除偏見。擁有從資料到決策的透明且可說明的流程，顯然是解決此問題的關鍵。」

研究也揭露出全球在疫情影響下的正面成果，近3/4 (73%) 的受訪者表示，自疫情以來，他們的工作效率維持或更高，而相近比例 (77%) 的受訪者則表示他們與同事進行相同或更多的合作。這表示突顯出的許多挑戰在疫情之前就已存在，甚至程度更為顯著。至於其他挑戰，像是資料前處理與模型建立所花費的時間。受訪者花在收集、探索、管理和清理資料上的時間 (58%) 已超出他們的預期。Brown 表示，如果資料科學家能善加利用所有可用的工具來管理分析生命週期，取得資料科學訓練和技能發展的機會，並且擁抱資料前處理作為建模的第一步，則此情況會更加實際。