数据科学家会成为新的蓝-collar 工作者吗？

说到底，这都是关于创造知识。

照片由 Alex Kotliarskyi 提供，来源为 Unsplash。

最近，我有幸与一家大型全球系统集成商(SI)的一些年轻实习生和初级员工合作过，他们表现出色，给我留下了深刻印象，特别是他们的适应性和灵活性。我很好奇，于是想测试一个假设，于是问这些非IT部门的年轻人，他们晋升至公司MD（董事总经理）职务的机会是否比海外交付中心的IT部门同事更大。他们几乎没有犹豫，回答说“是的”。

因此，我确认了我的假设。

因此，我将我的第70篇献给讨论为什么IT（信息技术）职位已经变成了知识经济中的“蓝领”工作，以及大多数数据科学家可能也在朝这个方向发展的可能性。

(我每周写一系列的文章，在其中我会批评数据科学中的不良思维和不良实践，你可以在这里_找到这些文章。)

别因为我看起来有点精英主义和居高临下的说法就激动了。是的，我知道“蓝领”这个词与大量体力和手工劳动相关，不过这并不意味着这项工作本身不需要技巧或教育。这就是我为什么要那样用这个词的意思。IT工作者显然也是有技能和受过教育的。但从劳动力金字塔的角度来看，蓝领工作被放在较低（但更为广泛的）层级上。

许多年前，拥有计算机编程技能的人会非常抢手，需求旺盛。他们能够升至高管层甚至更高职位（例如比尔·盖茨）。考虑到这种说法，数据科学家被认为是在21世纪最炙手可热的职业之一，该领域的从业者对此充满期待。他们期望自己也能取得高管的成功。我认为，数据科学家可能会感到失望。

实际情况是，不论是手动技能还是数字技术，技术技能的价值都会随着供需差距的缩小而逐渐降低。供需差距的缩小是由教育和培训的规模化复制所推动的，导致了同质化。为了降低成本和提高效率，将拥有这些技术技能的人员进行离岸外包和集中管理，进一步推动了实践的标准化，同时削弱了角色任务中的自主性和创新性。这不可避免地导致该角色在劳动力结构中向低端发展。“正如俗语所说‘物多不值钱’；这并不是说这些角色/技能没有需求，只是它们不再享有高溢价。”

要理解这种“模板化扩展规模”如何影响数据科学家，我们需要回到这个话题。（我之前写过几篇文章探讨过知识经济中的挑战，如xxx）。根据输入 → 活动 → 输出 → 结果 → 影响的框架，我们可以看到大多数数据科学家主要在“活动 → 输出”阶段工作。他们不管理输入，很多时候也不管理结果。这些角色缺乏明确性，创意空间不大。因此，他们在创造知识方面也有局限性。

而这正是根本的道理：领导力将来源于需要应对不确定性的岗位。成功应对不确定性需要不少创造力。创造力是解决问题和适应变化的关键，这样就会产生新的知识。而那些能创造知识的人更有可能升到顶端。

另一方面，编码工作是非常 清晰 的，因此创意空间有限。而数据科学也越来越如此。随着“暴力搜索”技术（如 网格扫描，即自动化地遍历所有算法排列）的广泛使用，该领域正在变得程式化。在我的第54篇文章中，例如，我讨论了成为首席分析官需要什么。虽然我从不同的角度出发，但共同点仍然是处理模糊性和创意的能力，更可能帮助一个人晋升到高级管理层。这在更广泛的实践者领域也有所体现，那些从事 翻译任务 的角色（参见我之前的文章 第10篇 和 第17篇）最有可能出类拔萃。

在每一种经济（农业、工业、信息、知识）中，都有从事模糊不清、抽象工作的人，这些工作需要创造力，以及从事明确、程式化工作的人。仅仅因为某个工作需求量大（并且薪酬丰厚）并不意味着从事这些岗位的人就能晋升为企业高层。这些需求量大的工作通常会通过规模化和标准化变得固定，最终变成下一代的蓝领岗位。数据科学的实践很有可能也会走上这条路。