資料科學家

🇹🇼 台灣 · 科技

下一批受影響在台灣的 803 種職業中第 112 名 · 風險最高的前 14%

我的職業壽命

2年 11個月

00天 00:00:00:000

距離 AI 開始取代這份工作
2029年9月21日 · 倒數 1090 天

建模、實驗與報表由代理自動跑完，一人能做整個團隊的事；留下把商業問題轉成統計問題、在高層面前捍衛結果與判斷資料不足的角色。約三年後團隊縮小。

AI vs 人類，你站哪一邊？

被取代的風險高

20 年後的人力占比30%

AI 取代時間軸

影響方式 · 縮減

2026 · 現在2034

推估區間 1年 11個月 – 5年 11個月

資料科學家的工作過去分成跑模型、寫報表這種可以照流程執行的分析，和把模糊的商業問題轉換成統計問題這種定義型工作兩種，人力配置正在改變。

跑模型、設計實驗、產出報表，這些有明確流程可以依循的分析工作，現在代理系統已經能自動完成，過去需要多人分工的團隊因此能大幅縮編。過去一個團隊要分好幾個人各自跑不同模型的工作，現在少數人搭配自動化流程就能全部完成，不太需要大量初階分析人力。

把模糊的商業問題轉換成可以用統計方法解決的問題、在高層面前捍衛分析結果、判斷手上的資料是不是太薄弱不足以下結論，這些需要經驗的判斷還是留給人。這種把商業語言轉換成分析框架的能力，是代理系統目前還做不到的部分。這行本身沒有執照或法規門檻。

比起只練習調模型參數，更該多練習把商業問題轉換成分析問題的能力，並學會在高層面前清楚說明結果的限制，多參與跨部門的需求討論。商業數據分析、統計或資料科學相關科系都是好的起點，但問題定義能力還是要靠實戰累積。

撰寫日期 2026-09-26

適合轉職的前 3 種工作完成測驗後顯示

3 分鐘，找出適合你的轉職方向

搜尋同事、朋友或家人的職業，看看誰先被 AI 取代。

在台灣的 803 種職業中排第 112 名，比 86% 的職業更早被取代。

查看排名收起排名

資料用於說明工作、制度與科系。AI 取代時間與分數為 AI 推估，不是來源機構的預測。計算方法（英文）