搜尋其他科系
我的畢業年份
資料科學
🇹🇼 台灣 · 工程最先減少新鮮人職缺249 個科系中風險最高的前 2%
我的科系壽命
5個月
00天 00:00:00:000
距離這個科系的畢業生職缺開始因 AI 減少
2027年3月24日 · 倒數 178 天
推估區間 現在 – 1年 11個月
2030 年畢業：職缺可能在畢業前就開始減少
原本由新人負責的 SQL 查詢、儀表板與報表，AI 已經能產出，初階資料分析師的招募已開始減少。這個領域沒有證照門檻，資料管線工作也由 AI 代理接手。系所數量激增造成的畢業生過剩與 AI 無關。
「科系壽命」是距離畢業生職缺開始因 AI 減少的剩餘時間，不代表科系會消失，也不代表所有人都會失業。
AI vs 人類，你站哪一邊？
新進人員招募縮減
科系排名3 / 249
畢業後的出路
2030畢業出路 · 以 2030 年 6 月底估算剩餘時間
資料科學：AI 對畢業生求職的影響
資料科學系的畢業生多半走向企業的資料分析與工程職位。原本由新人負責的SQL查詢、製作儀表板與寫報表，AI已經能直接產出，初階資料分析師的招募已經開始減少。
資料科學系的工作，哪些先受AI影響？
資料分析師常做的SQL查詢、儀表板與報表製作，AI已經能直接產出接近完成度的成果，這類初階職缺的縮減已經開始出現。資料工程師負責搭建的資料管線——也就是把資料從來源整理、清洗後送到資料庫的流程——這部分工作也逐漸由AI代理接手，衝擊的時間點跟資料分析師相當接近。
資料分析師、工程師、科學家，走哪條比較久？
資料分析師的工作最偏產出報表，縮減時間最早；資料工程師的管線工作也緊接著受到影響。資料科學家因為多了模型建置與判斷的成分，情況會晚一點出現，但差距不大。近年系所數量激增讓畢業生供給過剩，求職競爭變大，但這跟AI能力提升是兩件事，不能混為一談。
想走資料科學這條路，現在能練習什麼？
光會寫SQL、跑模型已經不夠用，更該練習判斷資料本身有沒有問題、分析結果能不能真的拿去做決策，這種判斷力是AI還做不到的部分。也建議多接觸業務端，理解數字背後代表的商業意義，讓自己的價值不只是產出報表或模型，而是能解讀、能建議。
撰寫日期
資料來源
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）
留言· 繁體中文