2020年对每个行业来说都是艰难的一年。冠状病毒改变了商业运营的方方面面。Covid-19大流行引发的数据科学领域最大的趋势之一是，数据科学家以及数据驱动分析被以更快的速度整合到更大的公司运营活动中。要想在Covid-19造成的混乱中生存和繁荣，数据至关重要。
这种趋势在零售业更为明显。作为今年受冲击最大的行业之一，零售业早已转向数据科学寻求解决方案。
由于数据科学——或者说商业科学——在零售业中的重要性日益增加，因此，该行业的数据驱动趋势对每一位数据科学家都很重要。它不仅适用于我们这些专注于诸如供应链，定价或其他与零售相关的应用的人。零售业的数据科学趋势预示着后新冠疫情时代整个领域的趋势。
以下是我预测2021年将主导零售业数据科学的五大关键趋势。每一位数据科学家都必须做好准备，在新的一年直面这些趋势的到来。
1.自动化分析
几乎每一个业务都在使用大数据。大数据已成为现代零售业的基本必需品，而下一步则是自动化。
在接下来的一年里，更多的公司将在数据收集和分析方面自动化他们的分析。至于数据质量，如果不需要自动利用数据的话，其实并不重要。
而对于商业科学来说，如果要有效，它就必须是自主的，而不仅仅是数据驱动的。
多年来，我一直不知疲倦地推动自主分析系统。不过，我并不是唯一一个认为2021年将是零售业自动化的引爆点的人。麦肯锡指出，这是2021年消费品和时尚的一个关键趋势。自动化是零售业的未来--这意味着数据科学家需要将他们的研究重点转移到自动化模型和分析上。
2.人工智能的成熟
在2020年，人工智能应用的范围越来越广，数量也日益增多。2021年很可能成为人工智能成熟的分水岭。也就是说，更多的模型将提供其实施所期望的最佳结果。在Gartner为AI成熟度提出的模型方面，很多业务都会进入全面实施AI的最后两个阶段。AI在许多组织中的应用最终将转向系统化，甚至是带来变革性的改变。
对于数据科学家来说，AI的成熟是令人兴奋的，因为他们可以像真正的商业科学家一样行事，从他们的模型中提供准确的，可操作的洞察力。这也意味着模型开发方法的调整。对于我们中的许多人来说，优化一个成熟的模型将是2021年中要面对的一个新的挑战。
3.敏捷模型和供应链
最重要的是，2020年教会了我们要做到防范于未然。供应链很容易受到意料之外事件的干扰，不管这些干扰来自大流行病，自然灾害，还是我们接下来面临的任何危机。
一个好的AI模型能够消化任何相关信息，映射微模式和微趋势，从自身错误中学习，不断调整——所有这些都是自动的。AI模型会像人类那样做出反应，但更有效率——而且也更受到可验证数据的约束。这意味着，一旦拥有了新的数据，甚至有限的观察数据，人工智能模型对变化的情况的学习和反应，要比任何经济上可行的，仅凭Excel和直觉的人类管理者团队都要好得多。
数据驱动的决策可以更好地缓解突然偏离历史模式所带来的影响，使公司拥有至关重要的竞争优势。
2021年，随着零售商为下一次灾难做准备，更加敏捷的供应链的重要性会更加凸显。因此，企业将要求数据科学家提供更敏捷的预测模型。数据科学家必须优先创建相关的模型，以便能够更灵巧地应对数据不完善，模型漂移以及与历史模式的剧烈偏离这些情况。
更敏捷的供应链将是每一个零售商的优先考虑，而更敏捷的模型将是每一个为他们服务的数据科学家的终极目标。
4.消费者驱动的产品以及消除时滞
冠状病毒正式扼杀了传统的，自上而下的“推送”零售模式。成功的零售商现在必须通过顾客的偏好和需求来驱动产品供应。更快的响应时间对满足顾客的需求至关重要。产品生命周期将更短，要求供应链进行相应调整。
对于数据科学家来说，这意味着速度比以往任何时候都重要。
模型必须工作得更快，供应链必须优化到秒级，系统必须识别并响应消费者的需求所发生的哪怕是最细微的变化。对于每一项发展，数据科学家都必须更加努力地提高数据速度。在2021年，每一位数据科学家都将推动他们的模型进一步发展，以便更加接近实时数据和分析。
5.所有人都可以使用的自助AI优化应用
在新冠肺炎疫情期间，各公司争先恐后地实施人工智能，使得人工智能的采用呈指数级增长。尽管如此，波士顿咨询公司和麻省理工学院斯隆管理评论的一份报告指出，只有11%的实施人工智能的公司获得了可观的投资回报。造成这一结果的主要原因就是公司不知道如何有效地使用这项技术。
为了让AI发挥其潜力，AI必须更易于使用。
新冠疫情暴露出的AI最大问题之一就是AI的用户体验差。一般的零售高管很难使用为其他数据科学家设计的可用工具。这也是我支持商业科学的原因：除非你所学的东西能够应用于实际的、适用的洞察力，否则你是无法从数据科学获益的。这种情况下，你更需要的是商业科学。
这就意味着，在2021年，数据科学家将会把AI优化工具和应用设计得更加用户友好。明年，更多的自助式，高访问性应用程序将以更快的速度发布。简单的优化工具将不再是次要目标；它将是每个设计模型的数据科学家的首要焦点，以优化供应链的任何元素。
事实上，Evo公司已经将发布一项自助服务门户作为2021年的优先事项，正是出于这个原因。即使是那些负担不起个性化服务和数据科学家量身定做的模型的小型零售商，也应该有机会优化他们的供应链，以便在后新冠疫情的世界中竞争。除非这些自助服务产品是可访问的，否则人工智能的广泛应用仍然无法实现，也更加无法在商业上取得成功。数据科学家将不得不改变他们设计应用程序的方式，以跟上2021年的步伐。
如何引领2021年的数据科学趋势
这五种趋势中的每一种都将在未来一年里对数据科学家的运作方式产生重大的影响。现在是时候适应这些趋势了，以避免下面这个尴尬的局面：AI应用在加速，而作为数据科学家的你，却落在后面。你可能会试图忽略这些趋势，将其视为单个行业中的孤立模式，但现实是，它们存在于整个商业世界中。它们对于你的工作所造成的影响将会很快就体现出来。时不我待！
我期待着2021年和一个后新冠疫情的世界。但随着新冠疫情的结束，我期待着前面所讨论的趋势成为世界各地数据科学家工作中的现实场景。2021年的许多数据科学趋势将帮助数据科学家都成为更好的商业科学家。
