智能时代下商科生的竞争力真的不如理工科吗?

智能时代下商科生的竞争力真的不如理工科吗?

收藏已取消
收藏成功
已添加至{{ selectCollectNames.join(',') }}
更改
{{!collectStatus ? '收藏' : '已收藏'}}
指南者留学 Journey 2021年02月02日 阅读量:1324

收录于合集

<section> <section> <section> <section> <section> <section> <section> <section> <section> <p style="text-align: justify;"><img src="https://info.compassedu.hk/sucai/content/20210202/1612256653046.png" width="676" height="176" /></p> </section> </section> </section> </section> <section> <section></section> </section> </section> </section> </section> </section> </section> <section> <p style="text-align: justify;">随着大数据人工智能热潮的兴起,AI带给各行各业的冲击是很大的,很多行业的求职者都害怕自己被替代&mdash;&mdash;其中又以<strong>商科的学生焦虑感最强</strong>。因为商科总是被很多人认为是所学知识比较理论化、针对性比较弱、技术性不强的专业,毕业之后什么都能做,但是缺乏竞争力,没有一技之长。</p> <p style="text-align: center;"><br />(知乎上商科学生的焦虑)</p> </section> <section><img style="display: block; margin-left: auto; margin-right: auto;" src="https://info.compassedu.hk/sucai/cover/20210202/1612256739745.png" width="554" height="140" /><img style="display: block; margin-left: auto; margin-right: auto;" src="https://info.compassedu.hk/sucai/cover/20210202/1612256739750.png" width="554" height="334" /></section> <section></section> <section>从目前商科留学申请的热门专业中也可以看到,<strong>大多的热门专业都是交叉学科的</strong>。</section> <ul style="text-align: justify;"> <li><strong>商业分析</strong>(商科+计算机+统计),是相向商业分析+数据分析的新兴学科,需要掌握基本上的数理知识与算法模型,有一定的编程能力。与目前互联网大数据相关,以商业知识为基础,结合数理编程能力,使用数据驱动决策。</li> <li><strong>金融工程</strong>(金融经济+数学+工程),该课程是由商学院、数学系和工程学院联合授课的,对于实践应用非常看重,对于数学、计算机编程能力的要求很高。需要使用大量的计算来解决问题,用计算机语言开发金融模型。</li> </ul> <section></section> <section> <section> <section> <section> <section> <section> <section> <p>&nbsp;</p> <p><span class="h1"><strong>问:</strong><strong>为什么AI对商业领域影响这么大?</strong></span></p> <p>&nbsp;</p> </section> </section> </section> </section> </section> </section> </section> <section></section> <section></section> <section>受冲击的行业领域都有共同的特点:<strong>利润率高、数据积累充足、数据结构好</strong><strong>。</strong></section> <section></section> <section></section> <ul class="list-paddingleft-2" style="text-align: justify;"> <li> <p>到2027年,中国金融业就业人口可达993万人,其中,将有230万金融业岗位因人工智能的应用而被削减,即金融业就业人口的23%。</p> </li> <li> <p>至2027年,保险业将削减119万工作岗位,降幅25%;剩余75%的工作岗位将提升29%效率,相当于每人每天花在同样职能活动的工作时间平均可减少1.8小时。</p> </li> <li> <p>至2027年,资本市场业务将削减7万个工作岗位,降幅16%;剩余84%的工作岗位将提升56%效率,相当于每人每天花在同样职能活动的工作时间可减少2.9小时。</p> </li> <li> <p>到2027年,银行业将削减104万工作岗位,降幅22%;剩余78%的工作岗位将提升42%效率,相当于每人每天花在同样职能活动的时间可减少2.4小时。</p> <p>&hellip;&hellip;</p> </li> </ul> <section> <p style="text-align: center;">(数据来源于波士顿咨询公司(BCG)与中国发展研究基金会联合6月发布报告《取代还是解放:人工智能对金融业劳动力市场的影响》)</p> <p>&nbsp;</p> <p>有了大量的数据累计作为基础,行业的变革是必然发生的,传统的研究方式不再适合目前的发展,AI技术的应用可以提升工作效率给行业带来发展。</p> </section> <section> <p style="text-align: justify;"><br />我们来对比下传统商业的研究方式vs基于大数据的研究方式:</p> <p style="text-align: justify;"><br /><strong>传统的研究方式:</strong><br />1. 提出一个商业模型<br />2. 做实验去检查模型是否准确<br />3. 解释模型,继续改进模型</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>基于大数据的研究方式:</strong><br />1. 找足够多的数据<br />2. 使用算法模型直接从数据中分析出结果</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">我们对比两者的研究方式可以看到,传统的研究方式是需要对模型进行解释的,也就是说我们需要知道为什么我加入一个影响因素会对我的结果产生影响。而我们基于大数据的研究方式,是直接从数据中得出结论的,我们有很多算法模型可以直接从一堆数据中自己提取出我们的主要影响因素,至于为什么这个是主要影响因素,我们不会去解释探究,我们关心的是最终这个预测的结果是好还是坏。随着互联网的高速发展与大量数据的沉淀,可以发现显然基于大数据的研究方式更加<strong>&ldquo;快&rdquo;、&ldquo;准&rdquo;</strong>。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><span class="h1"><strong>问:AI技术会替代商业模型吗?</strong></span></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">现阶段AI是不可能完全替代商业模型的,只是<strong>商科会有更多的表达形式</strong>。我们可以从几个方面来解释一下AI在商科领域存在的一些缺陷。</p> <p style="text-align: justify;"><br />1.商业领域定义问题还是得靠人</p> <p style="text-align: justify;"><br />我们以AI在股票预测为例,比如我们现在想用AI技术来预测一下公司管理层变动是否会影响股价,在做这个模型的时候你可能需要搜集关于管理层的一些信息数据及管理层变动后股票发生的变化,然后把搜集到的数据进行一些变换处理操作,放到最终建立的AI模型里面进行预测。但是这么做最终真的能得到结果吗?</p> <p style="text-align: justify;"><br />在真实行业应用场景中,这个是有很大问题的,因为我们<strong>没有办法利用AI的技术提供明确的问题定义与边界</strong>。如果我们打算使用AI来搭建一个股票交易系统,那么我们只考虑管理层变动这一个因素吗?我们到底应该考虑多少个因素合适呢?公司的经营状况、外部的宏观调控、市场的炒作等等因素都会直接影响到股票的走势,如果你在搭建模型的时候,少了某个指标那将会直接影响模型的准确率,考虑越多的相关因素,模型的准确率才能上去。但是实际情况中,<strong>每一个问题都需要大量的人和数据作为支持</strong>,这也是目前AI无法很好应用在股票预测领域的局限性。</p> <p style="text-align: justify;">&nbsp;</p> </section> <section></section> <section></section> <section></section> <section></section> <section>&nbsp;2.可解释性不高,存在&ldquo;玄学&rdquo;现象</section> <section></section> <section> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">很多时候机器学习的大部分算法都属于Black Box,内部的实现过程是不可被解释的,只能看到最终的结果是不是好的。<strong>这个缺陷是比较致命的</strong>,比如金融领域,如果一个金融模型,它是不可被解释的,那么注定了它的使用场景将会受限,目前金融领域使用比较多的领域如:高频交易、欺诈检测等,这些都是注重结果的应用,只要结果OK就行,中间过程无法被解释也能接受。</p> <p style="text-align: justify;"><br />但是如果你使用AI技术中一些复杂算法来进行预测股票在未来某一天是涨是跌,经过一个月的实盘,你发现AI模型持续出错,在这种环境下<strong>如果你想快速发现问题并针对问题进行调整基本上是不可能的</strong>,因为它是一个黑箱子,你根本无法判断到底是哪一步或者哪一个影响因素导致了最终结果的错误。</p> <p style="text-align: justify;"><br />这个时候我们发现一个模型可以被解释是多么的重要,所以你更多时候会选择使用偏重传统的回归模型,虽然这种简单模型的拟合预测能力有限,但是它有比较强的被解释能力,可以快速通过一些分析来发现问题所在,来进一步调整模型。<br />&nbsp;<br />3.纯技术背景的人员与商业人才缺乏有效沟通</p> <p style="text-align: justify;"><br />我们一开始就说,AI在商业领域的应用,最开始的一步定义问题还是得靠人来决定,而这一步一般都是由领域内的专业人员来确定的,因为定义一个问题需要非常多的Domain Knowledge作为基础。而<strong>大多数的计算机背景的人工智能从业者,对于金融/经济学的了解是非常有限的</strong>,只了解一些基本的概念,这个在项目沟通过程中是一个很大的问题,小组内部合作成了一个很大问题。同样的一个<strong>纯商科背景的从业者,对于AI的了解也十分的有限</strong>,他无法判断自己定义的问题在实际算法应用过程中是否合理。因此<strong>如果想要AI在商科领域内得到快速发展,需要大量的复合型人才来推动。</strong></p> <p>&nbsp;</p> <p><span class="h1"><strong>问:商科生如何理性应对AI的冲击?</strong></span></p> <p>&nbsp;</p> <p style="text-align: justify;">学商科仍然是很有必要的,但也要有所侧重,理性应对AI的冲击,<strong>积极学习AI新技能武装自己</strong>。</p> <p style="text-align: justify;"><br />有人可能觉得我一个学商科的再去学AI能学的明白吗?我的投入产出真的有价值吗?</p> <p style="text-align: justify;"><br />首先要先明确一点,<strong>商科领域AI化最需要的不是AI专家,不是理论学者,而是懂AI的商科从业者</strong>,对于AI的理解不需要过多的深入,而是懂得如何使用AI这个工具来应用到自己的工作中即可。</p> <p style="text-align: justify;"><br />如果各行业的人都觉得AI行业是个有利可图的行业纷纷转岗,那么人工智能将会成为泡沫,永远无法实现落地。我们需要的应该是各行业内的人员使用自己的Domain Knowledge来告诉AI从业者,目前行业的痛点以及如何将AI应用到其中解决问题。</p> <p style="text-align: justify;"><br />这里给大家提供几点建议:</p> <p style="text-align: justify;"><br />①对于目前商科专业的学生来说,首先<strong>不要从头开始学习AI,商科的学生应该更重视的是AI工具的应用,而不是死磕原理。</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">因为从头学习AI的时间成本过高,正常目前的AI从业者都是硕士以上的学历,大多都是有数理统计背景的,所以一个专业的AI从业者的至少需要5-6年的磨练。</p> <p style="text-align: justify;"><br />对于目前已经确定方向的商科背景学生,其实需要掌握的并不是一大堆基于数理知识的算法理论,而是掌握一些软件的基本操作(如:python),遇到一些新出来的AI工具可以快速上手帮助自己提升工作效率就可以了。毕竟最终商科从业者的应用场景不会是原始数学模型,而是封装好的软件/机器/服务,对于数理能力不会有过高的要求。</p> <p style="text-align: justify;"><br />②不建议转专业从头开始修读AI相关的内容,但是需要<strong>补充一些数据分析类的课程学习</strong>,以及基础的AI理论了解与应用,<strong>掌握一些简单的工具使用</strong>如:python/R。<strong>增加自己使用AI在自己领域应用的经历</strong>,如:参加高含金量项目、参加kaggle,阿里天池等竞赛、尽可能大的公司实习、高质量的科研论文。</p> <p style="text-align: justify;"><br />目前指南者针对商科学生目前的处境,开设了针对AI小白的数据科学类课程,该课程以最终各领域行业的高含金量项目为核心,学习基本的AI技能如:数据清洗,预处理,特征工程、监督学习,非监督学习,模型调参等内容。课程更加偏向于AI技能的应用,而不是高深莫测的数理知识,可以丰富自己的技能与AI行业高含金量应用经历,不管是出国留学还是为之后工作做准备,都是一个很好的选择。</p> </section>

猜你喜欢

预约咨询
预约咨询
App下载
下载指南者留学App
公众号
扫一扫立即关注
微信咨询
扫一扫立即咨询
预约咨询
电话咨询
400-987-6697
回到顶部
预约咨询
现在来设置你的账号吧
只需要花不到一分钟,之后便可以获得更精准的推荐~
1
留学意向
2
基本意向
3
详细背景
4
了解途径
1.1 您期望申请学历是
1.2 您期待的留学地区是多选
* 0/20
没有查询到相关的地区
查询中...
已选(0/5):
2.1 您的身份状态是
2.2 您的目前学历是
3.1 您的本科学校是
大陆本科
海外本科
3.2 您的学校名称是
没有查询到相关的学校
查询中...
3.3 您的专业名称是
没有查询到相关的专业
查询中...
4. 您从哪里了解到指南者留学网站的
* 0/20
取消
您还不是签约学员,去签约
立即前往
选择收藏夹
新增收藏夹
{{option.remark_name}}
默认
{{option.info_count}}条内容
取消
完成
新增收藏夹
设为默认收藏夹
返回
{{ form.id ? '完成编辑' : '确定创建' }}
是否放弃编辑内容?
取消
确定