几乎所有业务都离不开大数据，大数据已成为现代零售业的必需品，下一步就是发展自动化。在接下来的一年里，会有更多公司在数据收集和分析方面开展自动化分析。只有能够自主利用其观点，数据质量才能发挥作用。

多年来，我一直致力于推动自主分析系统发展。麦肯锡指出，自动化是2021年消费品和时尚界的关键趋势。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重点转移到自动化模型和分析上。

2.AI走向成熟

随着去年人工智能应用的迅猛发展，2021年很可能成为人工智能成熟的分水岭。也就是说，更多模型将提供应用所期望的最佳结果。以高德纳公司的AI成熟度模型来说，很多业务都将进入最后两个阶段，AI在许多组织中的应用最终将转向系统化。

对于数据科学家来说，AI技术的成熟让人激动，因为AI可以像真正的商业科学家一样行事，从模型中总结出准确可行的见解。这也是对模型开发方法的调整。优化一个成熟的模型是许多人明年会面临的新挑战。

3.敏捷模型与供应链

2020年教会我们最重要的是未雨绸缪。不管是新冠疫情、自然灾害，还是接下来要面临的任何危机，都可能会给供应链带来意料之外的影响。

好的AI模型能够自动消化任何相关信息，映射微观模式和微观趋势，从自身的错误中学习，并不断调整。它能和人类一样做出反应，同时更有效率，也更受可验证数据的约束。

这意味着，一旦有了新的数据，即便观察有限，AI模型也能对不断变化的环境进行学习和反应，其效果比仅凭Excel和直觉的人类管理团队都要好得多。

2021年，随着零售商未雨绸缪应对下一次灾难，供应链的敏捷度只会变得更加重要。因此，企业会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能够更灵活地应对数据缺陷、模型漂移和过度偏离历史模式的模型。

敏捷度更高的供应链将成为每个零售商的首选，更敏捷的模型将成为每个为其服务数据科学家的终极目标。