你不需要编码就能成为化学家

化学家总是需要使他们的技能适应从事科学研究的新方法。在我读本科的时候，我学过如何在本生灯的火焰上抽出玻璃毛细血管来制作熔点管。我记得这一点，因为我真的很不擅长;利器箱里装满了我的手工制品。值得庆幸的是，这项运动在当时就已经过时了，没有必要再测试我的手工灵巧度了。

在过去，大多数化学家至少需要基本的玻璃吹制技术。但由于他们对玻璃器皿的大部分需求与其他成千上万的科学家一样，很快就出现了一些公司，为这个市场提供现成的产品。今天，在你能进行蒸馏之前，自己制造李比希冷凝器，或者自己的试剂或仪器，都是荒谬的。

化学家的工作将不再是制作样品，而是生成数据

在研究技能方面有一种现代趋势，我认为它同样荒谬:学习编码对于科学的未来至关重要。随着越来越多的科学从在体外来在网上．编码当然是有用的，但它不是从事科学研究的先决条件，就像吹玻璃一样。这种观点也没有帮助，因为它强调了研究的错误部分:专注于如何制造某种东西，而不是为什么要制造它。也许最重要的是，它忽略了对数据技能更重要的需求。

在需要编码的基础上

这种观点认为，随着研发越来越数字化，实验室的实际操作将会减少。在未来的实验室里，常规的实际任务将被自动化，研究人员将把时间花在编码这些机器和它们的数据工作流上。因此，我们应该让每个人都参加编程训练营。

我知道很多科学家都喜欢学习新的数字技能，包括编码——我就是其中之一。在我的职业生涯的不同时期，我已经学到了足够多的关于编码的有用的东西。但只有在迫不得已的时候。

最近，我对一种名为自我验证集成建模(SVEM)的新型机器学习方法很感兴趣，这种方法在分析工业研发实验中通常产生的较小数据集时非常有用。该算法涉及一个分析例程的数百个循环，这是您不希望手动执行的。我花了几个小时写了一些代码来做这件事，然后这个隐喻性的坏代码箱很快就满了。然而，这是一种深入了解SVEM的有趣方式，就像您可以通过尝试自己制作烧瓶和漏斗来更好地欣赏烧瓶和漏斗的形式和功能一样。

数字化转型仍然是当今企业面临的最大挑战之一

从我有限的探索来看，SVEM是有用的。但我认为任何人都不应该为它编写自己的代码。你可以冒险用我的，但连我都不再用了。这是因为适当的软件开发人员已经做了更好的工作:最新版本的JMP Pro包含了一个简单的界面，让任何人只需点击几下SVEM就可以分析他们的数据。代码的伟大之处在于，一个人可以生产出可以被任何数量的人无休止地重用的东西。

专注于能增加价值的技能

过去我需要编写代码的大多数任务现在都可以通过这种点击方式完成，而且近年来商业无代码或低代码实验室自动化和数据软件解决方案的数量呈爆炸式增长。就像大量生产玻璃器皿的公司一样，软件公司是由了解挑战的人建立的，他们与科学界合作，专门的开发人员创建了易于使用的工具来满足这些需求。学习如何构建自己的数字工具对大多数人来说都是浪费时间。

然而，数字化转型——以及开发实现数字化转型所需的技能——仍然是当今企业面临的最大挑战之一。我和世界各地大大小小的公司的科学家们谈过，没有人能破解它。我所见过的一种方法是，组织将少量爱好者培养成内部专家，他们可以编写定制的解决方案，为同事简化数据工作流程。但是，这只是在为数据驱动的文化建立基础的更重要的基础工作完成之后才有价值的一步。

第一步是认识到整个科学队伍需要更好的数据技能。未来化学家的工作将不再是制作样品，而是生成可以转化为有用见解的数据。最成功的组织已经提高了所有员工的基本数据素养，并专注于关键技能和软件工具，这将帮助他们的科学家适应范式的这种变化。

未来的化学家不需要成为编码员，就像今天的化学家不需要成为玻璃吹制工一样。他们需要精通可视化，以帮助他们快速探索数据并交流见解。他们需要了解统计建模和机器学习的基本原理，以便从大型和小型数据中提取最大的洞察力。他们将需要使用实验的统计设计来产生最有价值的数据。JMP创建了一个免费的在线培训资源，工业问题解决的统计思维，它会给你所有这些主题的介绍。请在manbetx手机客户端3.0实验集设计与JMP合作。