这就是为什么我们结合历史趋势分析、专家的预见和机器学习算法来对技能的未来进行预测。
在研究的第一阶段，我们以趋势图的形式回顾文献中关于影响劳动力市场的长期趋势的论述。
在第二阶段，我们将这份趋势图表在预测研讨会上展示给专家，讨论结构性转变对未来就业的影响。在这些研讨会上，我们要求专家根据他们预计到 2030 年需求是上升还是下降来标记一组 30 个职业。此外，我们询问他们在做出判断时有多确定或不确定。
在分析的第三阶段，我们使用这些回应来训练机器学习分类器，以判断某个职业在未来劳动力中的重要性是否会变得更高或更低。
分类器利用了美国劳工部 O*Net 数据库中的丰富数据集，该数据集包含 120 种不同技能、能力和知识要求的重要性。我们的分类器告诉我们这些要求的哪些组合与预计会增长的职业最相关，而且至关重要的是，在现有要求的情况下，哪些人力资本投资最能有效提升职业的需求前景。
我们发现了什么？我们没有对某些职业的 富人数据 未来做出明确的宣告，而是得出结论，大多数人（约 70%）从事的职业前景非常不确定
此外，大约有五分之一的人从事的职业很可能会出现衰退，而十分之一的人从事的职业很可能会出现增长。
这种不确定性是我们研究结果的一个重要维度，因为它表明大多数职业的未来并不是不可避免的：从事不同职业的个人如果能够投资于适合自己特定职业的技能，就可以提高自己在劳动力市场上的机会——请阅读我们的报告，了解这些技能是什么。
任何技能（和知识）要求的重新配置都会导致职业的演变。或者换句话说，可能需要重新设计职业，以便有效地利用技能和知识补充。我们的研究结果应该可以作为这一练习的有用指南，特别是对于那些未来充满挑战的职业
思考未来可能出现的新职业也很有用。从技术上讲，这些职业对应于技能空间中的高需求位置（由我们的分类器识别），与现有职业不同。分类器使我们能够识别假设的职业，如果它们现在存在，将“几乎肯定”经历劳动力份额的增加以及与之最相关的技能和知识变量的组合。我们希望您和我们一样觉得这些结果很有趣。
技能投资必须是任何适应结构性变化的长期战略的核心。先决条件是能够获得高质量、透明的未来技能需求分析，否则，劳动力市场参与者和政策制定者就会面临盲目行动的风险。我们制定的方法是提高我们对这一重要议程的理解的一步，这种方法比近年来公众对自动化的讨论中采取的防御性反应更能引发积极反应。我们很乐意听取您的意见。