Rapport från höstmötet 2025

Vad behövs i den moderna statistikerns verktygslåda?

Cramérsällskapets höstmöte hölls i år på KTH under två halvdagar den 22–23 oktober, med Institutionen för matematik som värd. Efter förra årets livliga diskussioner kring den moderna statistikerns yrkesidentitet och roll i en tid präglad av AI och maskininlärning, på temat ”Vad gör egentligen en modern statistiker?”, tog vi i år nästa naturliga steg: att utforska frågan ”Den moderna statistikerns verktygslåda – vad krävs för att göra skillnad utanför akademin?”.

Det välbesökta mötet inleddes med ett tankeväckande anförande av Mattias Villani (Stockholms universitet), som diskuterade hur generativ AI förändrar kompetensbehoven för framtidens statistiker. Han framhöll att även om fokus i allt högre grad förskjuts från klassisk inferens till prediktion och beslutsfattande, ligger statistikerns värde fortsatt i förmågan att förstå och kommunicera osäkerhet – en kompetens vars betydelse snarare ökar än minskar när AI-system i allt större utsträckning fattar beslut åt oss. En intressant tanke som Mattias lyfte var att framtidens statistiker i allt högre grad kan komma att fungera som handledare för AI-assistenter – en mer senior roll som kräver både djup och bredd i den statistiska förståelsen samt god förmåga till kritiskt tänkande.

Därefter följde föredrag av ett antal representanter från industrin: Alexander Aurell (AMD Silo AI), Ala Tarighati (SEB), Fredrik Löfman (RaySearch Laboratories), Sofia Tapani (AstraZeneca), Mårten Schultzberg (Spotify), Sharon Kühlmann-Berenzon (ECDC) och Salla Franzén (Navigare Ventures). Samtidigt som dessa representanter framhöll vikten av teoretiskt djup betonades även statistikerns roll som tolkare och del i beslutsfattande processer. Återkommande teman var domänkunskap och kommunikation – statistikern som brygga mellan olika grupper och discipliner – samt behovet av data storytelling skills, färdigheter som fortfarande till viss del inte får tillräcklig uppmärksamhet i dagens statistikutbildning. Dessutom framhölls värdet av att kunna leverera något som är good enough inom en begränsad tidsram, liksom vikten av grundläggande tekniska kunskaper i exempelvis Python, SQL, Git och Notebooks. Samtidigt underströks att dessa verktyg aldrig kan ersätta den teoretiska förståelse som gör det möjligt att använda dem på ett omdömesgillt sätt.

Mötet avslutades med ett engagerat panelsamtal som inleddes med frågan: ”Om ni måste välja ett verktyg, färdighet eller perspektiv som ni tycker är absolut avgörande i dag, vilket skulle det vara?”. Förutom mer specifika kunskaper inom områden såsom kausal inferens och experimentdesign lyftes förståelsen för de matematiska och statistiska grunderna, förmågan att veta vad man förstår – och vad man inte förstår. Panelen var överens om att teoretisk förståelse och förmåga till kritiskt tänkande utgör kärnan, medan specifika metoder och verktyg kan läras efterhand. En kurs där studenter får implementera en enkel regressionsmodell från grunden kan därför vara mer värdefull än en där man enbart lär sig använda färdiga programpaket.  

Som alltid gav mötet upphov till både nya insikter och nya frågor. För mig visar årets diskussioner tydligt att statistikerns roll inte bara består – den fördjupas. I en värld där AI lär sig analysera data allt snabbare behövs statistikern mer än någonsin: som den som förstår osäkerhet, kan ifrågasätta modellerna och sätta resultaten i sitt sammanhang.