Return to site

數據科學家

仍是熱門職業的3大原因

Glassdoor最近發表報告列出美國50大最佳工作,不出意外的,數據科學家在接下來的一年中依然拔得頭籌。每年,該職位網站就基於每份工作的總體「Glassdoor職位評分」公佈一份報告。評分根據三個關鍵因素而定:職位空缺的數量、職位滿意度評分、及職位每年資薪的中位數。

數據科學家,以4.8/5職位空缺分,4.4/5職位滿意度分,110,000美元的資薪中位數,名列各大工作的榜首,緊隨其後的是其他技術工作,例如數據工程師、開發工程師。

實際上,數據相關工作已經霸據在過去一年中發表的類似職位榜單。CareerCast.com的新研究發現,數據科學家的職位在接下來的7年中有最大的增長潛力,因為它們正是最難做的工作之一。Rjmetrics.com的數據顯示,在2015年有約11,400到19,400位數據科學家,而在過去的四年中,多於50%的職位都被填補。在LinkedIn上做個簡單的搜索,美國就有13,700個數據科學家職位空缺。這都是為什麼呢?

原因之一:人才的短缺

不僅是統計學和分析的相關人才被強烈需求,數據科學家的需求也因那些軟技巧高超的人上漲。商業領導者在尋找那些不僅能懂得數字,同時也能高效溝通發現的人。能夠結合這兩種技巧的人依然短缺,數據科學家的資薪在今年仍會上漲6%。

那些能做這工作的數據科學家在哪裡呢?比較可能的答案是他們還未被訓好。計算機科學的教育項目在增多,但仍需一些時間使供應趕上需求。大數據及分析類課程剛剛在最近幾年中在課堂中起步,數據科學家人才短缺問題不會在一夜之間改變。職位空缺的數量仍會比那些對數據有準確了解且有能力分析它們的人要多。

原因之二:企業仍在整理數據方面面臨巨大的挑戰

數據科學家的角色在進化,企業急需能夠整理數據、準備數據以用於分析的人。數據清洗,將各工具連接變數據為可用格式,仍然是高需求的工作。

數據準備涉及很多步驟,從轉換具體系統碼為可用的數據,到處理不完整甚至錯誤的數據。劣質數據的代價是高的,一些研究顯示分析劣質數據每年通常可能消耗一家企業多於1300萬美元。

因此,企業很需要技術人員來排除那些能改變結果或者導致不準確結論的劣質數據。這是一項很費時間的工作。實際上,數據準備構成了數據科學家80%的工作量。但即使我們有越來越多的高級分析儀錶盤和數據收集工具,也始終需要那些有清洗和整理數據等高級技能的專業人才,以便從數據中挖掘到寶貴的意見。

原因之三:不再僅是科學巨頭需要數據科學家

時至今日,對數據科學家的需求不再僅限於科技巨頭,例如谷歌(Google)和臉書(Facebook),因為中小企也開始意識到,他們也能通過對數據的分析做出更好的,更靠譜的決策。哈佛商業評論(Harvard Business Review)中大數據專題報告說「在各產業中前1/3的公司中,那些數據驅動做出決策的,比他們的競爭者,平均多出5%的生產力和6%的利潤」。

雖然中小企不似大企業一樣產生大量的數據,從數據中挖掘出有意義的見解仍是一種頗有力的優勢。可以看見,入門級數據科學家成批成批地向初創公司和小型企業湧去,為了能在他們職業道路的更早階段接觸到更高級別的工作。數據科學家擁有一系列廣泛的技能,他們渴求能立刻將那些技能付諸實踐。

小一些的企業的聘用流程也更快。想要招聘入門級數據科學家的大企業需要多步驟才能完成招聘,如果他們想要吸引頂級人才,他們的招聘流程可能需要改進。所以,隨著數據科學家的職業需求進一步攀升,那些更靈活的企業更容易招到他們想要的數據科學家,無論他們的規模如何。

如何進入數據科學的世界

數據科學家的需求如此高漲,專業人士可通過各大途徑進入數據科學的世界。大學專業是一種選擇,但數據科學的職位通常要求許多大學不會安排在一起的綜合技能。

資料譯自http://www.infoworld.com/article/3190008/big-data/3-reasons-why-data-scientist-remains-the-top-job-in-america.html?utm_content=bufferdb984&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer

你也可以通過參加相關培訓,發展一個數據科學家所需的各種技能。例如BDA聯合IBM 大數據大學(Big Data University)推出Data Science Education for Executives《針對高管的數據科學教育》和 Data Science with Python《攜Python走進數據科學》系列課程,讓你擁有數據思維,成為職場贏家。

Data Science Education for Executives《針對高管的數據科學教育》不僅涵蓋大數據基礎知識,更訓練日漸被需要的數據科學軟技巧,例如如何談論商業疑難並將其轉換為可分析的問題,得到可解決的方案。Data Science with Python《攜Python走進數據科學》針對技術人員,注重對數據的處理和分析。如果你考慮在2017年改變一下職業道路,就來看看成為最被需求、最高薪的數據科學家需要掌握哪些技能吧。

歡迎發送郵件至info@bigdatarchitect.com,或者聯繫鄭先生+ 852 3708 7969進一步咨詢課程。

如果你對大數據分析有興趣,請於下方訂閱我們的博客,或者關注我們的Facebook:/bigdataism; Instagram: @bdanews

All Posts
×

Almost done…

We just sent you an email. Please click the link in the email to confirm your subscription!

OKSubscriptions powered by Strikingly