今年8月，全球最大的社交招聘平臺 Linkedin 發(fā)布了最新一期的職場報告。報告顯示，美國市場當月對擁有數(shù)據(jù)科學技能的人才需求缺口，超過了十五萬人。在全球新一輪經(jīng)濟競爭的壓力下，各國對數(shù)據(jù)科學領域的人才都非常渴求。數(shù)據(jù)工程師正在成為未來五年就業(yè)市場上最好的工作崗位之一。 Silvia Lu 分析了美國的數(shù)據(jù)科學就業(yè)市場，希望從理性的角度為中國潛在的數(shù)據(jù)科學從業(yè)者，提供一份有效的建議。

 

 

對于那些正在積極找工作的未來的數(shù)據(jù)科學家們，最近的一個好消息來自Linkedin 發(fā)布的2018年8月份職場報告，根據(jù)這個報告，全美對擁有數(shù)據(jù)科學技能的人才的需求缺口達到151717人之多，其中尤其在紐約，舊金山灣區(qū)和洛杉磯需求巨大。

為了幫助大家更好地找工作，我爬取了美國最大的在線招聘網(wǎng)站之一 Indeed 的數(shù)據(jù)，收集了上面截止到8月3日，全美7000個數(shù)據(jù)科學崗位的招聘信息，希望對數(shù)據(jù)科學行業(yè)做一個宏觀的觀察分析，能夠讓數(shù)據(jù)學家們不止著眼于眼前的代碼，更關注整個宏觀市場的經(jīng)濟規(guī)律。

我爬取的信息包括：公司名稱，職位名稱，地點，職位描述，對公司的評論數(shù)。

 

 

(圖片說明：美國的數(shù)據(jù)科學就業(yè)崗位大多分布在洛杉磯、灣區(qū)、紐約等大城市)

首先，我們要關注一下這些工作的硬性指標——需要什么工具和技能。對于這些數(shù)據(jù)科學工作，Excel、Python和SQL是需求最大的工具能力，而機器學習、建模和optimization是最重要的技能。這些都是工作描述部分提及最多的。與我們的印象可能不同的是，Excel是需求最大的技能，有83%的工作描述中出現(xiàn)了對Excel技能的要求。

 

 

(圖片說明：Excel 是使用量最大的工具，接著就是python了。)

較高的技術門檻，可能會讓人們覺得這是一個對專業(yè)要求也比較苛刻的職業(yè)。實際上是不是這樣呢?計算機科學專業(yè)仍然是最熱門專業(yè)，其次是與量化有關的專業(yè)，比如統(tǒng)計學、數(shù)學和經(jīng)濟學。

 

 

(圖片說明：毫無疑問，計算機和統(tǒng)計等量化學科仍是最受歡迎的專業(yè)。)

令人意外的是，數(shù)據(jù)科學專業(yè)居然平均每100個工作描述中只會出現(xiàn)4次。這可能也正說明雇主明確知道美國大學中開設數(shù)據(jù)科學專業(yè)的學校并不多，十分短缺。所以，雖然不是相關學科，但雇主大多明白教育的現(xiàn)狀。這對于非量化專業(yè)的同學們來說是一個很好的機會。

 

 

(圖片說明：有28.88%的招聘崗位沒有學歷要求，代表這是一個包容度較高的行業(yè)。)

對于學歷來說，有28.88%的招聘崗位沒有要求，大部分本科就能夠承擔起一個數(shù)據(jù)科學家的職責。所以，所以學歷對于大多數(shù)數(shù)據(jù)科學家來說，也不是太大的問題。

那么，在了解了市場后，我們還想了解一下雇主。雇主知道他們想要什么樣的人才么?

簡單的答案是：不太怎么知道。

你有沒有經(jīng)歷過這樣的面試：你已經(jīng)被問了很多關于邏輯回歸、隨機森林的問題，但最后卻發(fā)現(xiàn)自己被要求在白板上解決某個算法問題。這經(jīng)歷令人疲累。

我把崗位分成三類，工程師，數(shù)據(jù)科學家和數(shù)據(jù)分析師。對這些崗位進行對比，我想看一看它們在工作職能、學位需求和專業(yè)喜好上有沒有明顯不同傾向。

 

 

(圖片說明：工程師-紅、數(shù)據(jù)科學家-藍、數(shù)據(jù)分析師-黃，三類工種最常用的使用工具都是什么。)

我比較了三種工作種類中，對需要掌握工具的描述的提及頻率。每個柱子對應的數(shù)字代表了每個組里不同工具技能的排序，高度代表了提及次數(shù)，越長的柱子說明這個工具的需求越大。比如對于數(shù)據(jù)科學家崗位，工具重要性的排序為：Python、SQL、R語言、Excel和Scala，而對于工程師，編程語言則更加重要。數(shù)據(jù)科學家和數(shù)據(jù)分析師崗位的區(qū)別不明顯。

 

 

(圖片說明：工程師-紅、數(shù)據(jù)科學家-藍、數(shù)據(jù)分析師-黃，從左到右的對比類目依次是——AI、機器學習/建模/統(tǒng)計、數(shù)據(jù)分析/可視化/調研。)

而在技能方面，工程師崗位只顯示出對人工智能的傾向，數(shù)據(jù)科學家崗位則對包括機器學習、建模和統(tǒng)計分析情有獨鐘，數(shù)據(jù)分析師則需要有數(shù)據(jù)分析、數(shù)據(jù)可視化和研究的能力。

 

 

(圖片說明：工程師-紅、數(shù)據(jù)科學家-藍、數(shù)據(jù)分析師-黃，三類工種對學歷的依賴程度。)

總的來說，數(shù)據(jù)科學家崗位比其他兩個需要更高的學位。在專業(yè)傾向上，工程師崗位最喜歡計算機科學專業(yè)畢業(yè)生，數(shù)據(jù)科學家和數(shù)據(jù)分析師崗位對專業(yè)限制不多，量化相關的專業(yè)都可以。

 

 

(圖片說明：工程師、數(shù)據(jù)科學家、數(shù)據(jù)分析師對不同專業(yè)的依賴程度——大多還是偏量化類，數(shù)據(jù)分析師的要求更寬泛。)

所以，從我的分析來看，名字為數(shù)據(jù)科學家和數(shù)據(jù)分析師的崗位，在招聘需求中關于工具能力、技能和專業(yè)及學位的要求上差別不大，有很多重合。因此找工作時候需要仔細閱讀工作描述，做出判斷。

那么，究竟是怎樣的人才能更好找到工作呢?

答案可以總結成這樣：

如果你在量化相關的學科擁有一個碩士或更高的學位，且熟練掌握Python、SQL、Excel、R 語言及 Scala，精通機器學習、建模、優(yōu)化、數(shù)據(jù)可視化以及人工智能，同時更重要的，你仔細閱讀工作描述，那么你一定會找到工作的!

當然，對于剛開始的大部分人來說，現(xiàn)在看起來熟練掌握 Excel，并會一些統(tǒng)計和建模的能力，你就可以找到工作了。找到工作以后，最好立刻開始學習一門編程，然后再不斷擴充自己的技能庫，你在數(shù)據(jù)科學的路上就會越走越寬啦。

注：本文編譯自技術博客《 Who gets hired? An outlook of the U.S. Data Scientist Job Market in 2018》

標簽： 代碼 數(shù)據(jù)分析

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。