电子说
一个多月前,知名数据建模和数据分析竞赛平台Kaggle发布了他们首个数据科学&机器学习全行业调查,结果显示,全球数据工作者的平均年薪是55441美元,约合人民币37万,是名副其实的高薪职业。近日,有人就在Quora上提问:“数据科学行业的前景仍会保持良好吗?”针对这一问题,Iliya Valchanov表达了自己的看法。
2016年,数据科学是薪酬最高的职位。
当然,这一现状的产生与基本的供求关系是分不开的。目前市场上对数据科学家的需求巨大,但人才却相当短缺。
想想几年前的互联网,丰厚的薪水简直是其他行业中的佼佼者。那时候几乎人人都想学CS,成为一名程序员或者网站设计师,或者任何能跟互联网沾边的工作。随着时间的推移,CS人才的供应越来越多,工资水平也比原先有所下降了,不过仍然高于平均水平。
现在,数据科学行业也在发生同样的事情:供不应求。高薪酬吸引着大批人进入数据科学领域发展。
通过数据做决定正成为各大企业的主流。在过去,分析师只用Excel分析数据,只有学术专家才选择SPSS、Stata这样的工具。但是现在不一样了。
技术的进步催生了一大批数据分析工具:
市场部门可以运用Google Analytics;
复杂的ERP需要分解信息创建可视化?没关系,SAP和Microsoft Dynamics就是您的业务分析师,不管是供应链管理还是人力资源,统统用得上;
数据科学的子领域商业智能部门可以用Tableau、Sisense、Microsoft Power BI,以前所未有的方式让数据可视化,让你一眼掌握全局;
在编程方面,例如R和Python的改进,只需几行代码就能执行复杂的分析。
所以,为公司配备一个数据科学小组,也许能让你的业务翻两番,何乐而不为呢?
下面是谷歌、亚马逊、FB三家公司的数据科学部门情况。
谷歌。谷歌把数据科学运用地淋漓尽致,他们做的每件事都与数据有关。从搜索引擎,到YouTube,再到实现最大化的广告收入等等。甚至连他们的HR团队都在用科学的方法评估如何让员工工作得更舒心,从而提高生产力。
亚马逊。当我们在亚马逊购物时,每个推荐产品都来自亚马逊复杂的数据科学算法。事实上,亚马逊目前在部署的一个算法可以预测你要购买某种产品的概率。如果这个概率足够高,他们就把它送到离你最近的仓库中。这样当你真的购买了它时,当天就能送达。
Facebook。坐拥海量用户的个人数据,Facebook正疯狂的吸收广告费。你在Facebook上留下任何痕迹,他们就能知道你是喜欢看猫视频还是狗视频,然后还能推测出你是猫性人格还是狗型人格。他们还知道你喜欢做什么运动、喜欢吃什么、网购的花费……这样一来,他们就可以作为一个媒介,让其他公司实施精准营销。
不仅大公司有数据科学部门,小企业、个人博客、本地企业也会根据需求运用数据分析工具,并从中获得巨大收益。它的好处就在于,你不需要通过机器学习就能实现收益。
所以,如果你的竞争对手已经开始用数据进行决策,而你却没有,那么赶紧采取行动吧!不然很有可能面临出局的风险。
技术变革催生了数据科学,如果放在20多年前,依靠原始的编程语言、计算能力低且速度慢的计算机,是不可能产生数据科学家这一职业的。
但是,教育发展的速度却跟不上行业发展,现在的教育资源仍然无法满足雄心勃勃的数据科学家。所以,很多想涉足数据科学的人往往都是从其他行业转行来的,主要靠自学获取必备的技能。一般是通过看书、研究论文、观看在线课程。
对于数据科学家的需求仍然会继续增长,我预计将来这一领域会向当年的CS那样——在很长一段时间里,需求增长的速度会大于供应增长的速度。
所以无论从公司的角度还是从员工的角度来看,当下数据科学是一个有前景的领域。
全部0条评论
快来发表一下你的评论吧 !