數據科學淘金熱：如何獲取那些頂尖工作？

全文共2385字，預計學習時長5分鐘

大約10年前，對於大多數人來講，大數據只不過是一個流行語。現在大數據及其分析正在驅動著商業操作、市場策略、物流決策等領域，當然，還有人工智慧領域的崛起。

從那以後，大數據和雲技術變得觸手可及和普及。對於企業來講，無論規模大小，都應該從大數據分析和技術中獲得切實可行的洞察，行業報告顯示，這正在成為一種趨勢。根據諮詢服務公司Dresner Advisory Services發布的Big Data Analytics Market Study 2017顯示，大數據在企業的應用已經從2015年的17%提高到2017年的53%。

鑒於數字觸點的飛速發展並仍在向全球拓展，這種應用非常有價值。到2020年，預計全球有61億智能手機用戶，每秒會創造大量的數據。事實上，電子世界的技術每兩年就會翻倍，根據Baseline Magazine的預測，到2020年，數據規模會達到40000艾位元組（或400萬億gigabytes）。

所有的這些都引發了當代世界一個行業的崛起，並提供了就業市場最受歡迎的職位。Glassdoor的報告顯示，截止到2018年，「數據科學」一職位列美國50佳職業榜首，平均薪資110,000美元。

當然，還有很多其他職位與數據及其分析領域有關，畢業生、求職者和尋求職業變革的人都在尋求這樣的機會。因為大數據觸及到了幾乎各個領域，沒有從事數據及其分析工作的人也會在不久運用這種技術，因為它的商業價值不可估量。無論你從事什麼工作，未來的工作都會貫穿數據。

大數據淘金熱

隨著雲計算、物聯網的發展，技術和互聯設備所收集的數據也越來越多，在信息技術領域也需要越來越多的人才。事實上，根據美國勞工部發布的2016-2017 Occupational Outlook Handbook (OOH)數據顯示，在計算機和信息技術領域的工作將會在2014年到2024年這10年間增加12.5%，其他工作會增加6.5%，潛在增加488,500個工作崗位。

大數據的多方面應用表明，不僅技術領域對這樣的工作有大量需求，而且與數據相關的崗位也會有這樣的需求。一方面來講，你會發現在營銷、分析用戶行為和映射分割模型以提高用戶獲取和留存方面都有應用，尤其是利用已有的數據預測未來。

另一方面，數據領域的一項工作是聚焦於用戶數據的安全性，而不是對其分析利用。Ashley Stein是Record Nations博客的作者，她提到任何企業的數據泄露恢復計劃的一個重要部分應該包括聘請外部專家來調查該問題。

她寫道，「讓擅長危機處理和漏洞分析的第三方技術公司來處理這些問題會讓你的企業能夠在數據破壞方面獲得外部的見解。」

雖然圍繞著大數據及其分析的職業前景無限，但是策略分析和技術諮詢Bernard Marr在《福布斯》雜誌中提到了2018年6個需求最旺的技術和數據工作：

1. 數據科學：正如上面所提到的，數據科學家在Glassdoor的列表中位列第一，平均薪資110,000美元。這種情況會視你所處的公司而略微有所不同，DNA總體來講，這些人來收集、處理和分析數據，團隊協作在數據分析項目中從數據中獲取有價值的信息。

2. 商業智能分析師（BIA）：商業智能分析師基於營銷和趨勢運用數據來為企業展現推薦並提供策略。商業智能分析師每年的平均薪資是7萬美元到9萬美元。

3. 資料庫開發員：這個職位就說明了其所要做的事情。資料庫開發員主要的工作是基於資料庫設計、建立或者修改APP和編代碼。數據可開發員每年的平均工資是9萬美元。

4. 資料庫管理員：雖然開發者通常注重編寫資料庫中新的代碼或者軟體，管理員聚焦於合理地建立、保護和保存數據。每年的平均薪資是8萬美元。

5. 數據工程師：數據工程師只要是從事任何分析操作中的基礎操作，包括設計和構建能夠創造大型數據集的項目。他們每年的平均薪資是8萬美元。

6. 數據分析經理：最後，數據分析經理的工作主要是利用數據，並與團隊的其他成員進行交流，針對數據所提供的信息該如何開展業務。根據Marr.所說，這些經理每年的薪資可以達到6位數。

雖然這些工作只是代表了整個市場中的一小部分，它們及其他與大數據相關的工作的競爭也是很激烈的。所以，管理者和人事經理想要尋求什麼樣的大數據人才？你如何能夠獲取一份大數據工作？

找到一份大數據的工作

根據梅利維爾大學關於數據分析職位需求的文章顯示，全世界的CEO們都在尋找具備這些專業知識和技能的人，比如說：

· 在正規大學接受過商業數據分析的教育

· 在工作中運用過編程語言，比如說Python和R。

· 學習新的編程語言的能力

· 團隊協作能力和個人工作能力

· 批判性思維和解決問題的能力

· 在相關領域，比如說營銷、人力資源、網路安全、運輸或者用戶服務等有過大學輔修或者工作經歷的

有些能力會很重要，但大多數有素質的候選人能夠具備所有這些能力甚至更多。例如，理解多種代碼/編程語言和工具的重要性不言而喻。

在技術作家Amit Verma所寫的《2018年十大大數據技能》一文中，其列舉了10多種語言和系統，其中的有些因素與其他能相互關聯。總之，他主要列舉了以下幾點：

· Apache Hadoop及其相關組成元素，比如說Hive、Pig、HDFS、HBase和MapReduce

· 非關係型的資料庫，包括Couchbase和MongoDB

· 結構化查詢語言SQL

· 數據可視化工具，比如說QlikView和Tableau

· 數量和統計分析工具，比如說SAS、SPSS和R

· 編程語言包括Java、Python、C和Scala

· 數據挖掘工具，比如說Rapid Miner、Apache Mahout和KNIME

很顯然，每一職位都需要不同的技術，在應用的時候要有所區分。

「由於每個職位的必要計算機技能通常不同，你應該仔細閱讀每個職位描述，以了解哪些計算機技能可以放在你的簡歷上，」Resume Coach的專家寫道。「但是，如果一份工作需要大量的職位列表，那麼你應該在簡歷中添加一個特定的」計算機技能「部分，以突出它。」

SuperDataScience的主管Kirill Eremenko在KDnuggets發表的文章how to choose a data science job中對此觀點也表示贊同。「與任何其他職位一樣，在申請之前，請務必仔細閱讀規範，」他寫道， 「數據科學家非常注重細節，所以確保在申請中證明你有這種能力！」

CEO們和招聘主管們看重的另一個能力使靈活變通和適應的能力。因為大數據及其分析已經成為一盒顛覆性的領域，與其他很多崗位相關。事實上，對於大數據而言，顛覆性的技術變革可能已經出現，因為研究人員已經開始嘗試使用氯原子和納米磁體來存儲數據（有些已經取得了成功）。

通過秉持行業趨勢，並汲取硬技能和軟技能，你可以自己確保數據科學的工作。 注重細節，確保你擁有硬技能和軟技能的完美結合，並展望未來。在數據科學職業生涯中有很多機會——要學會主動把握機遇。

留言 點贊 發個朋友圈

我們一起分享AI學習與發展的乾貨

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！