(2)更有机会进入大公司。作为数据科学家,你更有机会在亚马逊、谷歌、苹果等公司工作。例如,亚马逊通过使用数据科学 向客户推荐产品进行销售。亚马逊使用的数据来自其庞大的客户群。苹果公司使用大数据来为产品功能做出决策。优步的高峰期溢价就是公司如何使用数据科学的最好例子之一。
|
(3)优质的培训和课程。与其他许多 IT 工作不同,数据科学家不必学习没有用的技能。许多数据科学课程都由该领域具有丰富经验和知识的专家提供。经过认证的数据科学家的加薪幅度约为在58%,而没有认证的人士加薪幅度约为35%。对于经过认证的专业人士来说,升职加薪更为容易,但这并不一定意味着自学成才的数据科学家难以得到发展。
(4)市场需求大。数据科学家的职业发展选择很多,比如项目管理、安全性、系统架构、咨询等。这些专业领域对具有相关技能的人才有巨大的需求。有些职位的就业增长率甚至超过100%。例如,信息安全分析师职位的就业增长率为279.69%,其他职位也是如此。到2018年底,美国对数据管理人员的需求将超过150万。IBM预计,数据科学家的需求将继续增长。
(5)人才的多样性。数据科学是令人兴奋的,需要不同角色的人来解决现实问题。在世界各地,大中小型企业每天都在创造数据,但并非每个企业都在利用他们产生的数据。为了改善这种局面,公司发展的不同阶段都需要具备数据科学知识的人才。这些公司需要对数据进行分析,将业务问题转化为易于理解的数据问题,实现统计数据方法,缩小理论与编程之间的差距。
(6)相对安全的职业。新技术层出不穷,这就是为什么人们认为科技世界中许多技术都会转瞬即逝。数据科学并非如此,但这并不一定意味着数据科学家应该停止学习新技能。我们都知道,包括数据科学在内的当今许多技术都将实现自动化。这意味着某些领域最终将实现自动化,但数据科学领域的发展不会停止,对数据科学家的需求也将继续增长。那些拥有一定技能并保持正确心态的人才不会被淘汰。
(7)获得高管的青睐。数据科学家研究许多技术和编程语言,他们使用许多工具来解决业务问题,在此过程中,他们能获得高层管理人员的信任。数据科学家与来自不同行业和部门的人员合作,只要他们不断努力提高专业技能,他们就更有机会获得高管的青睐。
2.薪资
根据2017年的报告,数据科学家的工作在排名前25的最佳工作岗位中位居第一,而且目前它仍然保持着这一地位。人才缺口大,且工作满意度高达4.8/5分。(数据来源:Glassdoor)。从收入来讲,基本偏编程的data scientist薪水最高,在编程的data scientist里, 做deep learning算法的薪水最高。
某土豪公司的搞machine learning算法的薪水差不多平均50万。数据分析或数据处理的岗位报酬也非常丰厚。全球计算机行业从业者的平均年薪是 55441 美元,而美国的数据科学从业者平均薪资达13万美元,年薪过 20 万美金也不少。由此可见,数据科学家是一个非常有前景和钱景的行业。
Data scientist薪资一般在90,000-100,000USD左右,Airbnb/Facebook可以给到100,000-120,000USD (有些硅谷科技公司甚至给的更高),四大Data Analyst:刚出大学校门平均75,000-85,000USD,有的可以达到90,000USD。
3.就业前景
大数据工作者可以施展拳脚的领域非常广泛,到处需要大数据项目来做创新驱动。根据 Linkedin 的数据可以看出,美国的数据科学家数量最多,其次分别来自印度,英国和法国,但这样也无法满足日益扩大的人才需求。
全球最顶尖管理咨询公司麦肯锡出具的一份详细分析报告显示,到 2018 年,大数据或者数据工作者的岗位需求将激增,其中大数据科学家的缺口预计在 14 万到 19 万之间,对于懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到 150 万。
4.职业规划
要问职业规划,这个问题很难,我想很多人都在摸索中前进。呆在一个地方,也许可以慢慢的升为Senior以及更高,或者转为Team leader,这是两条不同的路。 第三条路,Data scientist => Product manager。
总的说来,近几年就业状态很好。虽然从去年开始有人质疑data science是非能够创造的真正价值,但是从长远角度来看前景很棒。因为这个工作是在用最新的方法解决从前无法解决的问题,走在行业的前端,是个非常revolutionary、非常酷的工作!
5.发展路线
- Technical track: BA—Enterprise IT—Architect—CS
- Business track: Manipulate data with excel—展现data—tell a story with data based business goal (也正是各大咨询公司看中的点)
四、进入门槛
1.专业要求
如何成为一个数据科学家?一个优秀的数据科学家需要具备的素质有:懂数据采集、懂数学算法、懂数学软件、懂数据分析、懂预测分析、懂市场应用等。
Data scientist 的对学生有什么要求?CS,统计,数学等专业的小伙伴都能申请该职位。而不是相关专业的小伙伴也不用灰心,只要夯实自己的编程实力,打下良好的数理/统计基础,你就具备成为一名Data Scientist的资质。
- 偏business的,对技术要求最低,基本会个sql就行,如果再会个基本的语言,比如r,python甚至SAS就可以了。对软技能要求很高,因为要经常跟营销组和项目管理组打交道。
- 偏统计的,介于data analyst跟machine learning engineer之间,对技术要求比较全面,既要会sql,也要会用编程语言写一些模型的prototype,比如predict churn rate。
- 偏machine learning的,这些一般都是计算机专业的人在做,需要很懂什么是分布式系统,他们的作用是把模型在大数据框架下implement出来,或者在原有的模型构建好的pipeline里如何去优化一下这个过程。
注:Data scientist 这个行业在大数据时代很火,很多学校也陆续开设了相关的数据专业项目,特点都是培训时间短,强度大,就业率高。
2.核心技能
(1)编程和数据库
用于数据获取、数据解析、数据存放、和数据安全;掌握计算机科学的基础知识;掌握从头至尾的开发过程(end-to-end development),因为你做的东西终将被整合到其它系统中;在语言选择方面, Python 和 R 语言是推荐程度最高的两种语言,而 Python 的受追捧程度又是 R 语言的两倍之高。一般来说,数据科学家大多要求具备编程、计算机科学相关的专业背景,掌握对处理大数据所必需的Hadoop、Mahout等大规模并行处理技术与机器学习相关的技能。一般能利用python熟练的获取数据,整理数据,并会使用matplotlib展现数据。
(2)数学、统计和数据挖掘,机器学习
用于数据分析、数据过滤、数据挖掘、和数据优化。除了数学、统计方面的素养之外,还需要具备使用SPSS、SAS等主流统计分析软件的技能。其中,面向统计分析的开源编程语言及其运行环境「R」最近备受瞩目。R的强项不仅在于其包含了丰富的统计分析库,而且具备将结果进行可视化的高品质图表生成功能,并可以通过简单的命令来运行。数据科学家需要掌握的十大统计技术,包括线性回归、分类、重采样、降维、无监督学习等。
(3)掌握数据整理、可视化和报表制作
数据整理,是将原始数据转换成方便实用的格式。可自学Coursera中John Hopkins的Getting and Cleaning Data课程,实用工具有DataWrangler和R。
数据可视化,是创建和研究数据的视觉表现。实用工具有ggvis, D3, vega。
信息的质量很大程度上依赖于其表达方式。对数字罗列所组成的数据中所包含的意义进行分析,开发Web原型,使用外部API将图表、地图、Dashboard等其他服务统一起来,从而使分析结果可视化,这是对于数据科学家来说十分重要的技能之一。
数据报表,作为数据分析的最后一步,是将数据分析和结果制作成易于理解的报告。实用工具有Tableau, Spotfire和R Markdown。
(4)提升到大数据级别
当你开始处理网络级规模的数据时,数据分析的基本方法和过程就都改变了。绝大多数的数据科学家要解决的问题,都无法在单机上完成。他们面对的是需要分布式处理的大型数据集,使用的工具是Hadoop,MapReduce,Apache Spark。
(5)理解数据库
作为学生,你会经常与文本数据打交道。但是,一旦进入该领域,你会发现该领域几乎都是用数据库存储数据,如MySQL, Postgres, CouchDB, MongoDB, Cassandra等。
(6)领导力和软技能
数据科学家不仅要具有黑客的头脑,对数据有好奇心,还要对商业有热情,是有影响力、有创造力,能解决问题的人。
(7)人机交互
在用户和数据之间建立有机联系,使得人对数据的使用更方便。总之,数据科学家之所以被称为「科学家」,而区别于「数据工程师」和「数据分析师」,其根本在于对数据有极端敏锐的直觉和本质的认知,对问题和业务有深入的洞察和理解,因而能够解决复杂数据带来的问题。
(8)实习、实战或找份工作
甄别自己是不是一个真正的数据科学家的最佳途径,就是用你新学的知识迎难而上,进入数据分析的丛林。
(9)关注并参与社区
关注网站:DataTau, Kdnuggets, fivethirtyeight, datascience101, r-bloggers;关注大牛:Hilary Mason, David Smith, Nate Silver, dj patil; 需要数据?上quandl看看。
3.招聘要求
数据科学家这个职业的定义很广泛。在不同行业不同公司,即使岗位名称同样叫做数据科学家,他们的工作内容也可能是不一样的。这也就是说这个职业有很多分类。如果这个职位对你的编程能力要求很高,那么,建议你看一看与软件工作师有关的面试题。
仔细阅读招聘要求:
- 招聘要求:精通X语言
- 面试时:可突出——我本身会Python,所以我学公司要求的X语言是很快的。
- 招聘要求:会用不同的NLP模块分析文本
- 面试时:可突出——我很擅长用不同的NLP模块分析文本,并加以举例。
- 招聘要求:熟练掌握web-scraping和web-pages-inspecting
- 面试时:可突出——我会用web scrap和查找web页面写一个爬虫,并举例。
- 招聘要求:能在SQL和NoSQL数据库找数据
- 面试时:可突出——我很擅长在SQL和NoSQL数据库找数据并基于这些数据分析模块。
由此可见,确定好选择的方向和发展的行业,比盲目的努力更重要。只有目标明确,内心热爱,才能收获比百万年薪以外更大的事业成就感。知识技术是地基,只有稳扎稳打才能创造奇迹。
4.准备方向
- 明确自己想要什么。设定目标,努力去实现,不要轻易满足。
- 培养成长心态,这很重要。不要说“我不擅长编程”,“我不擅长统计”。不要用“才能”来形容别人,并以此作为自己懒惰的借口。你需要以正确的方式学习,并多次练习。
- 记下你被问到的面试问题,特别你没答上来的的问题。不要犯同样的错误,不断学习和提升自我。
- 与其他人讨论不懂的问题。我非常感谢项目中同学和老师的帮助,每个人都乐于互相帮助对方。
- 参加数据科学聚会,加入数据科学学习小组,与业内人士交流。尽可能扩展自己的人脉网络,可能在意想不到的地方会开启机遇之门。
- 有时成功需要努力和运气。不要总是把失败归咎于自身的原因。
想了解更多关于行业解析、求职攻略、世界500强各行业实习、招聘信息吗?
请关注“JumpStart Career 愉越求职”微信公众号和官方网站
(来源:搜狐)