
作者Zulie Rane,自由撰稿人和編碼愛好者
20世紀60年代以來,大數(shù)據(jù)在全球范圍內(nèi)生根發(fā)芽、不斷拓展。根據(jù)toOracle的說法,大數(shù)據(jù)是“包含更多種類、以越來越大的數(shù)量和更快的速度到達的數(shù)據(jù)。”隨著大數(shù)據(jù)的出現(xiàn),我們現(xiàn)在擁有龐大、復雜的數(shù)據(jù)集,可以為比以往任何時候都更多的業(yè)務問題提供洞察力。數(shù)據(jù)科學公司在每個行業(yè)都涌現(xiàn)出來,分析這些數(shù)據(jù)以獲得商業(yè)洞察力。
所有這些商機都直接轉(zhuǎn)化為工作機會。盡管很少有大學開設數(shù)據(jù)科學項目,但該行業(yè)正以貪婪的胃口發(fā)展。那里有大量的數(shù)據(jù)科學公司,幾乎每個重要的公司都會有一些數(shù)據(jù)科學家為他們工作。Bernhardt Schroeder在Forbesthat上報道,根據(jù)美國勞工統(tǒng)計局的數(shù)據(jù),到2026年,美國的數(shù)據(jù)科學行業(yè)將增長28%。在數(shù)據(jù)科學領域有大量的空缺職位,所以如果你有技能和興趣,你可以選擇你的選擇。最好的數(shù)據(jù)科學公司是什么?你怎么知道哪一個最適合你?
當你想成為一名數(shù)據(jù)科學家時,大多數(shù)人首先想到谷歌的數(shù)據(jù)科學工作,或者想在臉書找到一份工作。我們有五大數(shù)據(jù)科學公司的終極指南,在那里我們討論了這些大科技公司的數(shù)據(jù)科學角色。當然,這些都是經(jīng)典的數(shù)據(jù)科學雇主,但這份名單旨在超越通常和預期。我想為你提供一些偉大的,也許被低估的選擇,以獲得一份數(shù)據(jù)科學家的工作。
當談到尋找最好的數(shù)據(jù)科學家公司工作時,有很多因素需要考慮。您可能更喜歡規(guī)模較小的數(shù)據(jù)科學公司,數(shù)據(jù)科學工作在某個行業(yè),或者您可能有地理限制。我個人更喜歡以客戶為中心的公司,有很多范圍來探索我自己的數(shù)據(jù)科學興趣,但每個人都不一樣!我將帶你了解我認為作為一名數(shù)據(jù)科學家工作的最佳公司。我考慮了薪酬、工作/生活平衡和行業(yè)重要性的結(jié)合--工作有多酷。最后,我根據(jù)大小將它們分成了幾類。
讓我們深入研究一下為之工作的最好的數(shù)據(jù)科學公司。
微軟有很多很酷的數(shù)據(jù)科學項目和產(chǎn)品。盡管微軟以企業(yè)和消費者軟件公司而聞名,但它是一家科技巨頭,仍然是一家令人生畏的數(shù)據(jù)科學公司。舉個例子,他們有一個名為地球的項目,該項目將他們的云和人工智能工具交到致力于改善環(huán)境的人手中。他們開發(fā)開放源碼工具、數(shù)據(jù)、API和模型,以支持可持續(xù)發(fā)展工作的技術開發(fā)。他們還有旨在縮小“數(shù)據(jù)沙漠”并為殘疾人填補人工智能數(shù)據(jù)集空白的人工智能輔助輔助項目。
除了令人欽佩的研究和開源項目之外,Microsoft還為消費者、企業(yè)和開發(fā)人員提供了廣泛的產(chǎn)品。您可以使用從Microsoft Word到Xbox的產(chǎn)品。有了如此廣泛的終端用戶和產(chǎn)品,您可能會找到一個適合您興趣的領域,或者通過在內(nèi)部移動來嘗試幾個不同的產(chǎn)品領域。
他們在世界各地開放了大量數(shù)據(jù)、分析和助手。您可以選擇專注于一個純粹的數(shù)據(jù)科學角色,優(yōu)化銷售策略,或者作為一個專注于數(shù)據(jù)科學的軟件工程師工作。這一系列的項目是微軟成為最好的數(shù)據(jù)科學公司之一的原因之一。有很多團隊有不同的需求和工作機會,所以你自己看看是否有一個產(chǎn)品領域或團隊讓你感興趣??纯匆环萑娴闹改希鳛橐幻殬I(yè)生涯道路上感興趣的數(shù)據(jù)科學家,在微軟尋找一份工作。
亞馬遜早已擺脫了僅僅是在線書商的日子,成為數(shù)據(jù)科學家的最佳工作場所之一。(我們有關于如何成為亞馬遜數(shù)據(jù)科學家的aguide。)亞馬遜網(wǎng)絡服務(AWS)是云服務行業(yè)中最大的個人市場份額持有者。就數(shù)據(jù)科學公司而言,亞馬遜是一個雇傭數(shù)據(jù)科學家的發(fā)電站,目的是提供機器學習和數(shù)據(jù)科學解決方案以及他們的AWS云服務。
除了以AWS為中心的數(shù)據(jù)科學服務之外,亞馬遜還為在線零售客戶提供反欺詐產(chǎn)品,使用機器學習來檢測他們過多交易中的欺詐行為。
考慮到亞馬遜通過其電子商務業(yè)務生成和收集的所有數(shù)據(jù),亞馬遜控制下有許多非常有趣和信息豐富的數(shù)據(jù)。你不想拿到它嗎?亞馬遜有大量開放的數(shù)據(jù)科學定位,從優(yōu)化供應鏈到預測需求。對于亞馬遜的數(shù)據(jù)科學家來說,有大量迷人的問題需要解決。
愛彼迎投入了大量艱苦的工作來革新旅游業(yè)。愛彼迎很大程度上利用了數(shù)據(jù)科學家。他們的前數(shù)據(jù)科學主管表示,愛彼迎“將數(shù)據(jù)視為客戶的聲音,而數(shù)據(jù)科學則是對這種聲音的解釋?!蔽野l(fā)現(xiàn)以客戶為中心的公司很適合為之工作。做出的決策是有目的和邏輯的,它們旨在使客戶和業(yè)務都受益。
愛彼迎利用數(shù)據(jù)科學改善了他們的服務和搜索,也改善了他們的招聘實踐。他們使用數(shù)據(jù)科學來分析和消除自己招聘行為中的偏見。數(shù)據(jù)科學公司可以選擇使用他們在內(nèi)部流程方面的大量知識,愛彼迎就是一個很好的例子。他們的自我反省和批評文化是為什么我認為愛彼迎是最好的數(shù)據(jù)科學公司之一。
愛彼迎數(shù)據(jù)科學的另一個很酷的地方是,他們在金融、信托和客戶體驗方面有開放的數(shù)據(jù)科學職位。有了如此廣泛的關注領域,一個數(shù)據(jù)科學家可以在愛彼迎四處走動,接觸許多不同的行業(yè)。我一直認為未雨綢繆,想想你接下來的三步棋是個好主意。在愛彼迎作為數(shù)據(jù)科學家工作可能會導致與金融科技公司、安全部門或更面向客戶的角色合作,所以如果這是你感興趣的事情,請查看Airbnbs開放數(shù)據(jù)科學位置列表,找到一個適合你興趣的位置。
有數(shù)據(jù)科學公司,然后是英偉達。英偉達定義了“加速分析”,它處理數(shù)據(jù)的速度快20倍,不需要通過使用GPU進行重構,就像他們的英偉達DGX A100S一樣。在商業(yè)世界里,時間就是金錢,這些優(yōu)化為NVIDIA的圖形卡帶來了很多成功。他們讓他們的數(shù)據(jù)科學家使用尖端芯片和圖形卡來優(yōu)化它們,以便處理大量數(shù)據(jù)。
在英偉達,你有機會改進世界各地數(shù)據(jù)科學家的工作。您可以對數(shù)據(jù)科學工作的效率產(chǎn)生乘數(shù)效應,這就是為什么英偉達是最好的數(shù)據(jù)科學公司之一--您有如此高的影響和實現(xiàn)的機會。
英偉達還向客戶提供數(shù)據(jù)科學咨詢,并在內(nèi)部使用數(shù)據(jù)科學來優(yōu)化開發(fā)產(chǎn)品的受歡迎程度。作為一家大公司,他們有數(shù)百個開放的數(shù)據(jù)科學職位,從數(shù)據(jù)架構師到數(shù)據(jù)生成工程師。
Oracle有一個非常酷的云平臺,使他們的客戶能夠通過機器學習模型、可視化和預測分析來利用他們的數(shù)據(jù)。作為一名致力于開發(fā)此平臺的數(shù)據(jù)科學家,您可以開發(fā)所有這些奇妙的模型和工具,供最終用戶應用于他們的數(shù)據(jù)。
AnalyticsPlatform擁有“嵌入式機器學習和自然語言處理技術,有助于提高生產(chǎn)率?!边@種工作給你一個很大的機會來提高客戶的(工作)生活質(zhì)量。你可以做廣告,設計以數(shù)據(jù)科學為中心的產(chǎn)品,找到組織和分析非結(jié)構化數(shù)據(jù)的新方法,或者在噪音中搜索以揭示意義。
Oracle擁有數(shù)以千計的開放數(shù)據(jù)科學職位,遍布其內(nèi)部部門,幾乎適用于每一個經(jīng)驗級別。鑒于開放數(shù)據(jù)科學職位的數(shù)量,如果你想在許多不同的領域獲得聲譽和經(jīng)驗,Oracle是最好的數(shù)據(jù)科學公司之一。
你可能不會馬上想到這家總部位于亞特蘭大的航空公司,但達美應該被認為是數(shù)據(jù)科學公司之一。達美航空將機器學習應用于決策科學,“規(guī)模之大前所未有”。通過訪問德爾塔的歷史數(shù)據(jù),德爾塔的數(shù)據(jù)科學家模擬運營挑戰(zhàn),以提出將客戶影響最小化的解決方案。作為一個曾因許多航空公司的無能而感到沮喪的人,發(fā)現(xiàn)一家正在利用數(shù)據(jù)的力量優(yōu)化客戶體驗的公司令人耳目一新。
作為世界上最繁忙的機場哈茨菲爾德杰克遜國際機場的主要航空公司,效率和優(yōu)化是達美的關鍵目標。德爾塔有大量的開放數(shù)據(jù)科學記錄,但其中絕大多數(shù)在佐治亞州的亞特蘭大。Delta絕對是東南部最好的數(shù)據(jù)科學公司之一。你的工作范圍可以從健康分析到運營決策科學再到數(shù)據(jù)策略師。談變化多端!
Splunk的主要產(chǎn)品是acentral data Platform,它允許用戶以安全的方式監(jiān)控、調(diào)查、分析和處理他們的數(shù)據(jù),從而更有效地操作。他們的機器學習內(nèi)置包括離群點檢測、預測、事件聚類和預測分析。就數(shù)據(jù)科學公司而言,如果您對硬核機器學習模型有熱情,那么Splunk將非常適合您。
他們的中央數(shù)據(jù)平臺允許跨多云環(huán)境的數(shù)據(jù)流。Splunk的平臺還具有對結(jié)構化和非結(jié)構化數(shù)據(jù)執(zhí)行實時搜索的能力。看看Splunk的開放數(shù)據(jù)科學位置。
作為自稱的“混合云公司”,Cloudera允許客戶將私有云和公有云結(jié)合起來。這意味著您可以混合內(nèi)部和外部數(shù)據(jù),為客戶提供更強大的洞察力。Cloudera憑借其強大且可擴展的云數(shù)據(jù)平臺,在數(shù)據(jù)科學公司的世界中獨樹一幟。他們的Cloudera data platform(CDP)混合云運行在客戶機數(shù)據(jù)所在的地方,使其工作更快、更安全。
Cloudera的數(shù)據(jù)科學家傾向于更多地關注數(shù)據(jù)管理和他們的機器學習平臺,所以如果你對這些重點領域感興趣,請看看這里。
分子是一家專注于電子商務客戶洞察的數(shù)據(jù)科學公司。他們的目標是提供洞察力,“幫助你向消費者推銷--而不是人口統(tǒng)計數(shù)據(jù)?!狈肿訉W⒂谒麄兊漠a(chǎn)品易于實現(xiàn),并聲稱它可以在購買后72小時內(nèi)發(fā)布。
分子是最大,最多樣化的消費者購買面板。他們提供大量數(shù)據(jù),并竭盡全力提供分析。數(shù)據(jù)科學家的工作是直接從消費者那里收集數(shù)據(jù),并對其進行分析,為分子的客戶提供洞察力。Menerator喜歡讓他們的數(shù)據(jù)科學家盡可能自主地工作,這樣您就可以將項目從初始階段推進到生產(chǎn)階段。如果你喜歡開放式問題的非結(jié)構化工作,分子是最好的數(shù)據(jù)科學公司之一??纯捶肿拥穆殬I(yè)門戶,在那里你可以為客戶提供有價值的市場分析。
與Cloudera類似,Teradata是一個混合云平臺,允許您將公共云(如Azure和AWS)與內(nèi)部解決方案混合在一起。像許多數(shù)據(jù)科學公司一樣,Teradata也向企業(yè)客戶提供咨詢團隊,以幫助最大限度地利用他們的解決方案。
他們的主要產(chǎn)品Vantage是包含集成分析功能的軟件,可以在多個混合平臺上執(zhí)行,以提供大規(guī)模的洞察力。
您可以在高度并行和高效的發(fā)行版中擴展所提供的分析功能(ML、統(tǒng)計、文本等)。Teradata對他們的工作和驗證采取了學術方法,因此他們鼓勵申請專利、在期刊上發(fā)表文章和參加會議。如果你想成為一個數(shù)據(jù)智囊團,Teradata可以為你提供一個優(yōu)秀的專業(yè)社區(qū)和連接,讓你成為一名數(shù)據(jù)科學家。
Teradata的定位遍布全球,他們甚至有“數(shù)據(jù)科學家算法開發(fā)工程師”這個非常酷的角色。如果你想將對數(shù)據(jù)的熱情與對算法和優(yōu)化的深入了解結(jié)合起來,Teradata是最好的數(shù)據(jù)科學公司之一。
Databricks的LakeHousePlatform是數(shù)據(jù)湖和數(shù)據(jù)倉庫的組合。它們的目標是像數(shù)據(jù)湖一樣具有成本效益,同時提供通常與數(shù)據(jù)倉庫相關的高端數(shù)據(jù)管理和性能。
他們希望消除數(shù)據(jù)孤島,將分析、數(shù)據(jù)科學和機器學習融為一體。Lakehouse構建在開源平臺之上,以最大化其可用性和靈活性。數(shù)據(jù)科學公司可以非常保護他們的專有系統(tǒng)和軟件,所以我認為Databricks選擇在開源平臺上構建他們的主要產(chǎn)品是非??岬摹?
他們的開放數(shù)據(jù)科學家職位具有很大的影響力,因為他們的職責包括塑造他們的數(shù)據(jù)科學解決方案的方向,包括“預測、產(chǎn)品分析、流失預測和洞察力、細分和建議”。您還可以在整個公司范圍內(nèi)代表數(shù)據(jù)科學,并促進數(shù)據(jù)驅(qū)動的心態(tài)。
他們有數(shù)據(jù)解決方案架構師、機器學習平臺工程師、分布式數(shù)據(jù)系統(tǒng)工程師,以及更多與數(shù)據(jù)科學有關的人。
有很多公司雇傭數(shù)據(jù)科學家。數(shù)據(jù)科學工作需要機器學習或數(shù)據(jù)科學的專有平臺,或者在另一個行業(yè)使用數(shù)據(jù)科學。最適合你的公司和職位取決于你的興趣愛好。
如果你對環(huán)境非常熱情,你可能想作為一名數(shù)據(jù)科學家為微軟的Earthfrom做一個類似AI的項目。然而,如果您對純數(shù)據(jù)有強烈的熱情,并且對電子商務感興趣,那么分子可能是更合適的選擇。
好消息是你被寵壞了選擇。如果你沒有正式學習過計算機科學或數(shù)據(jù)科學,我認為留在你所處的行業(yè)并在那里尋找數(shù)據(jù)科學的職位是個好主意。你現(xiàn)有的背景知識將使你比其他不了解該行業(yè)的數(shù)據(jù)科學家更有優(yōu)勢。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構數(shù)據(jù)價值的核心操盤手 表格結(jié)構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10