數(shù)據(jù)科學家人才危機現(xiàn)象，是FOMO還是Silver？

數(shù)據(jù)科學家的人才短缺和薪水高漲已經(jīng)達到了頂板，未來還會持續(xù)下去嗎？

在過去幾年中，高級分析（#大數(shù)據(jù)#分析）空間一直經(jīng)歷著嚴重的FOMO(害怕錯過)。(譯者?。篎OMO(Fear of Missing Out)出自《人類行為計算》,意思為害怕錯過朋友圈里發(fā)生的事情，在這里可以理解為，企業(yè)害怕錯過大數(shù)據(jù)分析的浪潮。）

自從2012年《哈佛商業(yè)評論》發(fā)表了一篇聲明數(shù)據(jù)科學家是本世紀最性感的工作，在2013年，麥肯錫全球研究院(MGI)發(fā)表了一份報告，到2018年美國的經(jīng)驗熟練數(shù)據(jù)科學家短缺190000，每個人都沖在前面去收集和儲存數(shù)據(jù)科學家的信息。聰明的求職者開始用“數(shù)據(jù)科學家”作為自己的簡歷的技巧(并獲得激動人心的工作提供)，不管他們的實際的資格或者經(jīng)驗如何。
但是對于所有這一切，組織還沒有找出什么方法來解決這些擁有高素質的個人，而且還不知道在他們上面的投資如何才能使他們富有成效的和有效益的工作，從而取得更高的效益。
對人才的競爭可能是醫(yī)療數(shù)據(jù)和分析的經(jīng)驗。最近的一項研究提到，
37%的受訪者表示缺乏合格的員工是作為分析的采用率的一個因素。另一項研究出了這人才市場的一些細微差別，如下：
數(shù)據(jù)科學家們中間只有6年的經(jīng)驗，但受過高等教育(92%至少有碩士學位，48%有一個博士學位)，絕大多數(shù)是男性(89%)，和一個不成比例的大量是在國外出生的(36%)。
西海岸上雇傭了超過三分之一(36%)和近一半為企業(yè)在技術和游戲行業(yè)工作(43%)。
數(shù)據(jù)科學家的研究表明中值補償?shù)姆秶梢詮?1000美元但擁有一至三年的經(jīng)驗，而薪水是250000美元需要領導10個或更多的經(jīng)理領導團隊。
這些數(shù)據(jù)有什么問題？
首先考慮這個：
有幾個關鍵因素影響分析從而努力提高使用率，其中之一就是人才短缺。
數(shù)據(jù)科學家的人才并不很好找，至少在美國。
此外,看來年輕工人和應屆大學畢業(yè)生寧愿在小型組織，提供更具挑戰(zhàn)性的數(shù)據(jù)分析工作來解決問題.
這是我的評價：
1：很可能，才華橫溢的稀缺的數(shù)據(jù)科學家正在被由財大氣粗的風投投資的硅谷初創(chuàng)企業(yè)吸收。由于數(shù)據(jù)科學家的規(guī)模池不能迅速或者充分滿足需求，我們可以假設這些數(shù)據(jù)科學家貢獻分析平臺的發(fā)展，將為企業(yè)提供可伸縮的選項和減少對大型團隊的需要非常昂貴的數(shù)據(jù)的科學家。事實上，F(xiàn)acebook和LinkedIn的最高支付工作列表是數(shù)據(jù)科學家的軟件工程師。
2：許多大型企業(yè)發(fā)展創(chuàng)造性的解決方案，例如“團隊合作”，試圖滿足數(shù)據(jù)科學家的工作要求與兩個或三個80000美元的個人，而不是一個250000美元的搖滾明星。
在我看來,一些新興的趨勢可能會解決這個問題在短期內人才短缺：
1、外包：越來越多的分析服務外包給印度公司，而這些公司主要通過大學畢業(yè)生成為數(shù)據(jù)科學家的機會來建立內部學院，教他們基本的統(tǒng)計數(shù)據(jù)，數(shù)據(jù)分析和技術。我們有大批的印度程序員介入來填補一個巨大的人才短缺，從而印度的科技行業(yè)也加強了。分析師和數(shù)據(jù)科學家有什么不同嗎?
2、自動化：我們正在見證未來極端自動化和簡化的時代，和永不停歇的摩爾定律(即大致的計算能力每18個月增加一倍,相應的價格下跌)。我們已經(jīng)在這一轉變在勞動密集型功能，如數(shù)據(jù)中心管理流程自動化機器人列為遣返對象工具正在迅速取代人類勞動。
3 、教育替代：對于任何稀缺商品，市場總是在尋找替代品的步驟。在這種情況下，統(tǒng)計學和應用數(shù)學博士學位在很快就會補充由非技術(如果不是取代)，市場將提供給自學和受教育的個體用勞動力低價的選擇。我們看到這一次又一次地發(fā)生在軟件編程世界里，所以這次將是不同的。
這些力量的影響將導致不可避免的回歸，意味著過高的薪水將降至平均水平。
在我寫這篇文章時，有許多在硅谷創(chuàng)業(yè)公司和在世界其他地方，試圖簡化整個分析過程提供了一個完整的解決方案，包括預先構建的機器學習算法，在端到端技術堆棧放在一個安全的和可伸縮的云環(huán)境。
大公司依靠這個。
微軟和亞馬遜的機器學習平臺是一個基于云計算的預測分析引擎，如何選擇和部署模型的詳細教程。亞馬遜的機器學習作為服務提供的可視化工具和向導指導您完成創(chuàng)建機器學習的過程模型，無需學習復雜的算法和技術。
棺材最后一擊將是企業(yè)和商界領袖所錘成的，他們正在回心轉意，停止瘋狂招聘那些投資而沒有回報率的人才。
歷史告訴我們足夠的教訓。西班牙征服美洲及其后續(xù)占領南美從15到19世紀主要是Silver，。崩潰的Silver的價值在很大程度上導致了帝國的衰落。
（譯者注1：Silver，釋義為銀，銀幣。在西方，15世紀到19世紀中，Silver都是主要的貨幣，包括那時候的中國，銀都是主要流通的貨幣。有興趣的朋友可以看一下《銀線:19世紀的世界與中國》這本書。
在19世紀后期，由于銀價不斷下跌，從而導致復本位制崩潰，形成跛行本位制。當時是金銀雙本位制，國家規(guī)定了一個金銀互換的比例，而民間市場顯然也有這樣一個比例，國家制定的比例明顯缺乏彈性，也就是說不能快速按照金銀間實際價值進行調整。

從而導致了大家都去搶金幣，熔化后收藏，從而逐漸退出流通領域。而銀幣則在市場上泛濫成災，導致其價值不斷貶值。從而有了格雷欣法則，即劣幣驅逐良幣。）

（譯者注2：為什么把數(shù)據(jù)科學家比喻成19世紀的Silver，最大的問題還是在于，數(shù)據(jù)科學家薪水過高，而其能產生的價值和薪水目前還不成正比，且冠名自己為數(shù)據(jù)科學家的人參差不齊，沒有一個統(tǒng)一標準衡量他們的能力。在中國大數(shù)據(jù)市場也一樣，很多做數(shù)據(jù)分析的，簡歷上自稱為“數(shù)據(jù)科學家”，或者大數(shù)據(jù)人才，諸如此類，薪水立刻水漲船高，這已經(jīng)成為大數(shù)據(jù)圈子的一個梗。）
數(shù)據(jù)科學家們今天的Silver，高級分析項目，預計將產生競爭優(yōu)勢的企業(yè)。問題是：它維持其價值多長時間?