
數據行業(yè)新手、從業(yè)人員職業(yè)生涯提升計劃
市場對于數據科學家的迫切需求使得眾多IT專業(yè)人士開始認真考量這一前景可觀的全新發(fā)展方向。
數據科學已經快速成為IT領域中一大炙手可熱的職位選項。受到生產環(huán)境內結構化與非結構化數據以創(chuàng)紀錄速度膨脹的積極推動,這一領域快速發(fā)展。不過,更為重要的是更為強大且成本低廉的數據科學工具的不斷涌現,包括微軟Excel到Python再到 Hadoop。這些足以幫助小型初創(chuàng)企業(yè)、大到谷歌及Amazon等網絡巨頭搞定自己面對的具體數據分析難題。
因此,數據科學已經成為專業(yè)人士不容忽視的一大全新發(fā)展機遇,并能夠為其帶來相當可觀的薪酬水平。與其它早已成熟的傳統(tǒng)技術不同(例如數據庫管理),數據科學顯然是一類全新領域。這意味著其具備更出色的開放性,而新晉專業(yè)人士亦樂于學習與之相關的各類新型技能。
崗位來自哪里——薪酬水平又是如何
粗略地瀏覽一遍領英上的相關信息,大家基本可以對數據科學擁有初步的市場需求感受。2016年1月,相關招聘帖數量高達 3500條,其職稱范圍從高級數據科學家到分析數據科學家乃至大數據工程師等等。相關雇主則包括網絡領域的各大中堅力量,包括Amazon(70多個開放崗位)、博思艾倫(70個以上崗位)、彭博、甲骨文、美國商業(yè)銀行以及Capital One等等。
對于那些能夠在數據科學領域拿下一個職位的朋友們來說,亦有一份相當豐厚的薪酬等著他們。目前美國本土數據科學崗位的中位數薪酬為每年10萬4千美元,O’Reilly Media公司在2015年數據科學薪酬調查報告當中指出。(PayScale亦表示加州地區(qū)擁有經驗的數據科學家的年薪中位數在10萬美元。)當然這只是開始,Robert Half Technology 2016薪酬指南報告稱,2016年數據科學家的平均薪酬在10萬9千美元到15萬3750美元之間。舊金山灣區(qū)則是美國數據科學需求的核心地帶,不過相關職位的需求亦可謂遍地開花。目前在紐約、波士頓以及華盛頓特區(qū)等城市亦出現了旺盛的數據科學人才需求。
六位數的可觀薪酬再加上驚人的開放崗位數量,已經促使相當一部分企業(yè)將人才物色的目光投向了本地之外。除此之外,也有相當一部分大學及專業(yè)協會提供相對應的教育計劃,旨在幫助具備數據分析能力的其他專業(yè)人士順利進入這一領域。
雇主們有何需求
微軟公司在業(yè)內一直以強大的產品盈利能力與可觀的研發(fā)投入而著稱。為了保障自身研發(fā)實力,微軟方面正在積極吸納數據科學家與機器學習專家。根據領英上的相關信息,微軟公司目前擁有超過400位與數據科學相關之員工,其中一部分員工擁有博士學位。微軟公司亦在努力通過校園招聘招徠經驗豐富的數據科學專業(yè)人員。微軟公司招聘人員Robin McMahon談到了她眼中微軟提供的數據科學從業(yè)者發(fā)展機遇:
“現在為微軟公司招聘數據科學家確實相當令人興奮,因為候選人往往有機會在面試中涉及多個不同部門,”McMahon解釋道,她一直在專注于招聘數據科學與機器學習專家。微軟公司的數據科學家們正著手構建多種不同產品,包括Azure、Xbox與Bing。
“我們對于各類技能以及數據科學教育及從業(yè)背景很感興趣,”McMahon解釋稱。“發(fā)表過數據科學相關論文能夠幫助大家在候選者當中脫穎而出,”她補充道。微軟公司會定期向Strata大會派遣招聘人員,從而幫助這一領域補充新鮮血液。雖然擁有計算機科學學位能夠更好,但不具備也沒關系。McMahon甚至遇到過幾位來自生物信息或者其它信息學領域的專業(yè)人員,最終他們都成功進入了微軟公司。
即使是那些不具備數據科學或者信息學正規(guī)教育背景的候選者也能夠擁有這樣的全新職業(yè)生涯——只需要一點激情與耐性。
“自學與對數據科學的熱情可以說是數據科學專業(yè)人士的關鍵性素質,”電子商務企業(yè)Instacart公司數據科學副總裁 Jeremy Stanley強調稱——這是一家專門提供個性化購物與送貨服務的企業(yè)?!拔腋鼉A向于提供現成的挑戰(zhàn)供候選者們解決,而不是單純著眼于其簡歷內容,”Stanley補充稱?!拔腋叨汝P注候選者們解決問題的能力及其代碼編寫質量。”
Instacart公司的招聘流程包含可帶走的測試內容以及與團隊協作解決的問題,Stanley告訴我們。
除了數學與計算機科學知識,Stanley認為數據科學專業(yè)人士還應當著眼于客戶與產品對數據影響能力加以考量。“這種能夠提出正確問題并不斷進行針對性學習的能力能夠切實幫助數據科學家們成功扮演現有角色并拿到潛在工作崗位,”
數據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 函數的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數據處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數據庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數據分析師:表結構數據 “獲取 - 加工 - 使用” 全流程的賦能者 表結構數據(如數據庫表、Excel 表、CSV 文件)是企業(yè)數字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、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 數據分析師:解鎖表結構數據特征價值的專業(yè)核心 表結構數據(以 “行 - 列” 規(guī)范存儲的結構化數據,如數據庫表、Excel 表、 ...
2025-09-17Excel 導入數據含缺失值?詳解 dropna 函數的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數據時,“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 在數據分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數據差異是否 “ ...
2025-09-16CDA 數據分析師:掌控表格結構數據全功能周期的專業(yè)操盤手 表格結構數據(以 “行 - 列” 存儲的結構化數據,如 Excel 表、數據 ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(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 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數據分析師:激活表格結構數據價值的核心操盤手 表格結構數據(如 Excel 表格、數據庫表)是企業(yè)最基礎、最核心的數據形態(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(如接口調用、數據爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數據的科學計數法問題 為幫助 Python 數據從業(yè)者解決pd.read_csv讀取長浮點數據時的科學計數法問題 ...
2025-09-12CDA 數據分析師:業(yè)務數據分析步驟的落地者與價值優(yōu)化者 業(yè)務數據分析是企業(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)則拆解到數據把關的實戰(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:數據驅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 數據分析師與戰(zhàn)略 / 業(yè)務數據分析:概念辨析與協同價值 在數據驅動決策的體系中,“戰(zhàn)略數據分析”“業(yè)務數據分析” 是企業(yè) ...
2025-09-11Excel 數據聚類分析:從操作實踐到業(yè)務價值挖掘 在數據分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數據中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數據解讀到決策支撐的價值導向 統(tǒng)計模型作為數據分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10