当前位置:首页 > 行业报告 > 正文

Skill Up | 数据科学与商业智能的薪资与技能报告2016-12-08 14:03:01 | 编辑:hely | 查看: | 评论:0

在数据科学快速发展的今天,在世界大范围的组织内数据已经变得至关重要,无疑这与过去十年热议的“大数据”经济紧密相连,与数据相关的岗位当今已经成为经济社会中最热门的技术岗位。

行业分布

我们还研究了不同行业对数据科学人才的重视程度。受访者们提供的指标很好地表明了数据科学在哪些行业是最重要的。

 

\

 

大多数的受访者在咨询领域拥有超过20年的工作经验。其共性表明,外部专家受到追捧。

那些经验较少的受访者主要集中在教育/学术领域从事研究工作。显然,图表显示不是薪酬最高的行业之一。

经验较少却能获较高年薪的人按行业分布

 

\


金融和银行业脱颖而出,成为支付最佳薪酬的行业。随着算法交易的兴起, 大数据在金融的方方面面都有应用,对于那些拥有数据一技之长,即使没有很丰富的经验的人来说,在金融领域也有很多获得高薪的机会。

你想学习定量金融学吗? 那就赶快捡起这个大礼包吧!

Mastering R for Quantitative Finance
R语言与定量金融学
Introduction to R for Quantitative Finance
R语言与定量金融学介绍
Python for Finance
Python与金融
Mastering Python for Finance
精通Python与金融
Advanced Quantitative Finance with C++
高级定量金融学与C++
(链接见PDF)

媒体/广告/娱乐和游戏, 虽然不是利润丰厚的金融领域,但看上去也是能为缺少经验的人提供可观薪水的行业。从实际情况出发,一般来说, 一个缺少经验但薪水要求不高的人在这些行业是很有竞争力的。我们的数据清楚的表明,这些行业愿意投资没有技术经验和数字技能的人。

这个迹象表明,在这些经济较困难,且需要依靠数据驱动战略来保持竞争力的行业,虽然可能缺乏资金或现金流来投资和培养数据专业人才,但是如果缺乏经验的人不要求高薪的话,若有合适的技能也有可能会填补职位的空缺。

职业发展和面向数据的工作

我们已经了解到缺乏经验的数据从业者在工作方面如何做出最佳选择 ,那么之后未来的职业发展又会是怎样的呢?

我们还想看到不同工作角色在不同行业的薪资差异。下面的图表显示了一些特定工作角色的最高薪水, 以及这些工作角色在哪些行业是最具价值的。

不同行业不同工作的平均年薪

\

 

图例翻译:
Data Architect 数据架构师
Statistician统计师
Business Intelligence Expert (includes Devs, analysts) 商业智能专家
Data Scientist/Analyst 数据科学家/分析师
Intermediate IT/Regulation/Business 中级IT/合规/业务
Assistant Director 总监助理
CONSULTING 咨询
Finance/Banking 金融/银行
Media/Advertising/Entertainment and Gaming 媒体/广告/娱乐和游戏

• 媒体/广告/娱乐和游戏行业的数据架构师是最重要的工作角色之一,能够争取到比其他行业更高的薪水。

• 数据架构师与数据统计师,对比两者在行业中实施数据科学与数据驱动战略的关键差异,可以推断出,在金融行业做数据统计的人的收入略高于数据架构师,但是在媒体行业数据架构师会挣得更多一些。

• 媒体和娱乐行业会经常发生灵活的、组织级变化,快速响应变化对于媒体和娱乐行业至关重要,因此开发解决方案、 搭建数据架构的架构师工作含金量非常高。但是在金融行业,方案架构早就有了,架构师的工作含金量就不那么高了。

技术使用分析

有超过25%的受访者表示日常使用Python, 但也有几乎相同比例的人使用R语言。
分布式计算和机器学习正变得越来越重要。
增强现实技术和物联网正在改变人们看待数据的思路。

从后两点可以读出未来5年多种来源的数据继续以指数级增长。处理这些数据的技术仍在发展, 所以不要让自己落后!

人们究竟在用什么工具?

数据从业者日常需要用哪些工具呢,回答如下:

\

Python在数据领域胜出。其多功能性,拥有易于使用、内容丰富、保罗万象的第三方库,从机器学习到web抓取无所不能 ,加上使用门槛较低, 使它成为理想的选择。

Python高手们日常还使用什么工具?

\

大量的受访者表示使用Python和R语言、 Python和Java、Python和C++。
同时掌握Python和R语言,可以提高你的编程熟练度,并成为一个适应性更强的数据科学家:

Practical Data Science Cookbook
实用数据科学Cookbook
R Data Analysis Cookbook
R语言数据分析Cookbook
Python Data Analysis
Python数据分析
R for Data Science
R语言数据科学
Python Data Science Essentials
Python数据科学精要
(链接见PDF)

上一篇:DB-Engines: 2016 年全球数据库排名尘埃落定 高盛AI生态报告:美国仍是主导,中国正高速成长(附下载)下一篇:

公众平台

搜索"raincent"或扫描下面的二维码