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。

技术栈

为了更好地理解人们通常集中使用什么工具,我们做了一些聚类分析。我们把所有的回答导入一个图形数据库里, 并用科技界常用的聚类算法进行运算,从中我们发现一些相关的聚类技术栈:

1.数据可视化工具

这些人工作在设计数据科学光谱的最后端。从下面的聚类工具中看到, 与其他组相比,他们与前端web开发人员有许多共同之处。JavaScript排在第一位——设想有多少web是由JavaScript开发的,就一点也不奇怪了——还有其他设计工具和插件,例如CSS, HTML5和jQuery,能看出这些工具和插件在web开发中也起到了主导地位。

这组工具的出现帮助我们强调了网络沟通中的数据洞察力,同时也突显出当你试图理解和解读数据时,设计是多么的重要。

\

2.可编程数据管理员

使用这组工具的人们从事洞察数据的工作。他们主要负责快速地对数据进行采集、清洗和操做,其目的是为了能够回答任意特定问题,例如从客户行为到财务规划等。

Python成为最重要的工具——不足为奇,因为它具有容易使用的原型和强大的灵活性。

Pandas的出现强调了Python的主导地位——事实上, 恰好是因为pandas提高了Python的数据分析能力,从而巩固了自己的地位。

然而这里还有趣地看到了C++ , 虽然Python提供了灵活性和易用性, 但是C++的惊人执行速度仍然是Python无可匹敌的。

\


3.大数据专家

使用这组工具的是对系统的可伸缩性和健壮性感兴趣的大数据专家。

Hadoop在这里主宰了大数据世界——然而, Scala和 Spark也出现在这组工具里,并且地位显著。随着要求更快的处理速度(通过扩展实时分析实现)从而需求增加,很有可能期待看到更多的进步。

还有一些有趣的web工具也出现在聚类里,比如JavaScript和Spring。它们曾出在第一个聚类里,其作用是通过基于web的应用程序来进行有效和快速的沟通。

\

4. Data Architects数据架构师

这组工具反映了组织的需求,如何以有效、智能的方式进行数据洞察力的沟通—这也是数据架构师的主要挑战。显然, 企业级工具占据了这个聚类, 聚类还显示出企业在选择关键业务的工具时,微软和甲骨文仍被视为首要选择。

\

这些工具组给了我们一个有用的启示,数据世界是如何细分的, 不同的工作角色是如何建立起一个工具的“生态系统”的。一个有趣的问题是, 这个工具“生态系统”在未来的几年内会改变吗?这些聚类会不会变得不稳定?

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