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。

下一步是什么?

我们向受访者提问在未来得6个月之内计划学习什么工具。我们想知道哪些是热门工具, 是什么人在使用这些能够赚钱的工具, 这些问题的答案可以帮助你决定在哪个领域提高技能, 或学习新的知识。

下面一起来看按薪水加权的根据词频画出的词云吧!

\

提几个经过研究的关键建议:
• Spark和Hadoop表现出众, 表明集群计算在增长。
• 基于Web的技术也出现在词云里,表明人们看到了网络共享数据分析的价值。
• NoSQL数据库的热度在数据世界里持续上升。

新兴的趋势是什么?

我们询问受访者,在未来12个月内最重要的新兴的趋势是什么:

\

从回答中得到一些明确的信息:

• 机器学习将成为大家关注的焦点之一,因为在数据领域工作的所有人,以及相当范围内的部门和行业,都将被预测洞察和统计分析这两个需求所驱动。

• 增强现实技术和物联网将成为数据科学家在未来几年内主要面临的挑战。

• 移动在词云中的突出显示表明了移动性分析越来越被强调,因为用户有离开办公桌越来越远的趋势。

• 分布式计算(集群式和云平台)会改变我们的思考方式,甚至是对数据的思考。管理大数据项目中的资源所产生的焦虑,是基于前面情况可能出现的症状。随着物联网和移动应用日益占据主导地位, 管理更大的数据集将成为一个更大的挑战。

如果你参与了一个大数据项目, 你就需要掌握机器学习的技术。从现在起,打开这个礼包,开始探索机器学习和预测分析之旅吧。

Machine Learning with Spark
Spark与机器学习
Scala for Machine Learning
Scala与机器学习
Machine Learning with R
R语言与机器学习
Machine Learning with R Cookbook
R Cookbook与机器学习
Building Machine Learning Systems with Python - Second Edition
用Python构建机器学习系统—第二版
(链接见PDF)

Hot Topics 热门话题

我们询问了受访者关于大数据发展和挑战的一些简单但热门的话题。

你觉得在未来12个月内,Julia作为数据科学语言会取代R语言和Python吗?

\

由薪水最高的受访者给出的答案是,Julia正处于上升阶段。原因很简单,因为它是专门为科学计算而设计的语言,拥有一些有趣的特性,比如多重分派,实用的图形库和完美的JIT编译性能。Julia值得我们拭目以待!

想要保持领先于趋势的地位吗? 选择一本Julia的书开始学习吧!

Getting started with Julia Programming Language
Julia编程入门
Mastering Julia
精通Julia
Getting Started with LLVM Core Libraries
LLVM核心库入门
Python High Performance Programming
Python高性能编程
R High Performance Programming
R语言高性能编程
(链接见PDF)

你认为在未来12个月内Apache Spark可能会取代Hadoop吗?

\

调查结果说你现在安全啦!

然而,如果你还没有搭上Hadoop的快车,那么现在搭上还不算晚哦…

Learning Hadoop 2
学习Hadoop 2
Mastering Hadoop
精通Hadoop
Big Data Analytics with R and Hadoop
用R语言和Hadoop分析大数据
Fast Data Processing with Spark - Second Edition
快速数据处理与Spark—第二版
Apache Mesos Essentials
Apache Mesos精要
(链接见PDF)

数据分析和数据检索之间的边界是模糊的吗?

普遍来讲 ,这是有争议的。

\

• 64%的受访者同意边界是模糊的。

像BigQuery这样的工具本可以表现得更出色。当然啦,还需在未来12个月内继续观察这些工具的表现。

随着大数据变得无处不在,大数据的原则不再仅仅满足最简单有效的策略了,同时还要满足最高的效率和最快的速度。

想成为精通数据分析和数据检索的大师吗?赶快学习这些热门书籍吧。

Clean Data
数据清洗
Practical Data Analysis
数据分析实践
Mastering Predictive Analytics with R
精通R语言预测分析
Learning Data Mining with R
使用R语言进行数据挖掘
Learning Pandas
学习Pandas
(链接见PDF)

你的公司在未来12个月内有实施大数据项目的计划吗?

\

看起来,大多数受访者都工作在期待实施大数据项目的组织中,这与他们缺乏经验的情况存在巨大的反差,虽然原因并不明显, 但有许多可能的解释。

可能是那些缺乏经验的人并不参与组织战略的制定和决策。或者可能那些缺乏经验的人刚开始工作,恰好了解到已经有大数据项目实现。

最后...

Excel在你心中还占有一席之地吗?

\


Excel是永恒的, Excel 2013太棒了…它神一样的存在所有人的内心深处!

总结

可能是老生常谈了,很显然科学数据和大数据不是简单的趋势 ,而是一场深刻而广泛的社会、文化和经济上的变革。

咱们不讨论“大数据革命”或说“数据科学家”是“21世纪最性感的工作”的话题了,让我们来看看数据在不同领域应用的不同方法吧。对于中小企业来说, 应用数据让公司更加开放、积极地面对和响应性市场的变化是至关重要的。机器学习的重要性进一步凸显出来,它能快速交付一个明确而有意义的洞察力!在较大的组织中,往往会有创建大数据解决方案的动力。由于数据科学家和分析师寻找引入新的工具方法,比如Hadoop和Spark,使得分布式计算和集群式计算明显上升。

更加有趣的是,由于物联网和增强现实等新兴的趋势出现,我们对数据的理解似乎正在改变。物联网取代大数据成为未来的流行词极有可能。数据科学家,分析师和架构师们虽然还不清楚如何解决日常问题,但是几乎可以肯定的是,遍布每一个角落的数据文化会给人们带来许多的挑战和大量激动人心的机会。

如果你想成为一个数据科学家,你需要:

• 扩大编程语言范围是必须的,这将使你更具有灵活性。当你为一系列不同的项目工作时,

• 掌握机器学习。如果你想开始或进一步深入学习, 就去抓取机器学习的大礼包吧!

• 如果你刚刚开启职业生涯,你也许在金融行业或者中小企业,也许工作很糟,你也许在一个成熟的大型企业获得了高薪工作,但在这里可能有个小小的差别,在一个中小企业里会得到更多的机会和责任。

• 如果你在媒体行业工作,努力成为一个数据架构师吧, 学习如何开发和实施大规模数据的解决方案,可以让整个组织受益。

• 掌握Hadoop和Spark大数据工具是有用的,掌握在分布式网络环境中学会使用这些工具调配紧张的资源更加有用。

• 关注物联网——我们目前还不太知道物联网将把数据世界引向何方!

 

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