2018 年數據科學家簡歷研究 – 數據科學家需要什麼技能?市場展望如何?

根據美國著名求職網站 Glassdoor 的數據顯示,數據科學家是 2017 年美國排名第一的專業人士工種,行業的基本工資中位數為 123,000 美元 (約為港元 959,400)。 而且,數據科學就業市場還遠未飽和,估計僅在美國就有 190,000 名數據科學家的職位空缺,真正的供不應求。 如果您正在考慮轉向數據科學的職業,未來的相關機會非常龐大。
為了更了解這一不斷增長的領域,筆者特以 365 Data Science 於 2017 年底對數據科學家市場的研究作重點,希望讀者們能更了解市場發展。該研究從 1,001 LinkedIn 簡歷中收集數據,這些簡歷都顯示有 “數據科學家” 頭銜。 把簡歷分為兩組 – 分別為在財富 500 強企業僱用的人員和在其他地方工作的專業人員。 此外,樣本還包括在美國(40%),英國(30%),印度(15%)和其他國家(15%)工作的數據科學家。 因此,數據來自具有不同背景的數據科學家,以限制偏見,公信力強,也可了解專業在國際市場的發展情況。

典型數據科學家的工作簡歷

男性,至少精通一門外語,並具有碩士或博士學位。 在獲得相關學位後有 4 到 5 年的數據科學工作經驗。 R 和 Python 是其首選的編碼語言,其次是 SQL。
現時市場上,數據科學專業暫時由男性主導,男性佔樣本的70%。 然而,隨著該領域的巨大需求,加上不同行業有其優勢特質。 所以,如果你恰好是女性,請不要氣餒,先繼續閱讀。

數據科學家最需要甚麼技能?

 

以下是數據科學家在簡歴中最常見的技能組合。

R 和 Python 是主導數據科學領域的編程語言。 53%的數據科學家都精於 R 和/或 Python。 請注意,它們可能重疊,因為一些數據科學家同時使用這兩種語言。

在不斷變化的數據科學界中,R 和 Python 是數據科學領域最前端的工具。 R 更數據科學界最為廣泛應用的語言,每個打算進入該行業的人都應該學習。
 

其他流行的數據科學語言是:

·SQL(40%)

·MATLAB(19%)

·Java(18%)

·C / C ++(18%)

相關工作經驗

鑑於數據科學家專業新興起不久,數據科學家的工作經驗中位數為2年也就不足為奇。 如果您正在申請數據科學職位但沒有該領域經驗,無需感到尷尬。 你不會是第一個。 樣本中只有 36% 的數據科學家有數據科學相關工作經驗,可見該領域有很大的增長空間。 其他 64% 的人最常見的背景是分析師(19%),IT專家(16%)或學者(12%)。

此外,8%是從實習生的身分進入數據科學家相關工作。表明行業人才缺乏,新人入行機會很大。

教育和培訓

大多數從事數據科學工作的專業人員都受過高等教育。 事實上,研究結果表明,大約75%的數據科學家擁有博士學位或碩士學位。
 
 

另一方面,名校不是必須的。 研究樣本中大約25%的數據科學家畢業於 “沒有排名的大學”。 換句話說,您的大學是否名校,對您從事數據科學職業的機會沒有影響。

大多數數據科學家擁有計算機科學(20%),統計學和數學(19%)或社會科學(19%)的學位。 只要你有相關背景,你就可以進入數據科學的大門了。

因此,您不一定要跳入額外的學術課程來獲得工作所需的技能。 如果您想升級自己的技能,在線課程是一種可行的選擇。 近 40% 的數據科學家報告他們在LinkedIn 簡歷中註冊了在線課程。而本中心 Sky Catcher 的數據科學應用課程也是一個非常有價值的選擇:

數據科學速成班

以專業 R coding 和 實用案例 為材料,助你在 30 天內掌握 Big Data (大數據) 和 A.I. (人工智能) 等複雜概念,並開始應用到你的個人及商業項目上。

導師:香港數據科學家 Warrington Hsu

學員:適合任何對數據科學有興趣的初學者 (沒有 coding 底子要求)


市場就業前景

了解了行業的技能,當然要看看工作前景和機會了。 那麼,那個行業的數據科學工作機會最多? 在英國和美國的就業市場,數據科學家很可能會被聘為工業公司,如製造業,快速消費品,公用事業,諮詢公司等。 然而,對於印度來說情況並非如此,其中大多數(68%)數據科學家受僱於技術和 IT 公司。醫療保健和金融行業似乎也需要數據科學家,佔整個樣本的14%和6%。
 
就筆者預計,在香港市場方面,在金螎類如銀行、保險和快速消費品這幾個行業的工作機會會比較大。
 

組織的規模大小也影響到數據科學家的技能組合。無論公司層是什麼,所有規模的組織都聘請能夠使用 R,Python,SQL 和 Matlab 編程的數據科學家。 但是,如果目標是進入財富500強企業,SAS 和 Hadoop 可能會派上用場。 圖表之外的公司很少需要能夠使用 Hadoop。 在F500中,大數據的處理能力是最重要的考慮之一。

簡略總結

這就是2017年底數據科學專業簡略研究的基本情。好消息是,即使你沒有相應的學位,你仍然可以透過掌握相關的技能和工具進入這領域。就筆者而言,香港的數據科學專業發展相比研究中所提及的地區而言,處於一個更早期的發展階段。進入行業的機會更大而且發展空間也更大。如果您對數據和終身學習充滿熱情,那麼現在是開始追求數據科學家職業生涯的時候了。