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)

了解課程

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。