发帖
雷达卡
爱在哪里–数据科学职业机会趋势
简介： Burtch Works的年度工资调查向我们介绍了哪些行业使用的数据科学家最多，以及技能水平较高和较低的数据科学家之间的区别。薪资增长向我们展示了需求是否在增加，最后我们确定了最需要的技能。
几年会有所作为。我们曾经说过，每个人都爱数据科学家，并且希望成为一名科学家。还是这样 但是，随着数据科学在各个级别，行业和地域的企业中越来越被采用，数据科学可用机会的性质也发生了变化。
是的，它仍然是您可以做出的最有趣和最有意义的职业选择之一。我不会用它换任何东西。在基本预测未来的同时，您还可以在其他哪些地方利用先前未估价的数据创造价值？当然，我说的是客户将做什么，价格或价值将是什么，或者某些事情是否异常。我们每天涉及的所有事情。
但是，随着更多人进入业务领域，我们的角色将变得更加专业。数据科学独角兽时代已经过去。但这并不是说我们对新角色的关注更加狭窄，既没有创造力又没有挑战性。
幸运的是，每年大约这个时候，由于Burtch Works Executive Recruiting的好人，我们对自己的职业领域有了很好的定量了解。多年来，由于与数千名数据科学求职者的广泛关系，他们使我们受益于他们对我们的工作角色，技能和薪水水平的广泛了解。这是令人着迷的东西，既可以直接查看其结果，又可以在线与线之间稍加阅读，我们可以获得一些非常好的见解。我们将在此处共享的数据来自他们最近的2019年研究。
有足够的数据科学家去研究吗？
长期以来，我们一直在谈论数据科学家的短缺。这种短缺似乎即将结束。几年前，当出现非常明显的短缺时，公司很难抓住他们的数据科学家，年薪可能会达到两位数。这不再是真的。
Burtch Works报告说，各级数据科学家的平均年薪增长在0％至4％之间，大多数群体的年薪增长为2％。此图表适用于具有一到三年经验的“个人贡献者”数据科学家。
所有类别的年平均增长率为2％，本质上是通货膨胀率，这强烈表明雇主不必为提高工资而竞争以保留熟练的数据科学家。
所有这些都是一样的，个人贡献者的平均年薪在$ 80K到$ 165K之间，而管理人员的年薪在$ 130K到$ 250K之间，这取决于多年的经验或所管理人员的数量，这些数字听起来很诱人，可以继续吸引人们进入该领域。
我们太多了吗？
我读取数据的方式是，现在供应与需求处于平衡状态。随着数据科学越来越广泛地被企业所接受，需求不断增加。由于采用率在公司的25％和50％之间，并且没有足够牢固的根基，因此该领域将继续扩展许多年。
顺便说一句，似乎有两种不同的作用在这里起作用。首先，我们一直在培养越来越多的数据科学家。第二，我们已经评论了好几年了，第二个是我们的AI / ML工具现在使我们更加高效。 现在，自动机器学习（AML）或至少是低代码密集型平台使少数数据科学家可以完成许多工作。
预测分析与深度学习
Burtch Works在“预测分析专业人员”和“数据科学家”之间做出了有趣的区分。他们的立场是，留住他们以找到这些人的人需要两种截然不同的技能。Burtch Works的思维方式几乎完全归结为我们所知道的深度学习和编写代码的能力。
基于这种区别，Burtch Works发现他们的“数据科学家”就是从事非结构化数据和深度学习的人。他们还看到了明显的教育差异，其中“数据科学家”主要是博士学位（约47％），而“预测分析专业人员”则主要是硕士（约71％）。
我一直对这种简单的二分法有疑问。我希望你们俩都认识很多“预测分析专业人员”，他们经常处理非结构化数据，使用Python编写并且对文本分析，图像处理和计算机视觉方面的工作感到满意。这些项目并不像机器学习建模和细分那样普遍。
还有一个问题，每个人都想成为“数据科学家”，而我们从来没有真正算出过应该是初级还是高级职位。
机会在哪里
除了这些定义上的小问题外，Burtch Works数据中有一些有趣的信息，涉及哪些行业正在利用这些类别中的每一个，而且非常引人注目。
我们曾经将数据科学与技术和硅谷初创公司联系在一起。毫无疑问，深度学习的使用创新仍然来自那里。但是，预测分析现在是一套相当成熟的技术，并且越来越多的我们知道如何在各种流程和行业中利用它来创造价值。
我们最近争辩说，尽管围绕深度学习进行了大肆宣传，但是大多数项目仍然是相当高的风险和高成本。这些不是公司在其数字化旅程中开始的那种项目。因此，在技术/电信领域之外，预测分析是更理想的技能组合也就不足为奇了。
如果您正在做一些职业规划，您想知道这些工作中有多少。在Burtch Works数据中有一个暗示，尽管我自由地承认我正在折磨数据以得出此结论。
由于Burtch Works服务于各种各样的企业，并且安置了“数据科学家”和“预测分析专业人员”，因此我们可能会考虑它们的比例来估计每种工作的普遍程度。在他们来自放置或至少在搜索中进行跟踪的人员的调查中，他们分析了2
而且，就其价值而言，您所有的PAP都有幸在自己创造行业最大价值份额的同时，亲自召集数据科学家。
1
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
