数据科学家的职业发展前景如何?

标签: 数据科学 faculty GRE Master MS | 发表时间:2013-05-14 02:46 | 作者:Warald
出处:http://www.1point3acres.com

从2011年下半年开始,Warald注意到LinkedIn上Data Scientist相关工作在迅速增长,2012年更是增幅显著,好多公司都在扩充或者创建自己的data science or analytics team。也有越来越多的人在自己的LinkedIn profile头衔里添加big data、data scientist、data analyst之类的字眼,希望被猎头或者公司直接搜索到。

大凡专业或者工作跟data沾边的,很多人都卯足劲往这条船上跳。Warald在过去的一年里,听说过好多个求职故事,也通过提供就业咨询,亲身参与了几个人找工作的过程,这里面包括很普通学校的统计系学生找到著名internet公司Data Scientist职位、生物统计系学生找到market research工作、工作多年的bio-medical researcher改行去IT公司、电子工程系硕士做Business Intelligence。我的观点很直接: 如果你玩的了统计、懂的了数学、建的了模型、写的了程序,就应该能找到data scientist工作。请注意,我说的是“写的了程序”,我没说“你写程序必须得很牛才行”。无论你是啥都懂一点,还是学有专长,都可以。如果你背景合格却在挣扎着找不到工作,那你自身有问题,需要改进。

Warald认为,传统行业(非IT)各个公司无论主动还是被迫,都要建设analytics team,最终是个zero-sum game,这个就像GRE/TOEFL考试一样,大家都长期做真题备考,分数都提高了,最后大家谁都占不着便宜。也有contractor或者consulting性质的公司从多个公司里接analytics活来做的,比如一亩三分地里Joyce分享过她的求职经验《 我来讲一个不想当sas programmer 的统计master 找工作的故事》,今年年初聚会,她告诉我工作没多久,已经做了几十个marketing/BI相关的项目了。

说到data science就要提到big data。Warald觉得很多公司其实做的事情跟big data无关。对于Internet公司来说,来自世界各地的每一下点击、每一次访问,都被Google和各类社交网站记录下,数据规模肯定远大于其他行业;genome data会很大;超市的顾客购物数据、信用卡刷卡记录、任何场合的实时监控录像,也会产生big data,但是LV、爱马仕这种奢侈品公司或者小型的医疗器械公司的数据,规模肯定要小多了。big data带来的三大挑战:volume、velocity、variety,得靠被big data困扰的公司,而且目前一些问题已经有了解决方案,比如Hadoop MapReduce。另外,学术界,以计算机、统计、电子工程系的教授们为主,也在研究传统的技术如何应用在big data context里,后面一段时间内,会从不同的层次、不同的角度,提出更多的创新。有新问题要解决,也就意味着工作机会,比如读了博士想做faculty的,做big data这类新兴方向,机会更多。

Warald感觉目前很多公司用到的统计方法,并不高深,比如a/b testing算是很基本的方法了,学统计的都应该会,目前在被广泛应用来做controlled experiment,而media mixed modeling已经是IT公司里用的较为复杂的统计model了。在早期阶段,使用基本的统计模型就可以带来很大的回报;随着竞争的激烈,各个公司必须雇用优秀的data scientist来保持竞争力。公司data收集好了,海量数据能用来干嘛,看数据科学家们的能力了。

以往,美国很多公司的CEO是商学院、MBA出身的,随着金融危机和IT创新浪潮的兴起,很多CEO是纯粹engineer做起来的,属于技术流派,公司并不是从外面随便拉个西装革履、满口企业管理的人来做领头羊。这个现象,有个戏称叫:Revenge of the nerds。Warald感觉, 随着更多的商务决策要建立在data analytics的基础上,今后会有一些能力很强的data scientist,借着风头,从技术人员成长为business leaders。而且加盟传统行业、做统计分析,会更容易出头,Warald觉得牛点的data scientist/analysts在技术成分低的行业,很有潜力挂上 Director of Marketing Operations & Research、VP of Global Analytics and Insights等众多码农这辈子无法企及的头衔。而在人才储备丰富的IT行业,如果工作内容也侧重底层编程实现,反而不容易出头。

有一个简单的方法可以用来粗略判断升职潜力:你经常要给管理层做报告、他们时不时看到你的工作结果?还是说,你的贡献对于管理层来说默默无闻,你毫无visibility?当然,人各有志,有些人更愿意处理技术细节,在性格上也不aggressive,爬corporate ladder也不适合。

总的来说,作为一个有广阔前景、代表着未来方向的职业,data scientist今后发展空间很大,同时这类工作又需要多个专业的技能,最近几年开始做data scientist的,大体都算是有first mover advantage,前景很好。

明天我在谈一下ms or 、工资待遇等问题。你的转载分享,是对Warald创作的最大鼓励!

– Warald (Email: iamxiaoning@gmail.com)
博客: http://www.1point3acres.com,微博:http://www.weibo.com/warald
欢迎转载,转载必须在标题注明转载,在文章正文开始之前而不是最后,用不小于正文的字体大小,肉眼可以清楚识别的颜色,一字不漏的附带以上三行内容。否则视为侵权!感谢合作。

相关 [数据 科学家 职业] 推荐:

数据科学家的职业发展前景如何?

- - 美国留学申请与就业找工作咨询博客|Warald|一亩三分地论坛
从2011年下半年开始,Warald注意到LinkedIn上Data Scientist相关工作在迅速增长,2012年更是增幅显著,好多公司都在扩充或者创建自己的data science or analytics team. 也有越来越多的人在自己的LinkedIn profile头衔里添加big data、data scientist、data analyst之类的字眼,希望被猎头或者公司直接搜索到.

数据科学家炙手可热

- - 互联网分析
《哈佛商业评论》(Harvard Business Review)近期声称,21世纪最性感的工作是数据科学家. 这一美国商学院期刊表示,数据科学家集“数据黑客、分析师、沟通大师和受信任的顾问”于一身,并指出,这种技能的结合极为罕见. 这正是全球各地诸多企业的问题所在. 尽管公司经理深知大数据所能带来的效益,但他们难以找到拥有合适技能的人才.

信息平台和数据科学家的兴起

- 景峰 - 《程序员》杂志官网
文 / Jeff Hammerbacher. Facebook有了“自知之明”. 在2005年9月,Facebook首次向非大学生公开,允许高中生注册账号. 忠实的用户愤怒了,但Facebook团队认为这是为网站做出的正常方向. 那么它该如何证明它的方案是正确的呢. 此外,在几乎所有可登录Facebook网站的学校中,Facebook已经渗入学生当中,但还是在有部分学校中,该网站一直不受青睐.

揭秘LInkedin数据科学家如何工作

- - 互联网分析
在互联网企业中,LinkedIn是一家出了名的“慢公司”,但LinkedIn也是最成功的社交网络,用户品质、广告价值都是行业翘楚,秘密在于LinkedIn有一个高效的数据科学家团队. 作为社交网络, LinkedIn并不是最大的,也不是生长最快的. 成立于2003年的LinkedIn, 花了500天, 才达到了100万用户.

数据科学家面试常见的77个问题

- - 互联网分析
随着大数据概念的火热,数据科学家这一职位应时而出,那么成为数据科学家要满足什么条件. 或许我们可以从国外的数据科学家面试问题中得到一些参考,下面是中国统计网为大家翻译的数据科学家面试常见的77个问题. 下面是77个关于数据分析或者数据科学家招聘的时候会常会的几个问题,供各位同行参考. 1、你处理过的最大的数据量.

Facebook数据科学家需具备的六大技能

- - 互联网分析
数据科学家到底应该具备哪些技能. 对于这个新兴职业的定位和展望,我们也许Facebook的招聘说明中找到答案. Facebook近日公开招募数据科学家,负责分析Facebook拥有的全球最大的人际关系数据库. 在 Facebook的数据科学家招聘说明中,数据科学家被归类到“软件工程职业”,但实际上Facebook的数据科学家的工作更多是在产品层面.

IT屌丝如何成为数据科学家?

- - IT经理网
数据科学家被《财富》杂志誉为21世纪最性感的职业,但遗憾的是大多数企业里都没有真正的数据科学家人才. 根据麦肯锡 报告,仅仅在美国市场,2018年大数据人才和高级分析专家的人才缺口将高达19万. 此外美国企业还需要150万位能够提出正确问题、运用大数据分析结果的大数据相关管理人才. 那么,对于不同职业经历和专业背景的IT人士来说,如何才能尽快转型,加入数据科学家的钻石王老五的行列呢.

数据科学家应该掌握的5个工具

- - 博客园_新闻
英文原文: 5 More Tools All Data Scientists Should Know How to Use. 即使是知识渊博的数据科学家也能提升他们的技术水平. 当谈及到分析你编纂的数据时,有大量的工具可以帮助你更好的理解数据. 我们与我们的数据科学指导者探讨了很久,最后总结出了一个包括 5 个数据科学工具的列表,同时这也是你在当今的社会形势下应该掌握的 5 个数据科学工具.

KDNuggets:数据科学家使用工具调查

- - 199IT互联网数据中心
工具/产品/解决方案是数据科学家洞察数据的利器. KDNuggets网站对此观点进行了年度调查,来分析数据科学家在用哪些类型的工具,并提供了调查的 匿名原始数据. 通过主成分析(PCA)法进行降维分析. 对所有的工具同时进行关系分析,常规来说,PCA通过对大样本数据统计性质(eg, 协方差)的分析,试图用主要特征来解释关系.

福特首席数据科学家谈三点大数据经验

- - IT经理网
数据已经成了福特公司的“燃油”,从产品设计到商业智能,从汽车部件到社交网络上的用户,福特公司每天需要处理海量且快速增长的数据. 今日福特公司首席数据官Michael Cavaetta做客Structure Show, 介绍了福特公司的大数据处理经验,归结为三点:. 数周前福特公司在北美国际汽车展上亮相的F-150皮卡车型采用了轻型铝材取代钢材提高燃油经济性.