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 phd、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: [email protected])
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。