開發(fā)者自述沒有被聘為數(shù)據(jù)科學(xué)家，所以鉆研出當(dāng)前數(shù)據(jù)科學(xué)整個行業(yè)的真實現(xiàn)狀。他發(fā)現(xiàn)實際上高學(xué)歷非常重要，而計算機、工程學(xué)、數(shù)學(xué)和統(tǒng)計都是非常主流的學(xué)科。他認為與其專注于數(shù)據(jù)科學(xué)家所需要的技能，不如專注于實際上能做什么。Kaggle大師有用，但沒那么有用。

你知道數(shù)據(jù)科學(xué)家這個行業(yè)，最熱的話題是什么嗎？如何快速的賺到熱錢。

你可能剛剛聽說數(shù)據(jù)科學(xué)家這個職業(yè)，或者已經(jīng)從事該行業(yè)多年。每當(dāng)提及“數(shù)據(jù)科學(xué)”這個詞的時候，可能總會有一份榮耀在心里面。畢竟這是一個聽起來就很高科技的職業(yè)，自我介紹的時候會有人投來羨慕的目光。

但數(shù)據(jù)科學(xué)家的競爭正在變得越來越激烈，而數(shù)據(jù)科學(xué)家心中的那份情懷似乎也在逐漸的淡化。取而代之的是焦慮在不斷的滋長，而我們卻無能為力。

一方面，越來越多的人想入行數(shù)據(jù)科學(xué)家，希望獲取名聲和利益；另一方面，企業(yè)在數(shù)據(jù)科學(xué)家這個崗位上開始有些搖擺，很多公司甚至錯誤的將數(shù)據(jù)標(biāo)注等工作當(dāng)做是數(shù)據(jù)科學(xué)家。

上述情況，并沒有隨著人工智能的發(fā)展而有所改善。最近。一位名叫Hanif Samad的新加坡的統(tǒng)計學(xué)家、軟件工程師、數(shù)據(jù)科學(xué)家在找工作的時候有些碰壁，讓他開始對數(shù)據(jù)科學(xué)整個行業(yè)的現(xiàn)狀進行反思。

他發(fā)現(xiàn)，在數(shù)據(jù)科學(xué)家最集中的平臺Towards Data Science上，有關(guān)數(shù)據(jù)科學(xué)最熱的文章是《數(shù)據(jù)科學(xué)家如何跟股東相處》，其他的像《如何成為一名數(shù)據(jù)工程師》、《批量梯度下降與隨機梯度下降》、《多類文本分類》、《加速R-CNN》這類特別細分的技巧類文章非常熱門。

因為Samad只有一段短暫的數(shù)據(jù)科學(xué)經(jīng)歷，在實際面試的過程中他才意識到，平時看到那些教導(dǎo)你如何成為數(shù)據(jù)科學(xué)家的成功學(xué)文章，以及那些技巧類文章，毫無用武之地?？沼幸簧硗例埣?，卻面臨無龍可屠的局面，典型的Daniel Kahneman口中“可用性啟發(fā)式的受害者”。

所以Samad開始鉆研一個問題：那些真正在從事數(shù)據(jù)科學(xué)的人，到底在做什么？到底數(shù)據(jù)科學(xué)這個行業(yè)，真正的現(xiàn)狀是什么？

作為一名統(tǒng)計學(xué)家和數(shù)據(jù)科學(xué)家，Samad通過爬取LinkedIn上的數(shù)據(jù)，對目前的數(shù)據(jù)科學(xué)行業(yè)進行了一次摸底。在分析了近1000個數(shù)據(jù)科學(xué)家檔案后，結(jié)果還真讓他發(fā)現(xiàn)了一些很少有人提及的內(nèi)幕。

發(fā)現(xiàn)1：研究生學(xué)位是標(biāo)配

73％目前就業(yè)的數(shù)據(jù)科學(xué)家擁有研究生學(xué)位。其中碩士學(xué)位較多占44％；剩下博士學(xué)位29％，學(xué)士學(xué)位占到了21%。除了全日制大學(xué)畢業(yè)外，也有部分數(shù)據(jù)科學(xué)家擁有的是MOOC學(xué)位或培訓(xùn)班的函授學(xué)位，共占總數(shù)的6％。

計算機科學(xué)與工程、以及業(yè)務(wù)分析是主流

計算機科學(xué)，數(shù)學(xué)和統(tǒng)計學(xué)以及工程學(xué)科三位一體的共同概念構(gòu)成了數(shù)據(jù)科學(xué)事業(yè)的基石，這在一定程度上得到了數(shù)據(jù)的證實。

目前看來，就學(xué)科而論，計算機科學(xué)勝過所有其他學(xué)科，擁有絕對的主導(dǎo)地位，占所有研究學(xué)科的14％。

但如果把工程學(xué)統(tǒng)一看做是一個類別的話，因為其包括了化學(xué)，電氣和電子學(xué)，以及所謂的知識工程等不同學(xué)科，這些學(xué)科加起來，累計占學(xué)科總數(shù)的22％。

平時我們都以為，數(shù)據(jù)科學(xué)需要很強的數(shù)學(xué)和統(tǒng)計學(xué)的功底。但實際上，把數(shù)學(xué)和統(tǒng)計學(xué)所有學(xué)科包括應(yīng)用數(shù)學(xué)，數(shù)學(xué)物理學(xué)，統(tǒng)計學(xué)和應(yīng)用概率都算上，也只占研究學(xué)科的12％左右。

但最讓人驚訝的其實是業(yè)務(wù)分析和其他分析學(xué)科，總體占了15％，比數(shù)學(xué)和統(tǒng)計學(xué)都高！

其他排名靠前的領(lǐng)域包括物理學(xué)（3.5％）和信息技術(shù)（2.2％）。

招聘數(shù)據(jù)科學(xué)家傾向于有一定經(jīng)驗

雖然很多應(yīng)屆畢業(yè)生確實也在競爭數(shù)據(jù)科學(xué)家的崗位，然而樣本中數(shù)據(jù)科學(xué)家填寫的工作經(jīng)驗大多是4-6年。

大多數(shù)數(shù)據(jù)科學(xué)家的崗位都是新設(shè)置的

76％的數(shù)據(jù)科學(xué)家入行不足兩年，而其中42％工作經(jīng)驗不足一年。這表明雖然大多數(shù)數(shù)據(jù)科學(xué)的職位空缺都是相對較新的，但是填補空缺的人已經(jīng)在就業(yè)市場上待了一段時間。

一半的數(shù)據(jù)科學(xué)家角色來自非技術(shù)公司

雖然資金充足，成熟的技術(shù)公司（如谷歌或亞馬遜）傾向于成為數(shù)據(jù)科學(xué)家聘用的理想場所，但值得注意的是，該樣本中近一半（49％）的數(shù)據(jù)科學(xué)家來自非技術(shù)公司：金融和保險（11％），咨詢（9％），政府（5％），制造業(yè)（5％）和學(xué)術(shù)界（2.4％）的公司和機構(gòu)。

在技術(shù)類別中，具有良好代表性的行業(yè)包括運輸（8％），企業(yè)（8％，包括IBM，SAP和Microsoft），電子商務(wù)（5％） 和財務(wù)（5％）。

有一大類技術(shù)公司作者將其標(biāo)記為AI＆ML（6.5％），包括DataRobot等公司，以及Amaris.AI等新產(chǎn)品。

結(jié)論

以上，有沒有打破你之前對數(shù)據(jù)科學(xué)家這個行業(yè)的印象呢？我們可以看到，數(shù)據(jù)科學(xué)家對學(xué)位的要求較高，學(xué)科方面則是計算機科學(xué)，工程，數(shù)學(xué)或分析專業(yè)更吃香。最好是已經(jīng)有4-6年工作經(jīng)驗的雇員。

值得注意的是，雖然我們看到有6%的人來自MOOC和培訓(xùn)機構(gòu)等非傳統(tǒng)認證的機構(gòu)，但顯然擁有研究生學(xué)位才是最保險的。

數(shù)據(jù)科學(xué)正在快速發(fā)展，許多最重要的算法和技術(shù)將不被傳統(tǒng)的學(xué)術(shù)課程所涵蓋。所以除了學(xué)位，你還需要一些職業(yè)技能之外的能力。

最后，不要被焦慮蒙蔽了雙眼。你可能并不需要學(xué)習(xí)那么多的數(shù)據(jù)科學(xué)技巧，但你應(yīng)該好好想想，你做這件事情的目的是什么？想要得到的是什么？