畢業年薪35W+, 就業率高達99%, 現在換專業還來得及嗎？

自2009年起「大數據」的商業價值逐漸顯現

開始成為各行各業人士爭相追捧的利潤焦點

在這個大數據與多媒體、信息技術碰撞的時代

誰掌握了數據的Power, 誰就擁有了話語權

因此Data Scientist，數據科學家火了！

平均年薪10W+美金，就業率高達99%

有90%以上的機會能夠得到H1B Sponsorship

被哈佛商業評為了21世紀最性感的職業

Data Scientist 瞬間成為了無數人眼中的香餑餑！

學CS的覺得做碼農太底層，要轉數據科學家；

學數學/統計的覺得這個不需要過多的 Coding，

適合自己，要轉數據科學家；

學商科的覺得自己終於可以成為科學家了...

可是，數據科學家真的能說轉就轉嗎？

什麼人能配得上這樣的高薪？

需要掌握什麼必備的技能？完成哪些工作？

接下來就和小蛙一起揭開Data Scientist的神秘面紗！

各大銀行/投行/快消/證券/四大等筆試提分神器通過率99%的提分APP--【筆試通】APP：學習資料(歷年真題,講義,模擬題,題庫等)+在線模考+APP刷題。獲取方式:蘋果,小米,華為,360助手,應用寶,PP助手,豌豆莢,百度手機助手均有下載.搜索‘筆試通’,圖標是一個‘題’字

Data Science到底是什麼？

Data Science是指用適當的統計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。

乍一看來數據科學其實很像統計學，實際上，數據科學應當是數學、統計與計算機的交叉學科。

數據科學類技能大致可分為三類：

• 算法（Algorithms）: 數學、統計、算法、模型等理論知識是解決任何數據問題的核心。數據科學背後的算法模型以及數據實驗是怎樣被設計和檢測是必不可少的技能。
• 編程（Engineering）: 數據的獲取、處理和儲存是必不可少的知識。同時，熟練掌握編程語言和分佈式計算將幫助你處理大規模的數據。
• 溝通（Communication）: 數據在外行人眼中就如同一門外語，如何將數據分析結果轉化為可讀性極強的商業報告是必須掌握的技能。

有哪些可以選擇的職業方向？

Data Scientist

數據科學家

Data Scientist（數據科學家）可能是你能在名片上寫下的最熱頭銜之一，並且你離硅谷越近，這個職位就越有價值。

數據科學家跟麒麟一樣稀有，需要有廣泛的數據科技技能和處理，分析原始數據的天賦，以及用一個吸引人並且令人信服的方式來與同伴分享自身的深刻見解。

Data Analyst

數據分析員

Data Analyst（數據分析員）是數據小組的福爾摩斯。R, Python, SQL and C語言是必備的基礎技能。就像數據科學家一樣，在不同的數據處理環節裡，這個職位的具體技能要求差異很大，但都要求有精益求精，一絲不苟的態度。比如HP and IBM (將與其最新電腦系統Watson組成工作小組)等公司就非常需要數據分析員。

Data Architect

數據架構師

隨著大數據的興起，數據構架師的重要性日益凸顯。

Data Engineer

數據工程師

Data Engineer（數據工程師）一般都

Statistician

統計員

數據行業中歷史性的領導，代表著數據科學領域的主要職能：從數據中挖出重要涵義。具備紮實的統計理論和方法論，以及邏輯嚴密的思維體系，他們採集大量數據並將原始數據處理後得出數據信息分析報告。得益於強大的數理背景，現代統計員能處理所有類型的數據並快速掌握新技術和使用這些來提升他們的知識容量。統計員為數據產業帶來了數學基礎理論，將從根本上改變商業。

Database Administrator

數據庫管理員

人們常常說數據是一座金礦，意味著需要有人來開採這座礦山。

數據庫管理員確保所有相關用戶都能符合規定地正確使用數據庫，規避數據使用風險。確保數據庫的備份和回覆系統運行正常，安全問題和正在使用中的各項支持技術都能被實時追蹤。

Data and Analytics Manager

數據與分析經理

數據分析經理是團隊中的拉拉隊隊員，他們為數據科學團隊制定方向並確保制定了正確的優先級。

需要熟練掌握SQL, R, SAS等軟件，並且社交能力要強，能夠管理好團隊。這是一個很艱難的工作。

一般來說，數據分析經理和數據科學家的工資最高。薪資居中的是數據工程師和數據架構師。兼有軟件工程師背景和數據分析技能的人才很受歡迎。因為在這兩個職位的招聘中更看重軟件開發，所以潛在提高了他們的平均薪資。剩下職位的薪資水平都差不多。但是因為這些職位的需求量正在增長，所以這些職位的工資可能很快會上漲。

Data Science薪資如何？

國內

以北京為例，數據分析師的平均工資為10630/月；大數據開發平均工資為30230/月；數據挖掘的平均工資為21740/月。

海外

根據Glassdoor的數據顯示，Data Scientist的年薪高達118,700美金，高居排行榜榜首！

• 四大Business Analyst：剛出大學校門平均75,000~85,000美元，有的可以達到90,000美元。
• Data Scientist薪資一般在90,000~100,000美元左右。
• Airbnb/Facebook可以給到100,000-120,000美元。

薪資的高低主要受公司、行業、職能等因素影響。

Data Scientist未來的職業發展

Data Scientist近幾年就業狀態很好。因為這個工作是在用最新的方法解決從前無法解決的問題，走在行業的前端，是個非常Revolutionary、非常酷的工作！

國內對大數據人才需求還是非常大的，而且國內的大數據人才數量相對較少，因此大多數公司的數據部門一般都是扁平化的層級模式，大致分為數據分析師、資深研究員、部門總監3個級別。

有些特別強調大數據戰略的互聯網公司則會另設最高職位——如阿里巴巴的首席數據官。這個職位的大部分人會往研究方向發展，成為重要數據戰略人才。另一方面，大數據工程師對商業和產品的理解，並不亞於業務部門員工，因此也可轉向產品部或市場部，乃至上升為公司的高級管理層。

Data Science 的主要工作是什麼？

分為四部分：歸納問題、準備探索數據、模型訓練檢驗調整、報告和產品。

1

歸納問題

客戶給公司的任務，不是一個具體的任務（用 xx 模型來做 xx 數據），而是一個具體的商業問題。

比如，上個季度為什麼盈利下降了。這就是一個歸納問題的環節，需要有專業知識幫助我們找到方向。

準備探索數據

歸納問題結束之後，會產生很多假設，這就需要尋找數據驗證假設。尋找數據一般是竭盡所能，比如收入不好與市場推廣有關，就會去尋找廣告商的數據。

尋找數據以後，要檢查數據質量，是否有異動、缺失等等。數據質量能夠決定模型的準確率。所以花在“清洗整理”數據上的時間要佔到總時間的 60% 甚至更多，有時候也需要跟客戶進行交流。檢查完質量以後，做一些探索性分析。

3

模型訓練檢驗調整

先確定模型基本類型（迴歸、聚類等），選取比較合適的模型進行搭建，用 test 對模型進行檢驗。檢驗的同時再去尋找模型最優的參數配置，對模型進行預測，如果預測結果很好的話，建模過程就結束了。

4

報告和產品

在諮詢公司中，模型做完以後，會和客戶進行交流

總的來說Data Scientist應該立足某個應用領域，根據領域需求設計合適的數據產品，利用可以自動化獲取的數據資源，設計合適的算法，採用適當的自動化工具進行數據計算/合併/轉換，最終得到數據產品。

Data Science需要掌握哪些技能？

從學習的角度來講，成為數據科學專業人才所需要的技能不外乎是以下三點：

1

程序設計語言

編程這樣的硬功夫是數據科學人才安身立命之本。

• 查詢語言（Querying Language）: SQL, Hive
• 腳本編程語言（Scripting Language）: Python, Matlab
• 統計語言（Statistical Language）: R, SAS, SPSS
• 企業開發語言（Development Language）：Scala / Java之類

2

可視化

正如之前所說，並不是所有的員工都能看懂複雜的數據和圖表。有時候客戶也不願意看枯燥的報告，而是更願意接受可視化的數據報告。所以Data Scientist不光要把數據做出來，還要有創造性。

3

軟實力

除了處理數據的硬功夫之外，Data Scientist也需要具備一些出色的軟實力。

例如，強烈的好奇心，積極挖掘隱藏在數據內的真相。對於每一次運算的結果都多問一個“為什麼”，這樣才能做出一個完整的分析，弄清楚什麼樣的原因會導致什麼樣的結果。

數據分析師還要具備很強的邏輯思維能力，能夠根據需求分析出需要的數據類型、使用什麼算法和分析方法，得出數據後進行歸納和總結得出結果。

軟實力還需要同學們日積月累的培養

而硬實力，從現在就可以開始學起啦！

閱讀更多 達海教育 的文章

關鍵字: 就業率 編程語言 大數據