揭秘数据科学家高薪的秘密

你有没有困惑过一个问题：

数据科学家能拿到高薪的原因是什么？

市场经济的各种事情都可以用一个原理解释，无非就是供不应求？

所谓“求”是待分析数据量的显著增长。

所谓“供”拥有合适分析技能的人员空缺。

当你听到一个人的工作头衔是“数据科学家”时，你在想什么？也许不是一个衣衫褴褛，表情严肃的白领形象，对吧？

《哈佛商业评论》好几年前就说

“数据科学家”是“21世纪最性感的工作”

听到这些夸奖，你是不是很愉悦，就仿佛在说你一样。

哈哈哈哈哈哈哈哈，那你了解现在你们这些数据人的平均薪酬水平么？

刺激么？

惊喜么？？

意外么？？？

数据人都是受过专业培训并对数据世界充满好奇和钻研精神的技术专家。

尽管“数据科学家”这个词儿听上去是一个很摩登的很受欢迎的新词儿新职位，但这个领域本身并不新鲜。《哈佛商业评论》发表“21世纪性感论”的时候，这个世界上已有数千名数据科学家在初创企业和公司工作。此外，使计算机和人类一样聪明的目标已经追求了近25年，而大量的数据可以帮助达到这个目标。然而，这个行业之所以最近变得格外受人瞩目也是有原因的。其一自然是数据本身被重视到了，公司发现了自己其实拥有的巨大数据量；也有很多技术大公司已经先行一步从数据中获得了利益，这让所有企业都看到了甜头。其二是因为获得数据的方式已经越来越easy，随着技术的进步，数据的收集整合都越发的省钱。开源节流式赚钱自然是分外富贵。

各行各业的大公司其实都储备着大量的数据，但其实他们中的很大一部分并没有有效合理地使用这些数据。这些公司也并不会一直傻，他们都慢慢清晰地意识到，这些数据库里的宝藏如果用的好可以帮助他们做极度理智利益最大化的决策分析。宝藏有多少呢？本来就不少，还越来越多。数据将从2013年的4.4万亿字节增加到2020年的44万亿字节。

数据的大量 (Volume) 和多样性 (Variety) 为具备分析和处理数据技能的人和一直在收集数据的企业创造了绝佳机会。然而，该行业正面临着技能和专业知识的短缺，这些技能和专业知识是被迫切需要的。这些大企业们需要拥有这些技能和技术的人来面对这些日益丰富的数据和来应对以数据为导向的决策分析的需求。至此，甚至是学计算机的码农也被推去搞数据，去从事要求很高的数据分析工作。

根据UC Riverside的数据显示，《美国新闻与世界报道》称，全球百强大学中有三分之一提供数据科学专业。而在这29所大学中，只有6所提供本科水平的数据科学课程，其余的大学都提供研究生学位。这些数据科学课程的平均班级规模只有23名学生。加州大学(University of California)预测，在已是为数不多的提供数据科学课程的大学中，小班授课不太可能为“缩小全球数据科学人才缺口做出有意义的贡献“。在简单的经济术语中，需求大于供给。而这种情况下是需求远远大于供给。

在2017年，IBM预测说，到2020年，每年全球对于新的数据科学家、数据开发人员和数据工程师的需求将达到近70万人。因此，仅仅一所大学的23个学生的班级容量和每年来自所有大学的提供数据科学专业的近乎700名毕业生将无法满足全球对于具有数据科学技能人才的高速增长需求。

2018年，初级数据科学家的平均年薪是115k 美元，而那些管理10至15名成员的管理者，年薪可高达350k美元。与此同时，数据科学家的平均工作年限从2014年的9年下降到2015年的6年。到2019年，全球市场对数据科学家的需求预计将超过供应的50%以上【again 供不应求】。而超过40%的公司认为他们无法招募数据科学家的这个现状阻碍了他们的竞争力，这也难怪超过60%的公司会在内部培训员工。

两种主要方法可以帮助缓解这种技能短缺的状况

第一，人工智能超级明星吴恩达(Andrew NG)支持的一项举措是，利用MOOC(大量公开在线课程)等非传统方法培训更多的数据科学家。虽然对于当前的开发人员和其他以数据为中心的员工来说，这是一种能“提高技能”的好方法，但它尚未解决更大的问题。我之所以说“尚未”，是因为这需要从根本上改变雇主的雇佣心态。雇主们对于这种教育模式没有给予足够的重视；许多雇主在招聘时仍然只看重名牌大学的头衔。虽然这种心态正在慢慢改变，但在中短期内这种心态还无法彻底根除。

第二种方法是能让更多没有数据分析技能的人轻松地将这些复杂的技术应用到公司数据里。本质上来说，让人工智能和机器学习来自己解决问题。通过使用过去几年开发出的技术(这里包括MindsDB)，可以模仿数据科学家，这样即使是非技术人员也可以通过几行代码或几次点击来进行数据分析。