更新時(shí)間：2024-10-06 16:15:26作者：留學(xué)之路
全球最頂尖管理咨詢公司麥肯錫(McKinsey)出具了一份詳細(xì)的分析報(bào)告，預(yù)計(jì)到2018年，大數(shù)據(jù)或者數(shù)據(jù)工作者的崗位需求將激增，其中大數(shù)據(jù)科學(xué)家的缺口在140000到190000之間，對(duì)于懂得如何利用大數(shù)據(jù)做決策的分析師和經(jīng)理的崗位缺口則將達(dá)到1500000!其中對(duì)大數(shù)據(jù)處理需求最旺盛的行業(yè)包括：制藥業(yè)、計(jì)算機(jī)軟件、互聯(lián)網(wǎng)、科研、IT技術(shù)服務(wù)、生物技術(shù)。
事實(shí)上，大數(shù)據(jù)工作者可以施展拳腳的領(lǐng)域非常廣泛，從國(guó)防部、互聯(lián)網(wǎng)創(chuàng)業(yè)公司到金融機(jī)構(gòu)，到處需要大數(shù)據(jù)項(xiàng)目來做創(chuàng)新驅(qū)動(dòng)。數(shù)據(jù)分析或數(shù)據(jù)處理的崗位報(bào)酬也非常豐厚，在硅谷，入門級(jí)的數(shù)據(jù)科學(xué)家的收入已經(jīng)是6位數(shù)了(美元)。
(1)機(jī)器學(xué)習(xí)工程師 Machine Learning Engineer
代表了技術(shù)含量較高的方向，工作內(nèi)容主要是開發(fā)機(jī)器學(xué)習(xí)系統(tǒng)和用這些系統(tǒng)解決實(shí)際問題。一般需要ship production code，做出來的是數(shù)據(jù)產(chǎn)品。
(2)數(shù)據(jù)分析員 Data Analyst
工作內(nèi)容俗稱analytics (product analytics or business analytics)，從數(shù)據(jù)中提取insight，估計(jì)投資回報(bào)比，為產(chǎn)品方向提建議，所用工具一般較基礎(chǔ)，比如寫SQL query取數(shù)據(jù)、用R/Python做簡(jiǎn)單的分析、用Tableau/Excel作圖比較常見，能自己開發(fā)Dashboard算是analyst里面技術(shù)強(qiáng)的;工作需要產(chǎn)生各種形式的報(bào)告;在統(tǒng)計(jì)層次上，懂基本t-test和線性回歸即可。
(3)數(shù)據(jù)科學(xué)家 Data Scientist
很多人說，我想做數(shù)據(jù)科學(xué)家，我想做機(jī)器學(xué)習(xí)，而這類職位就是大家想象中的那種。此類職位工作內(nèi)容以高級(jí)建模為主，會(huì)針對(duì)復(fù)雜的問題來設(shè)計(jì)技術(shù)方案，比如Uber叫車的ETA、各種定價(jià)系統(tǒng)、Airbnb和金融行業(yè)的Fraud Detection、Amazon物流管理，F(xiàn)B/Linkedin的社交網(wǎng)絡(luò)或者ebay/Airbnb/Uber這樣供需雙方Marketplace市場(chǎng)規(guī)模的實(shí)驗(yàn)。這些例子，聽上去就不是寫SQL能解決的，也不是會(huì)寫代碼就能做出來的，都需要比較深的領(lǐng)域知識(shí)。