科技行业什么技能最吃香？竟然不是写代码

注意：我们分析的方法较为粗略，可能会有一些明显的缺点，所以现在还是不要太看重这个发现，看看每个技能的简要描述，然后继续阅读，观察我们如何确定分数及其他更广泛的问题，你也可以【点击这里】查看报告。 下文中的“STEM”即代表“科学”，“科技”，“工程”，“数学”。

什么工作技能最吃香？

你可以在媒体中看到很多以数据为驱动的分析，这些能帮助你了解哪些技能可以提高收入或者帮你找到工作，但这其实并不重要，一个技能虽然可以换来高薪，但是只能在小范围的工作中使用，且长远来看有着自动化的风险，最后人们只关注工作满意度，所以收入上涨空间非常之小。如果你对要做什么改变主意了，那么我们为你提供了几个选择。

我们与Insight Data Science的研究员Tee Ponsukcharoen合作，并尝试做更好的分析，除了收入之外，我们评估了满意度，自动化风险和适用范围等方面的技能。结果十分令人惊讶：人们认为先进的技术比如编码或其他STEM（即科学，技术，工程，数学）技能在未来将是最有价值的。但是我们的分析发现恰恰相反，从技术变革中获得最大收益的技能就是社会，分析和管理技能。

在本文的剩余部分，我们解释我们的分析，探索其他相关数据，并得出结论，哪些技能值得学习（注意：不要因此停止你的编程课程！）。

目录

哪些工作技能最吃香？我们的方法与结果 为什么STEM技能不能称为最理想的工作？ 自动化趋势如何影响STEM技能 （一些）STEM技能供过于求的证据 “软技能”的重要性的证据 什么原因导致我们的分析的编程得分较低？ 我们的分析会不会低估了STEM技能？ 你应该学习STEM技能吗？ 关于花费时间习得工作技能的分析 对教育回报的粗略分析 其他证据与考虑 什么是最有价值的工作技能组合？ 结论：你应该学习哪些技能？ 附：关于找工作，一个英国开发者的一些建议

我们使用了美国劳工统计局的数据，它们对超过600个工作岗位中的35项技能进行重要性评估。如果一项技能在平均满意度高的工作中被列为“更重要”，那么我们对其满意度等级的评分就会很高。其他也是一样。我们添加了（归一化的）分数，以得出最终的“技能值”得分。【点击这里】查看完整的技术性报告。

下表显示了全套结果：

注：

1表示最佳分数，0表示最差。分数来自我们的分析，并被重新归一化为0-1，这样会一目了然。我们并没有简单地将这些数字归结为最终的价值得分。原始分数在【这里】，细节在【报告】中。 进入时间取决于：要进入一个以技能为核心的工作需要多少培训。 工作满意度取决于：以技能为核心的工作令人满意的程度。 收入取决于：以技能为核心的工作的收入。 自动化风险取决于：以技能为核心的工作的自动化概率（由Frey和Osborne 2013给出）。 技能适用广度取决于：适用的以技能为核心的工作数量，每个工作类型在十年内由预期的工作机会数量加权。

根据这一分析，最有价值的技能可以归结为“领导”技能，如：

分析和学习：包括判断，批判性思维，复杂的问题解决，主动学习。 管理：包括时间管理，监控绩效，协调人员。 社交技能：包括积极倾听，沟通交流，社会认知。

这些技能在很广泛的工作中十分有用，包括管理（例如CEO），财务（例如房地产经纪人，投资经理），销售，工程，教学和许多医疗保健工作（例如外科医生，验光师）。

最不吃香的技能是手工工作，如设备维修，修理和操作和控制。这些技能在电工，锅炉和制造技术等工作中很重要。

分数相关 - 在高收入工作中有用的技能也是满足低自动化风险的工作。最有价值的技能也花费最多的时间学习。这表明技能市场的效率。

在这里我们可以看到收入和满意度之间的相关性：

注：技能类别是劳工统计局使用的类别。“基本”是指更为“根本”的东西，包括主动学习，科学和口语沟通。“技术”是指设备维护，运行监控和维修，以及编程和技术设计。

然而，鉴于一定水平的收入，技术技能与较低的满意度工作有关，收入和满意度之间存在一些分歧。而社会和基本技能与较高的满意度有关。 （虽然注意到这只是一个相关性，但可能只是因为找不到技术工作的人会不太开心）

最令人惊讶的发现是数学，科学和程序设计（STEM技能）在这些措施上排名均低于平均水平。这让我们不禁发问：为什么会发生这种情况？我们应该相信结果吗？这是否意味着你应该退学STEM？（可能不会）

为什么STEM技能不能用于最理想的工作？

像许多其他人一样，我们提出了学习STEM技能的想法。那是错误的建议吗？我们对这种分析不太有信心，不过由于几个原因，这些建议仍然可能是有效的。

首先，我们的分析不是铁证如山，所以我们不能从中得出强有力的结论。因此我们在技术报告中讨论了这些缺点（【点击这里】查看）。

第二，在最理想的工作中，有用的技能之间存在差异，这是分析的重点，以及学习最好的技能。比如“判断”这样的，可以让你很容易就业，但是这种技能很难改善，所以每小时花费的学习回报率都很低。

总的来说，我们认为（不对此抱有很大信心）：

STEM技能并不是让人们更容易受雇的技能。 但是，因为STEM技能更容易改进，所以可能是最好的，值得学习的技能之一。

在下一节中，我们探讨了其他证据，表明STEM技能不是最大程度提高就业能力的技能，以支持我们初步分析的结果。之后，我们会考虑哪些技能最适合花时间学习，以及学习STEM的案例。

自动化趋势如何影响STEM技能

哈佛大学研究员David Deming发现，许多STEM职业，如工程学，从2000年到2012年一直在下降就业比例，（除了计算机工作这一重要例外），大部分就业比例增长反而是金融，健康和教育。

Deming还发现，需要数学技能而不是社会技能的工作的工资增长不到10％，而那些社会技能水平高达30％。

这也符合雇主经常说的要求。这是英国CBI和Pearson在2016年的一项调查：

雇主对毕业生的信息技术和计算能力普遍感到满意。但他们对解决问题，自我管理，分析，沟通和商业意识相对不太满意。

这是怎么回事？在自动化时代，我们都倾向于去设想只有身怀技术才能跟上时代步伐，但实际上，最有价值的，恰好是那些最难以自动化的技能，那些是人的技能，不是技术技能。

Frey和Osborne这两位引领自动化的研究人员认为，最难以实现自动化的是创造力和社会智慧。他们的分析发现，实现自动化的概率最低的是一些类似于娱乐治疗师，心理学家，编舞师，教师以及人力资源经理等角色。现如今我们有R语言加速数据分析，但是却不足以造出一台可以讲笑话的机器人。

这些趋势可能会使STEM技能的价值相对平均值较低，主要因素有：收入，适用广度，满意度以及自动化风险。

你可以阅读更多报告为何社会技能会变得更有价值，点击这里查看David Deming的完整报告。

（一些）STEM技能供过于求的证据

人们广泛认为STEM技能供不应求，例如：

经济预测指出，如果美国要保持其科学与技术上的历史优势，那么在下一个十年对STEM专业人士的需求会比现在的培养速率多一百万甚至更多。

但是，如果你从整个说英语的国家中挖掘并分析数据，会发现这个迹象不是很明显：

在英国只有3.5％的科学博士是永久学术职位。 美国劳工部统计局报道：“2014年，美国人口调查局报告称，有STEM学士学位的人中，74％没有从事STEM职业。 在澳大利亚，Grattan研究所发现，“只有一半的本科毕业生在毕业后寻求全职工作并成功找到，这比所有毕业生的平均水平低17个百分点。”

这是怎么回事？STEM有着多样化的种类，所以虽然STEM技能缺乏，但其他方面的人士供过于求。同样的美国劳工统计局通过报告得出结论：

在学术就业市场上，任何学科都没有明显的短缺。事实上，有迹象表明博士在许多学科（例如生物医学科学，物理科学）上争夺任期管理职位，供过于求。 在政府部门，由于要求是美国公民身份，某些STEM学科在博士学位上人才短缺。包括较为特殊的（例如，材料科学工程，核工程）以及一般的（例如系统工程师，网络安全和情报专业人员）。相比之下，生物医学工程师的供过于求。电气工程师和机械工程师在高等程度上存在短暂的短缺。 在私营部门，软件开发者，石油工程师，数据科学家以及技能行业的技术人员都有很高的需求；生物医药，化学和物理学博士人才资源丰富；电气工程师的短暂短缺和饱和不时发生。

这可能意味着，虽然STEM专业整体不是特别需要人才，但某些类型的STEM专业 - 即涉及软件，数据和工程的专业还是需要的。

“软技能”的重要性的证据

除了是常识，还有越来越多的证据表明，“软技能”在就业能力方面非常重要，甚至可能与智力相当，而智力往往被视为学术成功的关键预测因素。

例如，一项分析发现，“政治知识和技能”是工资，经验和认知能力的最佳预测因素之一。它还发现“社会资本”，“控制地位”，“主动性”和“外向”是事业满意度的最佳预测因素。

《劳动经济学杂志》得出结论：

根据行为的很多层面和“重要性”，得出结论为非认知能力与认知能力一样重要。

一个没那么全面但是依然值得参考的研究发现，智力在前0.5%的人中，外向人格对收入有着很大的作用。瑞典的首席执行官在软技能方面表现出比认知技能强。

什么原因导致我们的分析的编程得分较低？

现在我们来回顾一下我们的分析，特别是编程分数，看看为什么它排名如此之低。

首先，编程整体分数水平低于平均，所以这不是单个异常值导致的得分偏低。

我们可以看到哪些工作影响了分数。需要编程，但是需要很长时间才能进入的工作包括：

计算机与信息研究人员， 统计学家 生物统计学家

那些很容易进入的包括：

计算机控制工具编程人员。 Web管理员 Web开发者

从这一点来看，没有多少工作需要编程技能，且这些工作不会雇用很多人，所以我们的“适用广度”得分很低。反思一下，这并不奇怪。社交技能几乎在所有地方都很有用，但技术技能只能用于专业职位。这是一个真正的缺点，因为如果你决定不想继续待在这个职位，那么你的技术技能就不再有用。

第二，这些工作中没有一个是高薪。最顶层是计算机研究科学家，中位数为111,000美元。大部分工作都在40,000美元到80,000美元之间。大多数非常高收入的职业（如公司管理，财务，销售，医药或法律）都不需要这种技能。此外，这些高收入工作的收入可能在我们使用的数据中不足，所以编程的真实情况可能更糟。（以上为美国情况，仅供参考！）

在工作满意度上，统计学家和网络开发人员出现在第30位左右。 所以编程并不包括任何最令人满意的工作，例如医疗保健中的许多职业。

Frey和Osborne评估了统计学家和网络开发人员的自动化风险概率，为30%。这意味着他们比平均水平好，但逊色于大多数医疗和教育工作，因为这些都需要社会技能。

因此，需要编程技能的工作只是平均水平，适用广度不足导致分数在我们的分析中低于平均值。

与此相反，且让人毫不奇怪的是，最理想的工作涉及“领导”技能，如解决问题，社会技能和管理，因为这些技能与高级角色有关。这些技能也很广泛适用。几乎每个工作都需要处理人员和解决问题的人;而STEM技能则用于较小范围的职位。

正如我们所说，社交技能，创造力和解决问题是实现自动化最难的技能，这些技能给他们（教育和健康）一个良好的前景。

我们的分析会不会低估了STEM技能？

需记住的一个要点：我们的分析集中在平均值上。

1.即使需要STEM技能的其他岗位数量在缩减，计算机岗位份额还在增加。 2.可能许多基础的技术工作正在实现自动化，但少数人的收入还在增加。Google的工程师似乎就是一个很好的例子，但是这样的软件工程师的工资大概占1％左右，所以对我们的分析影响不大。这与收入不平等的普遍趋势相一致 —在短期内会减少收入的中位数。 3.即使“编程”平均不是很好，某些适用较窄的技术技能可能是很吃香的（例如机器学习）。

这里还有一些我们的分析可能会低估STEM的原因：

1.我们的分析只考虑了就业岗位数量的增长，而不考虑这些工作中使用的技能平衡的变化。例如，在金融方面，以前需要软技能和判断力的许多工作正在被技术工作所取代。麻省理工学院技术评论称，2000年，Sachs雇佣了600名股票交易商，而现在只有2名，以及200名计算机工程师。 2.学习STEM似乎是提高批判性思维和判断能力的好方法，所以即使你从来没有直接使用过STEM知识，可以很有用。了解STEM，特别是软件，即使你不直接使用它，它似乎也是重要的知识。 3.最后，在80000Hours，我们更关心的是对社会影响更大的技能。SREM知识在创新中尤为重要，因此从这个角度来说，STEM更有价值。我们也强调人工智能和生物工程是社会影响的两个关键领域。不过，我们也注意到，最具影响力，的工作往往不具备STEM技能作为其核心组成部分。如果你想要找到一个非营利组织或创业公司，与你的技术技能相比，社交技能可能是相似或更大的因素。如果要进行社会宣传，那么沟通技巧更重要。如果你只希望最大化你的收入，那么仍然有很多不需要STEM技能的，非常高收入的选择，如法律，管理，销售和房地产。

你应该学习STEM技能吗？

所有这一切是否意味着你不值得学习STEM技能？并不是。现在我们解释上述分析的一些考虑。

关于花费时间习得工作技能的分析

如果一个技能比另外一个技能要难学，那就降低了学习时间的“投资回报”。我们认为STEM技能可能比“领导”技能更快地提高，这意味着他们仍然是最好的技能的竞争者，特别是科技（T）。

我们试图估计“学习时间”得分以表明技能的学习难度。如果技能需要在很长时间才能进入工作中，且很有用，那么我们将其评为“难以学习”，反之亦然。

我们发现，许多最有能力的技能需要最长时间的学习，如判断，主动学习和批判性思维。然而，STEM技能出现在“time to learn”中。

这是有道理的。编程是一个具体的知识体系，可以明显改进。如果你去App Academy，你可能会比以前更厉害。

提高你的“判断力”或“社会认知度”，效果会不太明显。我们期望练习和指导能够有所帮助，但这可能部分归结为人格特质或一般心理能力。对批判性思维技能的分析发现，尽管批评性思维在大学期间可以得到改善，但尚未清楚的是，蓄意尝试培养批判性思维是否会有任何积极的长期影响，或者某些专业比其他专业是否更能培养批判性思维。

这意味着，根据衡量学习每个技能的难度的标准，STEM技能仍然是最好的学习之一。

再者，即使你提高你的软技能，也很难向雇主证明。这也减少了从学习中获得的提升。

对教育回报的粗略分析

这里还有其他证据支持这些观点。下面可能是对不同领域的回报的最佳分析，与我们的分析不同，它试图将因果关系与相关性分开：

y轴显示学生学习的领域。 x轴显示了与他们在第二选择领域所获得的成就相比，他们在早期职业生涯中每年获得的额外收入。数据来自于Kirkeboen等人对挪威学生的研究。

这一分析仍显示STEM技能在最高的收入增长之中，特别是技术。然而，有趣的是，法律，医药和商业保持领先。

这个分析是针对挪威学生的，但在美国的情况似乎相似。Bryan Caplan投资了与收入最相关的专业，在相同SAT成绩下。顶尖专业包括工程，经济和数学；而人文学科则属于下半部分；化学和生物学处于中等水平。所以“硬”STEM技术似乎是最能提升就业能力的。

这些发现可能并不是彰显STEM的有用性，而是更多地反映了人文学科的弱点。我们的调查发现，最有价值的技能是分析，社会技能和管理，而学习人文学科并不能比任何其他专业更好地提高这些技能，恰恰相反，学习STEM可以轻松提高你对一般分析的技能以及技术技能的提高。（更多关于教育研究，参见Bryan Caplan的分析）

其他证据与考虑

TIME和Payscale的这一分析发现，许多技术技能如数据建模和搜索引擎营销，在他们分析的2,300个技能中获得了最大的收入增长。他们的分析控制了更多的因素，所以他们的分析可能比我们更好。他们还囊括了更广泛的技能 - 顶尖的技术更有价值，大多数就没那么有价值了。这样一来，我们就需要看满意度和适用广度。

我们已经看到很多例子，所以建议学习编程或数据科学（特别是bootcamps），然后可以得到比以前更加令人满意的高薪工作。这表明，学习这些技能可以为至少一小部分人提供显着的提升。

还要注意的是，我们只是考虑哪些技能对一般人来说最有用。如果你已经决定了你的长期职业目标，那么你可能需要学习技术技能。例如，如果你想在科技创业公司工作，很多人说下一步最有用的是学习编程。

总而言之，这种分析使我们对STEM技能在毕业后的重点不甚了解，但这并不是决定性的。我们认为，分析，社会和管理技能平均更有价值，但是他们也更难学习。目前尚不清楚如何权衡这类东西。此外，学习计算机科学，数学和工程专业的势头似乎仍然很强。

什么是最有价值的工作技能组合？

David Deming发现，就业增长最快的工作是需要社会和数学技能的工作。

鉴于我们以前介绍的技术趋势，这是合理的。随着技术的进步，最需要的人是能够了解定量问题的人，同时他扮演技术与其他人之间的接口角色。这些人被认为应该是创始人，而不是纯工程师。

这也可能意味着只要它们结合了软技能，技术技能非常有帮助。

将来，我们会扩展分析以考虑其他技能组合。

结论：你应该学习哪些技能？

对于大学生来说：在大学学习STEM似乎是提高求职能力最好的选择，特别是计算机科学，工程，数学和经济学（尽管商业和职业学位也似乎是一个很好的选择）。我们也认为计算机科学，经济学和生物工程学尤其有助于了解你是否关心社会影响。所以，如果你对这个领域有很好的个人喜好，这些这看起来就是很好的选择。简而言之，我们对学习什么的看法没有明显的改变。

话虽如此，在学习的时候，在业余时间做一些事情来改善管理和社会技能，例如参加学生社团是有道理的。

毕业后，我们不太确定一个课程可以提高你的领导能力，你应该专注于技术技能。然后要说的是，两者组合最有用。

这只是一个泛化：许多人应该主要关注技术技能，个人适应是另一个关键因素。在技术技能方面，计算机行业中最好的是软件工程，数据分析，数字营销，特别是人工智能方向。

总而言之，“在自动化时代学习STEM”的常识并不是那么明显。软技能更有可能成为蓬勃发展的关键，特别是如果将它们与软件知识结合在一起的时候，总体而言，我们难以确定个人应该关注哪些技能。最终我们也需要更多的研究，并提供更详尽的图片展示哪些技能最有价值。

附：关于找工作，一个英国开发者的建议

（关于这位“开发者”，点这里了解。）

你在寻找一个新工作，马上就要进行面试，你认为能让你被雇佣的最重要的技能是什么？

你觉得候选人中的合适人选是如何被选出来的？

1）让自己变“便宜”

你知道吗？由于支出限制，100%的公司只雇用他们付得起工资的员工；同时，根据企业文化和HR部门，100%的公司只雇用他们决定花钱的员工。

员工贵到变态，但是企业却只有有限的钱，这对中小企业来说绝对是很大的挑战。

如果面试很成功，但是薪酬超出了这个公司的能力或接受程度会怎么样？对不起，这个人要不了。

如果面试中有很多人都不错，那么他们首先会筛掉薪酬要求最高的人。

让自己变便宜就是一种力量，特别是自己初出茅庐，涉世未深的时候。

在成长的过程中，你会发现自己越来越讨厌“便宜”，你租房子的钱，买食物的钱不会凭空出现，你的花销在未来，甚至一生中，都是你就业能力的绊脚石。

如果把薪资要求和条件降低10%，那么大多数人都可以得到他们的目标工作（如果不能，那就再降10%）。

世界由花销驱动，每个人都想以一半的价钱，寻找员工中的佼佼者。

2）有产业内经验

90%的情况下，相关产业的工作经验可以让你先人一步得到工作。

也就是在同一职位做同一件事情：

General Electric的CEO面试Uber的CEO Goldman Sachs的商品交易商面试JP Morgan来做一个交易商 Google的网站可靠性工程师面试Facebook 一个餐厅的服务员面试几个街区外的另一个餐厅的服务员 等等…

这些人有什么相同之处？通过面试对于他们来说小菜一碟，当被问起过去的工作经历时，他们迅速意识到这是相同的环境，相同的工作，感觉第二天就能上班了。

人们在垂直地移动，从一个较小的公司到一个较大的公司（起步⇔Google），反之亦然，有时会平行移动（比如Google/Facebook/Apple/Microsoft）

垂直市场的一些例子：网络公司，金融公司，政府合同/国防合同

有些人也在通过特定的技能水平移动（金融公司的数据分析专家⇔网络公司的数据科学家）

这种移动对于员工来说风险较大，环境和职位期望可能会有很大变化。

变得圆滑，让人喜欢

在你的口语和演讲方面下功夫，因为你真的需要介绍你自己和你的工作历史。要做到流畅，不口吃，不犹豫。

规矩点是非常有帮助的。

为人和蔼不会给你带来工作，但是为人不和蔼会带走你的工作。

顺带一提，面试时HR可能会问一些无关紧要的问题，对于这些琐事回答就是了，因为它能帮助对方更多地了解你。

另外，你知道HR最怕什么吗？她怕遇到一些不会说话的“哑弹”，整个谈话只说“嗯……是……不是……”。

总结

“介绍一下你自己”

“能说说你上一个工作吗？”

一个成年人从谈他的工作历史，握手，到得到工作，以上说的每一点都适用。

对一个没有工作经历的年轻人的评判标准大概是：看其工作意愿，以及由缺乏经验导致的“便宜”补偿。以上每点也都适用。

有一些公司会给一些技术性的测试，比如谷歌给程序员一个程序挑战，或者汽车修理厂让一个修理工快速换一个轮胎。对于这样的公司，先过测试才是最重要的，因为以上说的都是期望，不是基础规范。