我们分析了1001份LinkedIn资料，得出了数据科学家的平均画像

来源：365 Data Science

编译：Mika

CDA数据分析师出品

导读：

数据科学家这份职业听起来特别高大上，那么数据科学家究竟是怎么一群人呢？

每十年都有所谓的热门职业。

在1980年代到1990年代早期，人们争先恐后投身于银行工作。

接下来，从1990年代后期到2000年代早期，很显然当时互联网即将给世界带来翻天覆地的变化。许多精通技术的毕业生开始专攻软件和Web开发。

如今，显然大数据、机器学习、人工智能将成为，在一定程度上已经成为了决定未来决定企业成功与否的关键成功因素。

也就是说2017年和2018年就业市场上 ，最热门的职业是数据科学家，这并不奇怪。

"数据科学家"这个头衔听起来很高大上，让人望而生畏。但也许通过剖析这些专业人士的典型特征，这将有助于我们向你展示，实际上他们也就是普通人。如果你愿意，你也可以踏上成为数据科学家的旅程。

当然，乍一看"数据科学家 "的头衔有点高深和炫耀的意味。但数据证明并非如此。

通过分析数据我们发现，数据科学家们有一些共同的特征。

中英字幕视频如下：

为了更好地了解典型的数据科学家的特征，我们的团队收集了1001位数据科学家的LinkedIn资料。

与之前的分析报告不同，这次我们使用的主要数据来源不是招聘广告，这种调查结果偏向从雇主的看法。

相反，本次我们根据数据科学家自己发布的信息。我们的假定前提是LinkedIn个人资料可以很好地评估个人简历。

通过考虑到企业和国家的具体情况来减小偏见，研究对象被分成两组，主要根据其是否在财富500强公司工作。

此外，样本包括在美国工作的数据科学家(约占样本的40%)，英国(另外30%) 印度(占15%)和其他国家(剩下的15%)。

由于数据可访问性有限，本次我们采用了方便抽样的样本。一旦收集了这些数据，我们得出了几个有趣的发现。

数据科学家的平均画像

数据科学家的典型形象是：

· 男性；

· 会说一门外语；

· 有四年半的工作经验；

· 在工作中使用R语言或Python；

· 有硕士或博士学位

仅仅从这个简单的概述，我们得到了几个值得注意的点。

其实，你也能很快晋升为一名数据科学家。

假设你在25岁之前获得硕士学位，或在30岁之前获得博士学位。那么保守估计，在30到35岁之间你就能成为有"数据科学家"头衔的专业人士了。

另一个有趣的发现是R语言和Python的热度都在上升。之前的研究显示，这两种编程语言在数据科学领域越来越受欢迎。

这种上升是以Java和C、C++等语言热度降低为代价的，这里观察到的结果证实了这一趋势。

因此，如果你想成为数据科学家的话，你就需要开始学习R语言和Python了。

此外，我们可以得出结论：这项工作有较高的学历要求。

当然也有例外，但是分析样本中四分之三的数据科学家都拥有硕士或博士学位。

事实上，数据科学需要很强学术背景。

然而考虑到这是一个相对较新的领域，研究中涉及的数据科学家的学术背景各不相同，这并不奇怪。

计算机科学、统计学和数学。经济学和社会科学、数据科学和分析、自然科学和工程学学位在该领域占据主导地位，数据科学家中有91%的人士都来自这些专业。

那结论是什么?

大学和学院仍难以满足就业市场对数据科学家日益增长的需求，公司会雇佣来自不同教育背景的人才。这些人可能已经通过自我准备或大量的在职培训，获得了雇主需要的技能。

该如何成为数据科学家

那么，个人该如何做好成为数据科学家的准备呢?

一些最受欢迎的在线课程在教人们如何用Python和R运行机器学习算法，以及如何处理数据库。

线上学习绝对是许多数据科学家在利用的资源。

研究表明，40%的数据科学家在他们LinkedIn个人资料上发布了在线证书，每人平均有3张证书。

这项工作是只面向来自顶尖大学的人群吗?

其实并非如此。

的确，数据样本中有超过28%的数据科学家都毕业于顶级大学 。这些学校都位于《泰晤士报高等教育》世界大学排名前50名。但相当一部分专业人士(超过25%)毕业的学校甚至没有上榜，或者排名在第1000位之后。

因此，如果你是一名有抱负的数据科学家，即将或已经从一个非顶尖学校毕业。你不必太担心，你仍然有很大的机会得到这份工作。

在当前环境下，自我准备似乎是成功的关键。

哪些行业最需要数据科学家

哪些行业雇佣的数据科学家最多呢?

第一位必须是IT行业吧? 事实上，的确如此。

科技公司被视为创新的象征。此外，数据科学对于这些公司来说是必不可少的。因为这能帮助解读用户在线行为模式，了解客户需求，分析网络搜索，改进产品供应等等。

工业企业位居第二，雇佣了超过37%的数据科学家。金融(15%)和医疗(5%)分列第三和第四。

如果按国家来分析这些数据，就更有趣了。

可以看到，与其他地区相比，英国金融业雇佣的数据科学家的比例要高得多(约高20%)。

这是有道理的，伦敦被称为欧洲的金融之都，许多金融、贸易和经纪公司都在这里。

另一方面，印度的就业市场中主要聘用数据科学家的是科技行业。这与印度作为全球科技和IT服务外包首选目的地的地位相符。

那么我们的结论呢?

希望这项研究能为你描绘更清晰的画面，并帮助你了解目前作为数据科学家所拥有的核心技能和资质。

如果你对如何从零开始成为数据科学很感兴趣，那么敬请关注CDA数据分析师。在这儿你可以开始准备，看看这是否是你的职业道路。