KDnuggets:未来4至10年内对数据科学家的需求将开始减少

根据近1200份投票的统计结果显示,KDnuggets的读者认为对数据科学家/机器学习专家的需求将在未来4至10年内开始减少。最常见的一种回答是4-6年,中值是8-9年。

KDnuggets问卷:对数据科学家/机器学习专家的需求何时会开始衰减?

这是一张很重要也很有意思的图表,看完之后我的想法如下……

注意:需求下降的起始点紧随着需求高峰,所以我们需要交换着使用这两个术语。

在2012年被誉为“21世纪最性感的工作”之后,市场对于数据科学家的需求开始迅速增长。这一需求的填补体现在两个方面:

教育:很多大学及其他教育平台(例如Coursera,、edX和Udemy)开始增加提供数据科学与机器语言的教育。

自动化:如同DataRobot这样的公司提供“自动化数据科学/机器学习”的平台一样,这些平台可以让商业用户自己去建模,或者在某一商业流程中嵌入模型来完全自动化数据科学(比如自动化的广告竞价)。

但目前的需求下面却潜藏着一个巨大的泡沫,这个泡沫很可能在未来的某一个时间点破裂,随后需求开始迅速下降。而且如同其它的泡沫一样,这个泡沫同样难以预测。所以需求高峰期(需求开始下降的点)出现在未来4-9年,是一个很合理的假设。但是,这并不意味着数据科学家会失业,这只是让这种工作变得常规化,使薪资水平变得平稳下来,如同互联网发展初期,网页开发者是一个炙手可热的工作,现在却成了一个稀疏平常的工作了。

问卷也调查了受访者在数据科学和机器学习方面的相关经验,以及他们所属的社会群体(产业界/学生/科研/政府/其他)。

问卷受访者在数据科学/机器学习方面的经历及其所属社会群体

从图中我们可以看到:60%的受访者有2年以内的相关经历,62%的被调查者来自产业界,19.5%是学生,9.2%是科研人员,4.5%来自政府及公益组织。

在检验高峰需求的预测与受访者经验、所属社会群体的关系时,我得到了惊人的相似曲线。一个高峰期是在未来4-6年和7-10年,另一个小一些的高峰出现在25年及以后。为了简单理解这个图表,我将曲线分组为“小于1年经验”,“1-2年的经验”和“2-4年的经验”,无论哪种情况,这些曲线看起来都非常相似。

对数据科学家/机器学习的高峰需求vs.受访者在数据科学/机器学习领域的相关经验

让我们把那些“预测对数据科学家的需求在25年后开始衰减”的人称为乐观主义者,而将另一部分人归类为悲观主义者吧!

我们发现,经验最多的(16年以上)这一群体占据了乐观主义者的绝大多数,而且这一群体有超过35%的人认为需求在25年之后才会逐渐减缓。

接下来,让我们看看预测高峰需求曲线与受访者所属社会群体的关系。

数据科学家/机器学习专家的高峰需求预测vs社会群体

再一次,我们出乎意料地发现:这些曲线都很相似。

其中,学生是所有群体里最乐观的,政府工作人员是最悲观的,产业界人士居于其中。

最后,我们看一下不同区域的分布。各地区参与者包括:

US/Canada, 40%
Europe, 33%
Asia, 16%
other, 11%
美国/加拿大 40%
欧洲 33%
亚洲 16%
其他 11%

对数据科学家/机器学习专家的高峰需求vs地域

这一次,我们又双叒叕发现曲线依然十分相似。而一个显著的差异是:美国/加拿大的受访者相比其他区域的受访者更乐观,他们最多的选择是认为需求将在未来7-10年内饱和,而其他区域则认为是4-6年。在所有区域里面,认为25年甚至更久的受访者百分比为(18.3%-19.8%),这也是让人难以置信的相似。

如何解释这样及其相似的分布?

有一种假设是,乐观主义或者悲观主义是天生的,这会影响到他们做预测的结果。所以当我们想对“社会趋势”做预测的时候,由于这种主题的问题不能通过物理事实测量,更多的只是取决于人们的想法和直觉。所以问卷设计应该以某种方法来检测乐观主义或者悲观主义特质。

如果这个结论是真的,那么我们可以认为:乐观主义的百分比在各个不同的区域、社会群体的群组里面是相似的,而且这个相似不会随着经验发生变化。


原文发布时间为:2017-12-5

本文作者:抵抗流感的

本文来自合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘”微信公众号

时间: 2024-10-23 19:57:52

KDnuggets:未来4至10年内对数据科学家的需求将开始减少的相关文章

数据科学家岗位需求大 被评选为美国最佳工作

数据科学家这个职业被工作招聘网站Glassdoor在2016年被评选为美国最佳工作,这个职位是数据分析,经济学,统计学,以及计算机科学等传统职业的混合.数据科学家这个职业被工作招聘网站Glassdoor在2016年被评选为美国最佳工作,这个职位是数据分析,经济学,统计学,以及计算机科学等传统职业的混合. 大数据 虽然微软,Facebook和IBM公司等全球科技公司雇用了大多数的数据科学家(分别为227名,132名,98名),但是根据市场调研机构RJ Metrics公司的报告,这些专业人士也在非技

遭传统品牌的围剿 未来5到10年网购品牌或消失

硅谷网讯 淘品牌"唱衰论"在微博上再度迅速蔓延."随着传统品牌集体触网,曾经风光一时的淘品牌相继跌出了类目前20,生存状况堪忧."有人甚至预言,未来5至10年内,淘品牌将会消失.这里所说的"消失"是指"不复存在",而不是"一定死亡". 淘品牌GXG近日"高价卖身"给传统服饰商森马,或许可以看做这种趋势.但同样的事件也可以倒过来看:一批生于网络.长于网络,货真价实.物美价廉的网络品牌迅速崛

揭秘10个大数据神话

如果数据有一点点就不错了,那么数据是海量的话就一定棒极了,对不对?这就好比说, 如果一个炎日夏日里的微风让你感觉凉爽,那么你会为一阵一阵的凉风感到欣喜若狂.以下为译文: 也许对大数据更好的一个类比是它就像一匹意气风发的冠军赛马: 通过适当的训练和天赋的骑师,良种赛马可以创造马场记录–但没有训练和骑手,这个强大的动物根本连起跑门都进不了. 为了确保你组织的大数据计划保持正轨,你需要消除以下10种常见的误解. 1. 大数据就是'很多数据' 大数据从其核心来讲,它描述了结构化或非结构化数据如何结合社交

五张图区分商业分析师与数据科学家

前言 如果你对大数据了解不足,可能会惊讶地发现数据科学家和商业分析师提供不同的结果.即便这种情况发生了,你也不会是唯一的一个,因为这两种职业经常被混为一谈.今天我们将呈现六张信息图,助你拨开数据科学的迷雾. 商业分析师和数据科学家都是使用数据的专家,但他们以不同的方式使用自己的专业知识,正如目前的就业前景所佐证的--公司对商业分析师的需求远高于对数据科学家的需求. 通常情况下,商业分析师因为他们在商科.人文学科的专业背景,擅长于在各种来源的数据中挖掘信息,用以评估过去.现在和未来可能的经营业绩.

Glassadoor:数据科学家赚的最多!

文章讲的是Glassadoor:数据科学家赚的最多!Glassdoor最近发布了一份报告,公布了美国50个最佳的工作岗位,数据科学家连续两年夺冠.每年,工作网站都会根据每份职业的整体"Glassdoor工作得分"发布此报告.评分取决于三个关键因素:就业人数,工作满意度等级和年薪中位数. 数据科学家的工作得分为4.8分,工作满意度为4.4分,年薪中位数是11万美元,合人民币75万左右.与之相关的工作,比如数据工程师和DevOps工程师也紧随其后. 事实上,与过去一年相比,与数据相关的工作

SAS:大数据时代 数据科学家将成稀缺人才

业分析软件与服务供应商SAS在其最新发布的一份公司刊物中称,大数据时代对数据科学家的需求将激增,而人才匮乏将成为各企业面临的新挑战. SAS指出,大数据时代的来临向人们展示了大数据分析对企业业务发展的神奇价值,与此同时,大数据的数据量巨大.非结构性强.数据来源庞杂,使得大数据的处理与分析需要有别于传统数据分析的新技术(如高性能分析HPA)和新人才. 数据科学家定位 数据科学家集技术专家与数量分析师的角色于一身.他们和传统数量分析师的区别在于:后者通常利用企业的内部数据进行分析,以支持领导层的决策

数据科学家需要的技能组合

在2016年的美国,数据科学家已经被冠以"最佳工作"的头衔,数据科学家的定义以及成为一名出色数据科学家所需的技能一直处于不断的变化之中.科技和商业需求方面的进步驱使着数据科学家随着行业的不断变化而不停的进化.在这片文章中,我们将会近距离的看一看在2016年当中,作为一名数据科学家应该扮演何种角色. Dave Holtz写道,小小的"数据科学家"这样的岗位头衔,经常被充当一个空白头衔来用,其作用就是说明数据科学家这样的岗位所涉及到一系列工作,其实与其他工作有着天壤之别

信息图:业务分析师和数据科学家的比较

数据逐渐成为企业的新一代货币,这也正是公司为了做出更好的决策不遗余力的挖掘数据的潜力的原因.为此,公司需要的是懂得如何从海量数据源中获取需要的数据并以有价值的方式阐述这些数据的专业人士.数据科学家和业务分析师都是这样的专业人士,但决不能将他们混为一谈 --涉及到决策时他们采取不同的数据分析途径.因为这两种称谓经常被混用,商业分析专家Analytics@American绘制了如下的信息图来阐明两者的差异. 尽管两种类型的专家都是和数据打交道,但他们处理的方式却不一样.这种差异可以归因于他们各自的教

R、SQL、Python,看数据科学家最喜欢的编程语言

数据的爆炸增长以及公司将数据转化为商业价值的巨大可能性,不断增加着市场对数据科学家的需求. 但是,一个合格的数据科学家必须具备哪些技能,拥有什么样的教育背景呢?数据科学家在团队中的角色是什么?数据科学家大多使用什么工具和编程语言呢?这些就是米兰理工大学的大数据分析观测台通过一项针对数据科学家的国际调查正在研究的部分问题.如果你的工作与数据有关,也可以支持一下这个完全匿名的调查( survey). 除了基础的数据科学相关的技能,编程是数据科学家务必要具备的五种主要能力之一,即使就专业知识而言这不是