2018年秋季数据科学行业人才流动报告_25页_2mb

2018年秋季数据科学行业人才流动报告总结

核心内容

本报告由100offer内容团队发布，基于40万+用户数据，分析了2015年1月至2018年8月期间国内数据科学岗位的求职数据和企业需求。报告从技术栈、岗位需求、薪资水平、职业发展路径等方面，全面解读了数据科学行业的现状与趋势。

主要观点

数据科学行业人才紧缺

• 数据科学家、数据分析师和数据挖掘工程师等岗位在互联网行业中需求持续上升。
• 2018年数据类岗位面邀薪资达到43.4万元，较2015年增长37%。
• 数据科学是统计学、数学、机器学习、计算机科学等多学科交叉领域，对算法和数据处理能力要求较高。

技术栈与工作流程

一个完整的数据工作流包括以下几个阶段：

• 数据采集：获取原始数据，常用工具包括Apache Nutch、Scapy等。
• 数据整合和存储：进行ETL处理，使用MySQL、MongoDB、Hadoop、Spark等工具。
• 数据分析和策略算法：利用Python、SQL、R等进行数据建模与分析。
• 结果展示和可视化：使用Tableau、Excel、R、HTML/CSS/JS等工具。
• 模型实施和决策：将分析结果应用于实际业务，推动商业决策。

岗位分类与职能

报告梳理了五个主要数据科学岗位及其职能：

1. 数据挖掘工程师/算法工程师：负责数据挖掘和算法设计，对数学和编程能力要求较高。
2. 数仓开发工程师/DBA：关注数据库架构设计与运维，适合有工程基础但数学能力一般的求职者。
3. 数据分析师：侧重数据分析和报告制作，对数理统计和商业逻辑有较高要求。
4. 数据产品经理/商业分析师：将业务问题转化为数据需求，需具备跨部门沟通和产品设计能力。
5. 数据科学家：具备算法研究、模型构建和业务洞察能力，是数据科学领域的核心岗位。

关键信息

人才供给情况

• 数据类岗位的求职人数持续增长，2018年已超过2017年全年。
• 数据科学家岗位需求旺盛，学历门槛较高，硕士及以上学历占比超过50%。
• 计算机和软件工程类专业背景的候选人占比较高（43%），而非理工科背景的人才相对较少。

各岗位薪资与面邀情况

• 数据科学家和数据挖掘工程师是薪资最高的两个岗位，平均年薪在25万以上。
• 算法工程师紧随其后，薪资水平相近。
• 数据分析师和DBA的薪资相对较低，但仍是入门岗位的重要选择。

职业发展路径

纵向发展路线

• 初级数据分析师：掌握一门技术，进行数据预处理，能回答数据层面的业务问题。
• 中级数据分析师：独立完成高质量分析报告，熟悉全流程，具备较强的数据敏感度和业务理解力。
• 高级数据分析师：独立负责产品模块的数据项目，具备团队管理和战略眼光，能推动数据驱动的决策。

横向发展路线

• 数据分析师可以向数据产品经理、运营总监等非技术岗位发展。
• 工程和数学分析能力存在本质差异，职业转型需具备相应的技能宽度。
• 建议根据自身优势选择精专路线，如数据工程师可发展为数据库主管或数据架构师。

总结

数据科学行业正处于快速发展阶段，人才需求旺盛，薪资水平持续增长。求职者需根据自身背景和兴趣选择合适的岗位，并注重技能的全面发展。对于有志于进入数据科学领域的人才，掌握数据采集、处理、分析、建模和业务理解能力是关键。同时，职业发展路径多样，既可以选择纵向深耕，也可横向拓展，但都需要不断积累和提升综合能力。