原文: Why data science and machine learning are the fastest growing jobsin the US

[[223686]]

1、LinkedIn對(duì)比了2012年和2017年的數(shù)據(jù)。排在前兩位的是機(jī)器學(xué)習(xí)崗位和數(shù)據(jù)科學(xué)家，前者在過去五年里增加了9.8倍，后者自2012年以來增加了6.5倍。在排名前十的崗位中，有四個(gè)都與數(shù)據(jù)科學(xué)有關(guān)，而且其中三個(gè)都位列前五。

2、《哈佛商業(yè)評(píng)論》的一項(xiàng)研究發(fā)現(xiàn)，“在用數(shù)據(jù)來驅(qū)動(dòng)決策方面處于業(yè)內(nèi)前三分之一的企業(yè)，其生產(chǎn)率平均比競(jìng)爭(zhēng)對(duì)手高5%，利潤(rùn)平均比競(jìng)爭(zhēng)對(duì)手高6%”。

3、麥肯錫全球研究院估計(jì)，到2024年，美國(guó)數(shù)據(jù)科學(xué)崗位的缺口可能達(dá)到25萬。數(shù)據(jù)科學(xué)技能方面的差距促使企業(yè)爭(zhēng)先恐后地培訓(xùn)或是招募能滿足其分析需求的人才。盡管培訓(xùn)班和在線課程試圖填補(bǔ)這一缺口，但未來幾年，企業(yè)可能將陷入激烈的人才爭(zhēng)奪戰(zhàn)。

原文翻譯：

職場(chǎng)社交網(wǎng)站LinkedIn近日根據(jù)自身的數(shù)據(jù)，發(fā)布了一份報(bào)告，列出了美國(guó)增長(zhǎng)最快的工作崗位。為了編制這份報(bào)告，LinkedIn對(duì)比了2012年和2017年的數(shù)據(jù)。排在前兩位的是機(jī)器學(xué)習(xí)崗位和數(shù)據(jù)科學(xué)家，前者在過去五年里增加了9.8倍，后者自2012年以來增加了6.5倍。在排名前十的崗位中，有四個(gè)都與數(shù)據(jù)科學(xué)有關(guān)，而且其中三個(gè)都位列前五。為什么數(shù)據(jù)科學(xué)崗位、尤其是機(jī)器學(xué)習(xí)崗位增長(zhǎng)得如此之快呢？

雖然很多報(bào)告和出版物都把數(shù)據(jù)科學(xué)稱為美國(guó)最受關(guān)注的崗位之一，但LinkedIn報(bào)告的獨(dú)到之處在于，它提到了該崗位迅速增長(zhǎng)的現(xiàn)象。以下是機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)崗位為何增長(zhǎng)最快的四個(gè)原因。

數(shù)據(jù)量飆升

大約90%的數(shù)據(jù)是在過去兩年里產(chǎn)生的，而且現(xiàn)在每天產(chǎn)生的數(shù)據(jù)量達(dá)到2.5quintillion（10的18次方）字節(jié)。為了讓各位對(duì)這一數(shù)字有一個(gè)概念，不妨看看數(shù)據(jù)公司Domo提供的一些數(shù)字：

· 每分鐘，美國(guó)人使用2,657,700GB數(shù)據(jù)

· 每分鐘，Instagram用戶發(fā)布46,750張照片

· 每分鐘，15,220,700條短信發(fā)出

· 每分鐘，谷歌進(jìn)行3,607,080次網(wǎng)絡(luò)搜索

所有這些行為都會(huì)產(chǎn)生數(shù)據(jù)，使數(shù)據(jù)量大到令人難以想象。由于數(shù)據(jù)如此之多，企業(yè)需要能處理這些數(shù)據(jù)的人手。例如，Instagram想知道，在每分鐘上傳的那46,750張照片中，哪張照片被分享的次數(shù)最多？哪一類型的內(nèi)容在該平臺(tái)上***？就從數(shù)據(jù)中獲取的信息數(shù)量而言，這只是冰山一角。由于數(shù)據(jù)量呈指數(shù)級(jí)增長(zhǎng)，對(duì)數(shù)據(jù)分析人才的需求也迅速上漲。

由數(shù)據(jù)驅(qū)動(dòng)的決策能帶來更多好處

對(duì)很多企業(yè)來說，數(shù)據(jù)只有能讓企業(yè)獲利，才是有用的，而這一點(diǎn)毋庸置疑。數(shù)據(jù)不僅能幫助企業(yè)作出更明智的決策，而且這些決策也常常會(huì)帶來經(jīng)濟(jì)效益?！豆鹕虡I(yè)評(píng)論》的一項(xiàng)研究發(fā)現(xiàn)，“在用數(shù)據(jù)來驅(qū)動(dòng)決策方面處于業(yè)內(nèi)前三分之一的企業(yè)，其生產(chǎn)率平均比競(jìng)爭(zhēng)對(duì)手高5%，利潤(rùn)平均比競(jìng)爭(zhēng)對(duì)手高6%”。

數(shù)據(jù)使企業(yè)可以只根據(jù)一個(gè)個(gè)數(shù)字，作出不帶個(gè)人色彩的決策，而不是依賴于CEO的直覺。如果數(shù)據(jù)能增強(qiáng)企業(yè)在市場(chǎng)上的盈利能力和競(jìng)爭(zhēng)力，這無疑是更多企業(yè)雇傭數(shù)據(jù)科學(xué)人才的一個(gè)原因。他們能分析數(shù)據(jù)，用通俗的語言進(jìn)行闡釋，以便讓團(tuán)隊(duì)明白如何采取下一步行動(dòng)。

機(jī)器學(xué)習(xí)正在改變企業(yè)的經(jīng)營(yíng)方式

機(jī)器學(xué)習(xí)是一種人工智能（AI），它能真正地學(xué)習(xí)和進(jìn)化。如今，機(jī)器學(xué)習(xí)已經(jīng)被很多行業(yè)采用，不管是營(yíng)銷、金融還是醫(yī)療行業(yè)。高級(jí)算法可以節(jié)省時(shí)間和資源，根據(jù)過去學(xué)習(xí)到的知識(shí)，迅速作出正確的決定。例如，傳統(tǒng)金融機(jī)構(gòu)中的信貸人員越來越少，因?yàn)闄C(jī)器學(xué)習(xí)算法可以在不需要人類幫助的情況下評(píng)估風(fēng)險(xiǎn)，進(jìn)而作出決定。

如今，機(jī)器學(xué)習(xí)即服務(wù)（MLaaS）已經(jīng)變成現(xiàn)實(shí)，更多的企業(yè)開始使用這類平臺(tái)，而不是投入大量資源和技能來建立自己的機(jī)器學(xué)習(xí)平臺(tái)。普通的企業(yè)人員也能使用機(jī)器學(xué)習(xí)平臺(tái)，從而不需要高管的介入，就可以作出明智的決定。企業(yè)的經(jīng)營(yíng)方式將徹底改變，但我們?nèi)詫⒁揽繖C(jī)器學(xué)習(xí)算法的開發(fā)人員，來推動(dòng)這項(xiàng)技術(shù)的發(fā)展。

機(jī)器學(xué)習(xí)能提供更準(zhǔn)確的預(yù)測(cè)

機(jī)器學(xué)習(xí)算法常常能發(fā)現(xiàn)人類發(fā)現(xiàn)不了的隱藏信息。由于需要處理的數(shù)據(jù)太多，哪怕是整個(gè)數(shù)據(jù)科學(xué)家團(tuán)隊(duì)也可能會(huì)漏掉某個(gè)趨勢(shì)或模式。預(yù)測(cè)市場(chǎng)的能力是企業(yè)保持競(jìng)爭(zhēng)力的一種方法，而機(jī)器學(xué)習(xí)算法使這成為了可能。企業(yè)想招募那些能不斷改進(jìn)預(yù)測(cè)模型的機(jī)器學(xué)習(xí)專家，以便獲得競(jìng)爭(zhēng)優(yōu)勢(shì)，在市場(chǎng)上始終保持領(lǐng)先地位。

在可預(yù)見的未來，數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)崗位將繼續(xù)增長(zhǎng)?？紤]到數(shù)據(jù)量的龐大以及它對(duì)企業(yè)利潤(rùn)的推動(dòng)作用，企業(yè)將不斷尋找適合這些崗位的人才。然而，需求顯然超過了供應(yīng)。麥肯錫全球研究院估計(jì)，到2024年，美國(guó)數(shù)據(jù)科學(xué)崗位的缺口可能達(dá)到25萬。數(shù)據(jù)科學(xué)技能方面的差距促使企業(yè)爭(zhēng)先恐后地培訓(xùn)或是招募能滿足其分析需求的人才。盡管培訓(xùn)班和在線課程試圖填補(bǔ)這一缺口，但未來幾年，企業(yè)可能將陷入激烈的人才爭(zhēng)奪戰(zhàn)。