導(dǎo)讀

• 數(shù)據(jù)科學(xué)家為什么這么貴?這篇文章通過一些統(tǒng)計數(shù)據(jù)告訴你為什么

當(dāng)你聽到“數(shù)據(jù)科學(xué)家”這個頭銜時，你會想到什么?可能不是一個衣衫襤褸、表情嚴(yán)肅的白領(lǐng)，對吧?

也許這就是為什么《哈佛商業(yè)評論》(Harvard Business Review)將“數(shù)據(jù)科學(xué)家”稱為“21世紀(jì)最性感的工作”。他們寫道，“如果‘性感’意味著擁有非常搶手的稀有品質(zhì)，那么數(shù)據(jù)科學(xué)家已經(jīng)在那里了。”他們很難招到，也很貴，而且由于他們的服務(wù)市場競爭非常激烈，很難留住他們。 

數(shù)據(jù)科學(xué)家是受過訓(xùn)練的專業(yè)技術(shù)人員，他們對數(shù)據(jù)世界的發(fā)現(xiàn)充滿了好奇心。盡管“數(shù)據(jù)科學(xué)家”一詞最近在Linkedin上很流行，但這個領(lǐng)域本身并不新鮮。在《哈佛商業(yè)評論》發(fā)表這篇文章時，已有數(shù)千名數(shù)據(jù)科學(xué)家在初創(chuàng)企業(yè)和公司工作。此外，使計算機與人類一樣智能的目標(biāo)已經(jīng)追求了近四分之一個世紀(jì)。數(shù)據(jù)科學(xué)家最近如此受歡迎有多種原因。其一，當(dāng)收集數(shù)據(jù)成為時髦依賴，公司多年來一直收集越來越多的數(shù)據(jù)，由大型技術(shù)公司的成功很大程度上是得益于他們收集的數(shù)據(jù)，其次，技術(shù)的進(jìn)步使得這些數(shù)據(jù)集合成為資產(chǎn)。

現(xiàn)在有大量現(xiàn)成的數(shù)據(jù)等待分析：

現(xiàn)在所有行業(yè)的大多數(shù)大公司都可以獲得大量的數(shù)據(jù)，但是許多公司并沒有以一種有效和富有成效的方式使用這些數(shù)據(jù)。然而，企業(yè)現(xiàn)在開始意識到，它們需要利用目前通過企業(yè)數(shù)據(jù)庫可以訪問的大量數(shù)據(jù)。多少數(shù)據(jù)?從2013年的4.4萬億gb增加到2020年的44萬億gb。

數(shù)據(jù)的數(shù)量和種類為有能力使用它的人和收集它的企業(yè)創(chuàng)造了機會。然而，該行業(yè)正面臨著技能和專業(yè)知識的短缺，而這些技能和專業(yè)知識是處理那些尋求利用其豐富數(shù)據(jù)的公司日益增長的需求所必需的。甚至那些在大學(xué)里學(xué)習(xí)計算機科學(xué)和技術(shù)的人也被迫在工作場所從事要求很高的數(shù)據(jù)分析工作。

數(shù)據(jù)科學(xué)人才結(jié)構(gòu)性短缺：

根據(jù)加州大學(xué)河濱分校的統(tǒng)計數(shù)據(jù)，1/3的美國新聞與世界報道全球100所頂級大學(xué)提供數(shù)據(jù)科學(xué)學(xué)位。在這29所大學(xué)中，只有6所提供本科水平的數(shù)據(jù)科學(xué)課程，其余的是研究生學(xué)位。這些數(shù)據(jù)科學(xué)項目的平均班級規(guī)模只有23名學(xué)生。加州大學(xué)(University of California)預(yù)測，在已經(jīng)為數(shù)不多的提供數(shù)據(jù)科學(xué)課程的大學(xué)中，小班授課不太可能“在縮小全球數(shù)據(jù)科學(xué)人才缺口方面產(chǎn)生有意義的影響”。在簡單的經(jīng)濟術(shù)語中，需求超過了供給，在這種情況下，遠(yuǎn)遠(yuǎn)超過了供給。2017年，IBM預(yù)測，到2020年，每年對新數(shù)據(jù)科學(xué)家、數(shù)據(jù)開發(fā)人員和數(shù)據(jù)工程師的需求將達(dá)到近70萬個職位空缺。因此，一所大學(xué)僅有23個學(xué)生班級，而所有提供數(shù)據(jù)科學(xué)課程的大學(xué)大約有700名畢業(yè)生，將無法滿足快速增長的對數(shù)據(jù)科學(xué)人才的需求。

2018年，初級數(shù)據(jù)科學(xué)家的平均工資為11.5萬美元，管理10至15人團隊的人可以要求高達(dá)35萬美元的工資。與此同時，數(shù)據(jù)科學(xué)家的平均工作年限從2014年的9年降至2015年的6年。到2019年，全球?qū)?shù)據(jù)科學(xué)家的需求預(yù)計將超過供應(yīng)的50%。超過40%的公司認(rèn)為他們招聘數(shù)據(jù)科學(xué)家的無能阻礙了他們的競爭力，難怪超過60%的公司內(nèi)部培訓(xùn)他們的員工。 

有兩種方法可以填補這一空白：

有兩種主要方法可以幫助緩解這種技能短缺。首先，人工智能超級明星Andrew NG支持的一種方法是使用非傳統(tǒng)的方法來培訓(xùn)更多的數(shù)據(jù)科學(xué)家，比如大規(guī)模在線開放課程(MOOCs)。雖然這對于當(dāng)前的開發(fā)人員和其他以數(shù)據(jù)為中心的員工來說是一種“提高技能”的好方法，但它還不是更大問題的解決方案。我說“還沒有”，是因為這從根本上要求改變行為。雇主還沒有對這種教育給予足夠的重視，許多雇主在招聘時仍然只看名牌大學(xué)。雖然這種心態(tài)正在緩慢地改變，但它來得不夠快，不足以在中短期內(nèi)解決問題。

第二種方法是讓更多沒有數(shù)據(jù)科學(xué)技能的人能夠輕松地將這些復(fù)雜的技術(shù)應(yīng)用到公司數(shù)據(jù)中。本質(zhì)上，讓人工智能和機器學(xué)習(xí)解決自己的問題。通過使用過去幾年開發(fā)的技術(shù)(包括這里的MindsDB)，可以模擬數(shù)據(jù)科學(xué)家，這樣即使是非技術(shù)人員也可以通過幾行代碼或幾次單擊來執(zhí)行數(shù)據(jù)分析。

這兩種解決方案并不是相互排斥的，它們將協(xié)同幫助企業(yè)以更有意義的方式使用數(shù)據(jù)，從而推動成本節(jié)約和/或推動增長和收入。為了有效地實現(xiàn)這一目標(biāo)，企業(yè)內(nèi)部需要進(jìn)行文化變革，從而制定更好的招聘政策，更好地使用工具和軟件，這些工具和軟件可以解決企業(yè)面臨的許多數(shù)據(jù)問題，而不需要擴大員工數(shù)量，也不需要聘請昂貴的數(shù)據(jù)科學(xué)家。