NO IMAGE

美國著名求職網站Glassdoor又出榜單了。在他們新出的《美國最佳工作排名Top 50》中,科技類的崗位有20個之多,佔據榜單上40%的席位。那麼,在這些科技崗位中,排名前10的又是哪些崗位呢?

讓來Offer帶你一睹為快吧:

第10位

Database Administrator

第9位

QA Manager

第8位

 Software Engineer

第7位

Data Analytics Manager

第6位

Site Reliability Engineer

第5位

Front End Engineer

第4位

Product Manager

第3位

Mobile Developer

第2位

DevOps Engineer

第1位

Data Scientist

雖然上榜的職位各異,但60%的職位,幾乎是由Sofware Engineer“衍生”而出,他們所需的基本技能都很類似。

而剩下的40%的職位,幾乎被data行業相關的職位包攬。

有趣的是,雖然程式設計師只排在第8,但job opening (29187) 卻以壓倒性的優勢,遠超於榜單上其它職位 —— 數量比其他9個崗位的opening加起來還多。

而排在榜單第1,年薪中位數110K,工作滿意度4.2/5的職位,是個5年前還不存在的職業:Data Scientist。

從AlphaGo到無人車, 一個個重大技術的突破體現出IT公司對機器學習領域的高度重視,對Data Scientist的需求也逐步擴大。

不止是 Data Scientist,近幾年來,無論是傳統巨頭Google, Facebook,還是新貴Airbnb, Uber,都一直在擴招的職位就是:

 Data崗位 

這個崗位到底有什麼魅力?

需求急速上升

由於“data-driven”的決策風格在業界越來越收到歡迎,幾乎每個公司、每個部門都在走向“data化”的道路。例來說:

  • 市場營銷部門會用Google Analytics分析廣告;
  • HR、Supply Chain部門會用SAP或Microsoft Dynamics等ERP軟體來處理資訊資料;
  • Business Intelligence部門會用SQL, Tableau, Sisense, Microsoft Power BI等工具分析資料,並提供見解;
  • 資料部門會用到R和Python等程式語言對data進行更復雜的處理….

更不用說,現在備受求職者歡迎的科技公司巨頭:(繼續舉例)

谷歌。這家公司可以說就是資料科學本尊。他們所做的一切都圍繞著data。他們從搜尋引擎google.com、YouTube收集來資料,然後用其來將廣告收入最大化,或提供一些別的服務。

亞馬遜。你在亞馬遜上看到的每個產品推薦,背後都承載著複雜資料科學演算法。舉個例子,亞馬遜有一個演算法,就可以預測顧客是否打算購買某種商品。一旦預測出的購買概率足夠高,他們會把該商品調貨到顧客家附近的倉庫。因此當顧客實際下單購買時,該商品將在支付的同一天到貨。

Facebook一直致力於增加廣告收入。通過Facebook平臺上的使用者個人資料和活動,他們可以知道該使用者的性格,比如他們喜歡什麼運動,什麼食物,喜歡貓還是喜歡狗,願意在網上花多少錢….通過收集這些資訊,他們可以準確地“target”使用者。因此很多其它公司也都喜歡把Facebook作為廣告媒介。

未來2年,企業對Data類崗位需求量將猛增28%。到2020年,所有美國Data類崗位數量將增加36萬個,總數達到270萬。  

其中,Data Scientist、Data Developer和Data Engineer崗位增長最快,在2020年之前,將有近70萬個崗位開放。(資料來源:IBM)

薪資喜人

而在薪資方面,Data崗位平均年收入超過9萬美元。

其中,資料科學家在美國的平均年薪將近10萬,最高收入者(前10%)的收入超過136,752美元。

前景廣泛

Data類崗位就業前景廣泛,覆蓋IT技術,金融,保險,專業服務等多個行業:

(圖為各類Data job在各行各業的需求量)

也正是因為有這麼多優點,資料科學職位逐漸成為了應屆生、尤其是轉專業同學的首選職業。

那麼,到底該如何找一份資料科學的工作呢?

Step 1:掌握必備技能

只有提升了自己的硬實力,才能有足夠的底氣去迎接面試和將來的工作。

Step 2:積累專案經驗

在留學生群體就業競爭壓力劇增的今天,倘若簡歷上沒有獨特的閃光之處,很難讓HR留下印象。因此對於資料科學崗位的求職者來說,如果簡歷上能有相關的project經驗,將成為一個大大的加分項!

Step 3:拿到面試

拿到面試方式有很多種,其中最有效率的方法,還是通過內推。此外,絕大多數人都不太可能第一次面試就順利通過,因此,在面試之前,你還需要好好鍛鍊一下自己的面試技巧,多進行幾次Mock Interview。而針對以上的“求職三步驟”,通過來Offer人工智慧與資料科學強化課程能把求職過程中遇到的痛點,逐一擊破。

E/N/D

更多科技求職資訊,

更全面的Data Science相關知識

豐富的Data Science專案實戰經驗

請關注“來Offer”