分析1400家公司后发现：数据工程师比数据科学家更受欢迎作者|MihailEric编译|DonM

文章图片
作者|MihailEric
编译|Don
MihailEric ，亚马逊AlexaAI机器学习科学家，斯坦福大学计算机科学硕士，曾担任斯坦福大学自然语言处理（NLP）研究助理。
近些年来，我都在数据科学和机器学习人力市场的风口浪尖进行研究，我尝试用我的研究回答一些问题，就是市场上到底需要什么样的数据科学相关人才。
通过分析Y-Combinator发布的2012年来各家公司数据相关工作岗位的招聘信息（大约1400家公司），我发现在各大公司的招聘需求中，数据工程师的需求量要远远大于数据科学家的需求量。
数据是人工智能之本。数据源于生活，我们的举手投足都能映射成一段段奇妙的样本，它会随着人们生活的继续和传感器的采集而不断增加。海量的数据让机器越来越理解人类，认识万物。在过去的5到10年间，数据的巨量增加让这种现象愈发明显，也正因为此，数据科学领域吸引了大量的科学家和小白投身其中，尝试这种由海量数据带来的''禁果'' 。
那就不禁让我们好奇了，如今随着大量科研和开发人员涌入数据科学应聘市场，数据科学相关岗位的招聘需求行情如何呢？
为了不耽误各位童鞋宝贵的时间，我们简练滴总结了最终的结论：
一句话总结：在各大公司的招聘中，数据工程领域的岗位需求比数据科学高出了70%！因此，各位童鞋和老师请注意，我们在教育或者成为下一代的数据科学相关从业者的漫漫长征路上，不要一味的追求学术成就，更要注重培养工程技能。
作为一名数据科学教育平台的开发者，我十分关注学员们的就业情况。同样的，我也深刻思考了数据驱动相关领域（也就是数据科学和机器学习）的人力需求是如何演化的。
我曾经和数十位数据分析领域的从业者进行了深入交流，其中不乏世界顶尖院校的高材生。在交流的过程中我逐渐产生了一个巨大的疑惑，就是到底什么技能才能给我们的从业者''镀金''？哪些技能会让我们的学员在愈来愈多的相关从业者中脱颖而出，从而为自己步入职场做好重要的准备。
那到底需要哪些职业数据科学相关的技能呢？我觉得只要和以下关键词沾边即可：机器学习建模，可视化，数据清洗和处理（即SQL争用），工程和生产部署。
那作为一个初次接触数据科学的小白同学来说，有什么入门的学习课程和学习路径推荐吗？
数据胜于雄辩，讲了半天的大道理可能都不如一篇朴实无华的数据分析更有说服力。所以我对Y-Combinator自2012年以来的每家公司招聘的数据科学相关招聘需求进行了分析和统计，力求回答如下的问题：
大公司们聘用的数据科学相关从业者人员大多是去干什么的？
我们经常谈论的传统数据科学家到底受不受市场欢迎呢？
如今来说，那些开启了数据科学革命的技能之间是否相关呢？
如果你对这些问题感兴趣的话，请往下读吧：
1调研方法
YC投资组合公司是一家以数据为本的公司，他们号称是''将数据作为公司的价值主张'' ，听起来很靠谱，所以我选择使用他们的统计数据作为数据支撑。
YC公司除了价值观和旗号打的响，他们还额外提供了一个用起来很方便的搜索目录，里面都是他们收录的公司数据，查找起来十分方便。

文章图片
此外， YC还是一个特别具有前瞻性思维的孵化器，十多年来一直在为来自世界各地的公司提供跨领域的孵化资金，成功扶持了不少新兴企业。我觉得他们能够慧眼识珠，起码不至于将一些外强中干的皮包公司收录其中。他们起码能提供一个具有代表性的样本集合来支撑我们的分析。
为了收集数据，我搜集了自2012年来的每家公司的YC网页网址，目前统计了大概1400多家公司的数据。
有的同学可能会问，为啥是统计2012年来的数据呢？哈哈，因为2012年是AlexNet在ImageNet比赛中大放异彩的一年。自那之后无数的数据分析公司受到了AlexNet的启发和感召，如雨后春笋一般疯狂的成立。换句话说， 2012年后， AlexNet催生了一些最早的数据科学大公司。
在这些最开始的大公司中，我使用关键词过滤来减少那些无关的样本干扰。主要来说，我只考虑那些用如下关键词描述的公司：包括AI,CV,NLP,自然语言处理，计算机视觉，人工智能，机器， ML ，数据。我也忽略了那些官网无法访问的公司。