O'Reilly发布2016数据科学从业者薪酬报告

  • Oct. 3, 2016
  • |

 

导读


O'Reilly 近日发布了数据科学从业者薪酬报告(2016 Data Science Salary Survey),分析了来自45个国家的近千份调查报告后,针对数据科学从业者使用的工具、薪酬待遇等问题进行了详细分析解读,并从调查结果中得到一些有趣的结论。


比如,Python和Spark成为了对从业者薪酬贡献最高的两大工具;在所有的编程从业者中,每周编程时间越久的人薪水越高;SQL,Excel,R和Python成为了调查者中被使用频度最高的工具。






报告目录如下:


在这份报告中,你可以找到以下亮点内容:

  • 按照国家地区来看,哪里的数据科学家薪酬最高?

  • 对于薪酬贡献最大、被使用频度最高的相关工具是什么?

  • 对薪酬贡献最大的两项活动是什么?

  • 使用开源工具和商业产品的数据从业者的薪水差别?

  • 只使用Python和使用多种工具的从业者的薪酬差距?


根据调查结果,O'Reilly 发现了以下有趣的结论:

  • Python和Spark成为了对薪酬贡献最高的两大工具;

  • 在所有的编程从业者中,每周编程时间最久的人薪水最高;

  • SQL,Excel,R和Python是被使用最频繁的工具;

  • 每周参加会议时长越高的的从业者,薪水越高;

  • 从事同样的工作,女性的薪水低于男性;

  • R语言是最“跨界”使用的工具,不怎么编程或者使用开源工具的从业者也会使用R;


*注:所有调查结果基于O'Reilly 的调查问卷回馈

报告作者John King、Roger Magoulas


数据科学从业者的薪酬水平


在所有接受调查的从业者中,基本薪酬的中数是$87k。



按照国家分布来看,亚洲、非洲数据科学从业者的薪酬中数最低,美国最高。


◆ 

数据科学从业者的工作时长


超过85%接受调查的数据科学从业者,每周工作时长不低于40小时


而薪酬中数并没有随工作时长一直上升,在51-55h出现了最高值。


◆ 

数据科学从业者最爱的两大工具:Excel和SQL


调查报告中,使用频率最高的两种工具是Excel和SQL,其次是R和Python。和去年相比,Excel的使用频率从59%上升到了69%,R从52%上升到了57%。


超过90%的调查者反馈,他们会花一些时间写代码,80%的调查者使用Python,R还有Java中的一种,只有8%的调查者会同时使用这三种工具。


而不同的编程语言对从业者薪酬的贡献也大不一样。


看到这里的读者也不要着急去学习最能“挣钱”的编程语言,O'Reilly贴心的提醒读者,最重要的不是学习哪一种编程语言,而是真正找到能够解决你问题的相关工具。


◆ 

编程工具的学习顺序


学习不同的编程工具也有一定的学习顺序,以下是报告中建议的学习顺序,如果你已经在使用箭头左侧的工具,那么接下来可以考虑学习它紧邻右侧的下一个工具。


◆ 

每周编程时间越长,薪水越高


通过相关分析,O'Reilly发现,每周参加会议(meeting)时长和编程(coding)时长对数据科学从业者的薪水有比较大的影响。


其中,每周参会时间最长的从业者,薪水中数也越高。



每周编程时间与薪酬水平也呈现一定相关性,最高的薪水中数出现在每周编程4-8小时的人群,而最低的是那些完全不编程的人。显然,编程是成为数据科学家必不可少的技能。


转自大数据文摘


All comments(0)

No comments yet

美国咨询
中国咨询
扫码回复【白皮书】
免费领取2018年中国留学生在美就业白皮书
扫码领取白皮书