2016数据科学从业者薪酬报告

推荐会员: lex 所属分类: 研究报告,行业精选 发布时间: 2016-09-27 10:50
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。
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。
2016年数据科学从业者薪酬报告_000001
2016年数据科学从业者薪酬报告_0000022016年数据科学从业者薪酬报告_0000052016年数据科学从业者薪酬报告_0000062016年数据科学从业者薪酬报告_0000072016年数据科学从业者薪酬报告_0000082016年数据科学从业者薪酬报告_0000092016年数据科学从业者薪酬报告_0000102016年数据科学从业者薪酬报告_0000112016年数据科学从业者薪酬报告_0000122016年数据科学从业者薪酬报告_0000132016年数据科学从业者薪酬报告_0000142016年数据科学从业者薪酬报告_0000152016年数据科学从业者薪酬报告_0000162016年数据科学从业者薪酬报告_0000172016年数据科学从业者薪酬报告_0000182016年数据科学从业者薪酬报告_0000192016年数据科学从业者薪酬报告_0000202016年数据科学从业者薪酬报告_0000212016年数据科学从业者薪酬报告_0000222016年数据科学从业者薪酬报告_0000232016年数据科学从业者薪酬报告_0000242016年数据科学从业者薪酬报告_0000252016年数据科学从业者薪酬报告_0000262016年数据科学从业者薪酬报告_0000272016年数据科学从业者薪酬报告_0000282016年数据科学从业者薪酬报告_0000292016年数据科学从业者薪酬报告_0000302016年数据科学从业者薪酬报告_0000312016年数据科学从业者薪酬报告_0000322016年数据科学从业者薪酬报告_0000332016年数据科学从业者薪酬报告_0000342016年数据科学从业者薪酬报告_0000352016年数据科学从业者薪酬报告_0000362016年数据科学从业者薪酬报告_0000372016年数据科学从业者薪酬报告_0000382016年数据科学从业者薪酬报告_0000392016年数据科学从业者薪酬报告_0000402016年数据科学从业者薪酬报告_0000412016年数据科学从业者薪酬报告_0000422016年数据科学从业者薪酬报告_0000432016年数据科学从业者薪酬报告_0000442016年数据科学从业者薪酬报告_0000452016年数据科学从业者薪酬报告_0000462016年数据科学从业者薪酬报告_0000472016年数据科学从业者薪酬报告_0000482016年数据科学从业者薪酬报告_0000492016年数据科学从业者薪酬报告_0000502016年数据科学从业者薪酬报告_000051
来源:http://bi.dataguru.cn/article-9921-1.html
关键词:

版权声明:本站原创和会员推荐转载文章,仅供学习交流使用,不会用于任何商业用途,转载本站文章请注明来源、原文链接和作者,否则产生的任何版权纠纷与本站无关,如果有文章侵犯到原作者的权益,请您与我们联系删除或者进行授权,联系邮箱:service@datagold.com.cn。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

This site uses Akismet to reduce spam. Learn how your comment data is processed.