中國人最不願讀卻最易找工作的專業

  • 在〈中國人最不願讀卻最易找工作的專業〉中留言功能已關閉
  • A+
所属分类:職場人生
摘要

「無論什麼事情,一旦變得這樣火爆,之後就肯定就會冷下來。」不過,紐約大學希望在未來幾年裡擴大數據科學課程的招生規模,把學生人數從40名增加到60名。本學年還有五個月才會結束,但50%到75%的學生已經找到了比較理想的工作。

在老查諮詢過的學生中,絕大部分都讀商科,尤其是會計和金融。但實際上,如果你希望未來留在國外工作,你必須思考:「到底在國外什麼專業容易就業「。其實,想知道並不難,但是大部分中國學生對這個比較排斥。

招聘網站報告稱,數據科學家平均年薪為11.9萬美元,而程序員平均年薪為6.5萬美元,差距由此可見。你擅長數學,會用Python編程,而且還對某個行業了如指掌?如果你擁有這樣的技能集,那你就有可能當上數據科學家。如果你當上了數據科學家,那你的日子就可以過得風風光光了——LinkedIn的最新投票結果顯示,「統計分析和數據挖掘」是2014年最大的求職法寶。美國招聘網站Glassdoor的報告稱,數據科學家的平均年薪為118709美元(約合人民幣737550元),而程序員的平均年薪為64537美元(約合人民幣400974元)。

中國人最不願讀卻最易找工作的專業

麥肯錫公司的研究預測稱,到2018年,在「具有深入分析能力的人才」方面,美國可能面臨著14萬到19萬的缺口,而「可以利用大數據分析來做出有效決策的經理和分析師」缺口則會達到150萬。該領域目前異常火爆,紐約大學數據科學中心課程的負責人羅伊-洛倫斯(Roy Lowrance)表示,現在可能已經到了巔峰期,「也許存在著泡沫。」

「無論什麼事情,一旦變得這樣火爆,之後就肯定就會冷下來。」不過,紐約大學希望在未來幾年裡擴大數據科學課程的招生規模,把學生人數從40名增加到60名。本學年還有五個月才會結束,但50%到75%的學生已經找到了比較理想的工作。

為什麼該領域會變得如此火爆?琳達-博奇(Linda Burtch)是芝加哥的獵頭公司博奇工程的董事總經理,她表示,儘管像谷歌、亞馬遜、Netflix和Uber這樣的高科技公司都有自己的數據科學團隊,但那些非高科技公司,比如Neiman Marcus、沃爾瑪、Clorox和Gap,它們現在也需要使用這方面的人才,「很多公司都在物色數據科學家,」她說。

這些公司希望,數據科學專業人才可以挖掘新的信息,來幫助公司開源節流。IBM負責大數據業務的副總裁Anjul Bhambhri表示,航空航天製造商Pratt&Whitney現在可以預測出飛機發動機何時需要進行維護,準確率達到97%,這可以幫助它更加有效地開展業務。

雖然IBM在本月剛剛推出了基於雲計算的Watson Analytics免費增值工具,但是,為了分析非結構化數據,數據科學家常常不得不親自動手編寫專門的軟體程序,這正是數據科學家必須掌握編程技巧的一個原因。

學校教育

洛倫斯說,數據科學家需要具備三項基本技能:數學/統計、計算機能力、在特定業務領域的知識。紐約大學數據科學中心希望招收至少具備其中一種技能的學生,然後培養他們掌握其他技能,讓學生到畢業的時候,可以獨當一面負責處理數據工作。「在學習過程中,他們要做一些數據科學項目,這些項目需要他們用到這三種技能,」他說。

但是,如果你想成為一名數據科學,也不一定非得去大學讀書才行。從今年9月開始,一家名為梅蒂斯(Metis)的公司開始在紐約舉辦為期十二周的數據科學訓練營,費用為1.4萬美元。報名的人非常之多,入學競爭相當激烈。梅蒂斯公司的聯合創始人傑森-莫斯(Jason Moss)說,大約有一半的學生都擁有碩士或博士學位。

第一期訓練營在12月初結束。莫斯說,不過幾周,15名學生中就有6名拿到了聘用通知。

「我不認為訓練營可以替代大學教育,」莫斯說。「訓練營可以提供一條捷徑,讓你以最快的速度找到一份工作,但大學的目的不在於此。但我也不認為你必須上大學才能成為一名數據科學家,」他說:「有一種人,他們天生具有好奇心,有勇氣,有決心,總想把事情理出頭緒,他們在這一行可以幹得很好。」

Anmol Rajpurohit是一名獨立的數據科學家兼顧問,他說,做這一行工作最重要的素質就是能夠快速學習東西。「與專長於任何特定編程語言相比,泛型編程技巧遠遠更加重要。」「在如今這個時代,技術的發展突飛猛進,語言會很快過時,新的語言則將迅速普及。因此,學東西很快的人,會比單獨領域的專家更有前途。」

洛倫斯認為,在某些技能方面,訓練營和網上課程可以為學習者提供很大的幫助。但在另外一些方面,它們的作用就就相對有限了。紐約大學的數據科學課程有一個優勢,就是可以按照正確的先後順序來培養你的技能。

「我們的教學順序可以讓你循序漸進、融會貫通地掌握技能。」

數據科學家要做哪些事?

遊戲公司Playstudios的數據科學家喬恩-格林伯格(Jon Greenberg)說:「在日常工作中,我需要管理一系列控制面板,它們提供的信息可以讓公司知道,我們的生意到底做得怎麼樣?用戶在做什麼事情?」格林伯格現在是一名經理了,所以他編程的時候沒有以往那麼多,但是他有時候仍然需要編程。通常來說,他把數據從Apache Hadoop的存儲器里調取出來,在分析平台Revolution R上運行它,並對它進行一些可視化處理。「比如說,我們可以從中得知一部分用戶如何與新推出的功能互動,」他解釋說。

六年前,格林伯格拿到了統計學的碩士學位。他希望進入政府部門工作,但卻驚訝地發現,公司企業非常需要數據科學家。「那個時候,數據科學領域還沒有現在這麼火爆」他說。現在,他每天都能從獵頭那裡收到一個電話或一封郵件。「這種情況不只是發生在我身上,」他說。「所有的數據科學家可能都是這樣。」對於格林伯格來說,就業機會很好只是一個加分項,因為他本來就熱愛這一行。我認為,要做數據科學工作,你必須得有分析頭腦才行,而且還得有好奇心,他說。「你必須得有靈活性和創造性,構思出不同的方法來解決問題。」這項工作的唯一缺點,格林伯格說,就是「清潔」數據(去掉那些沒有相關性的結果)需要花費大量時間,「這部分任務並不是那麼招人喜歡,你得花很多時間來做它。」

Rajpurohit說,他花了很多精力來清潔數據和做研究。「我很大一部分時間都花在做研究上,因為我經常會遇到全新的問題,因此,我需要研究特定領域最新文獻,或者是找找專家,聽聽他們在這方面的看法,」他說。「儘管數據科學這個名字和藝術毫不沾邊,但是你需要把藝術和科學很好地結合起來。科學的部分很明顯——數學,程序設計等等。但藝術部分是同樣重要——創造力,對語境有著深刻的理解。把這兩部分結合在一起,你就會變得善於解決問題。」儘管如此,Rajpurohit也承認,數據科學並不像眼下很多人以為的那樣善良迷人。這個領域確實是在變得越來越重要,而且也出現了很多高薪機會,但在數據科學家需要做的日常工作中,有很多其實都很枯燥。

你是當數據科學家的料嗎?

每天花大量時間來編程,分析控制面板上的數據,獲得相關信息,如果你對這樣的工作感興趣,那麼你可能就適合幹這一行。但如果你僅僅是想拿高工資,那麼你可能就會覺得這樣的日子過起來苦不堪言。你要知道:真正適合幹這一行的人,常常會在業餘時間裡編寫程序,分析數據,而他們這樣做只是為了自娛自樂。

亞當-弗洛葛爾(Adam Flugel)是博奇公司的數據科學招聘獵頭,他談到了最近遇到的一名候選人。此人擁有博士學位,今年秋天將去電藝公司(Electronic Arts)工作。」弗洛葛爾說:「真正讓他脫穎而出的是優勢是,他在空閑時間也做這種事情,而且純粹就是為了好玩。「他是多人在線遊戲世界《坦克世界大戰》的玩家,領導著一個玩家團隊。於是他編寫了一個從遊戲伺服器抓取數據的程序,然後進行數據分析,評估自己團隊的表現。然後他利用這些信息來弄清應該如何調整自己的戰略,應該招收哪些類型的成員,才能提升團隊的整體表現。」

所以,如果你愛的並不是數據本身,而是它可以給你帶來的高薪,那麼你會發現,自己很難與那樣的人競爭。但是博奇說,每個人都應該學會熱愛數據,即便只是為了自己事業前途著想,也該這樣做。

「十年之內,如果你不是數據大咖,你就別想升到『首席XX官』的位置上。」

但是像史蒂夫-喬布斯、比爾-蓋茨那樣的情況又怎麼解釋呢?他們擁有遠見卓識,並沒有陷入數據科學的細枝末節之中。博奇說:「那是30年前的事了,我說的是未來10年。」