科多大数据培训
全国24小时免费热线
15328019568
联系QQ
3048661160
开班时间
当前位置:首页 > 学习资讯 > 大数据内容 >

数据分析师薪资怎么样?企业需要什么样的数据

企业当前需要什么样的数据分析人才?这些人才应该具备怎样的能力和素质?数据分析师挣多少钱?科多大数据相信下面的分析过程正在试图给你答案。希望本文能够为你今后的学习和

企业当前需要什么样的数据分析人才?这些人才应该具备怎样的能力和素质?数据分析师挣多少钱?科多大数据相信下面的分析过程正在试图给你答案。希望本文能够为你今后的学习和求职提供指导,也为正在学习数据分析和找工作的朋友们提供一定的参考价值。想要进入大数据行业的小伙伴们,可以到科多大数据官网获取相关数据分析资料哦~
01 项目背景
在学习数据分析的路上,少不了经常逛知乎,写这篇文章的启发来源于@BigCarrey 的一篇文章《数据分析师挣多少钱?“黑”了招聘网站告诉你!》,该文章给了我一些帮助,让我了解了数据分析岗位相关的信息,但同样也留给我一些疑问,该文章分析的数据分析师所需技能的结果丝毫没有R的踪影,尽管是一年前的分析,我觉得应该不可能不存在。
因此,抱着证实R语言这款工具的想法,以及希望了解当前企业对数据分析岗位的需求,开始了一次针对招聘网站的数据分析岗位招聘数据的分析与挖掘实践,避免自己所学习的方向与企业实际需求脱轨。
此实例采用R语言作为分析工具,下面展现的是我整个分析过程。
02 目标
了解企业当前需要什么样的数据分析人才,以及应该具备的能力和素质。
分析的结果为今后的学习和求职提供指导,也为正在学习数据分析和找工作的朋友们提供一定的参考价值。
03 问题的分解
不同地区,数据分析岗位的需求分布以及对应的薪资分布
不同经验,数据分析岗位的需求分布以及对应的薪资分布
不同学历,数据分析岗位的需求分布以及对应的薪资分布
不同企业规模,数据分析岗位的需求分布以及对应的薪资分布
探索数据分析岗位对应的工具型技能与对应的薪资水平
探索数据分析岗位对应非工具型能力的需求
04 数据集的定义
▲表1:数据分析岗位信息表
▲表2:数据分析岗位技能关键词表
05 数据获取
数据来源:拉勾网
数据范围:互联网行业、数据分析岗位
数据集:全国数据分析岗位招聘信息数据集(采集样本量:449)
工具:爬虫
时间:所有数据截止2018年3月12日
数据集获取方式:请关注公众号数说物语(ID:DataTalk_)回复【拉勾网】即可获取下载链接和密码
06 数据处理
步骤1:加载原始数据
 
步骤2:识别缺失值
 
 
▲图1. aggr缺失值识别图
幸运的是该数据集不存在缺失值,这是很少遇到的情况。
步骤3:数据清洗
 
 
步骤4:文本挖掘
文本挖掘工具:jiebaR包
说明:
在进行正式挖掘之前测试了一下jiebaR的关键词(keywords)分词器,测试的结果发现SQL,Python等词在jiebaR词典中的IDF值均为11.7392,但“R”这个字符无论如何(即使自定义了用户字典,或者在idf字典中添加R的idf值)都无法被分词器识别为关键词,猜测可能是默认R的词性标注或者算法实现方法的原因。但因为R是数据分析师的重要工具,识别不出来是不可容忍的,因此要另求出路。
测试代码如下:
 
结果如下:
 
解决办法:
关键词算法的实现原理是TF-IDF算法,TF为词频,IDF为逆文档率(词的权重),因此TF-IDF=TF*IDF为衡量是否关键词的指标,若控制IDF,则TF-IDF的值与TF值成正比关系,简单来说TF值可以代替TF-IDF值。
由于此次分析的是数据分析师的工具和技能,因此只考虑SQL,PYTHON,R,SAS等常用且类似的词的分析,又因为该类词在jiebaR分词器识别出来的IDF值均是同级别的(即使可能存在有差异也在此假设其等值),因此这部分词汇的关键指标的衡量可以简化为出现的词频,即TF值,这个可以通过jiebaR的默认分词器(不是关键词分词器)来处理即可,最终解决R关键词识别的问题。
文本挖掘思路:
1、工具型技能的关键词:采用默认分词器的词频TF值
2、非工具型能力或素质的关键词:采用关键词分词器的TF-IDF值
代码如下:
 
 
到此数据处理的过程基本完成,处理后干净的数据如下:
07 分析的结果
数据分析代码:
具体代码可以前往该链接查看整个过程:RPubs - 分析实例:企业需要什么样的数据分析人才(http://rpubs.com/Joffy_Z/DA_analysis)
描述统计信息:
问题一:不同地区,数据分析岗位的需求分布以及对应的薪资分布
 
 
总的来说数据分析师的平均薪资比较好,工作1年以上拿到10k月薪的机会还是比较大
在需求量前5的城市中,北京和深圳的平均薪资是最高的,广州的平均薪资最低
需求量在第二梯度的城市中,长沙和成都的平均薪资较低,但武汉、厦门、郑州也有不错的薪资表现,二线城市也是一个可以考虑的选择
需要注意的是苏州的需求量相对于其他城市是非常低的,但其平均薪酬接近深圳,是可以值得关注的城市
问题二:不同经验,数据分析岗位的需求分布以及对应的薪资分布
跟预想的差不多,薪资随工作经验的增加而有一个稳定的增长
但企业对最大的数据求集中在3-5年经验的数据分析师,这对于转型进入数据分析的人来说不是一个好的消息
转行需要更有充足的准备,且要不断寻找能够积累经验的项目来做。
问题三:不同学历,数据分析岗位的需求分布以及对应的薪资分布
 
企业似乎更加注重分析师的实践经验,而不是学历的高低,但至少需要具备本科以上的学历,数据分析还是需要具备一定的理论基础
在薪资方面,相对与本科来说,硕士及以上学历在获取高薪方面并没有太大的优势,能够解决实际问题才是数据分析师拿高薪的关键,而非深奥的理论知识
大专学历的分析师还是有机会,重点在于增加自己的工作经验才是本质上与其他分析师拉开距离的关键,当然,理论知识也不能落下
问题四:不同企业规模,数据分析岗位的需求分布以及对应的薪资分布
 
 
150人规模以下的企业需求量较少,但给出的薪资较高(甚至有异常的高薪),该类企业可能处于快速融资且高速的发展阶段,需要有丰富经验的数据分析专家来建设整个数据体系
50~150人规模的企业适合有足够经验的分析师且想要创业的人,对自己职位以及薪酬均会有明显的提升,但最大的风险就是该类企业容易失败,特别在互联网行业,因此更不建议作为转型新人的首选
对于转型的新人,尽可能往大企业走,越大规模的企业,整个体系越成熟,因此可以在150人以上的规模从上往下选择自己合适的企业才是比较科学的方式,且需求量巨大
问题五:数据分析岗位对应的工具型技能与对应的薪资水平
 
 
 
SQL和Excel几乎是每个数据分析师要掌握的基础技能,大多数企业都有自己的数据库体系或者系统平台,因此企业工作人员读取和处理数据还是以数据库和Excel为主
R,Python是两个最热门的开源数据分析工具,且当前R语言在需求仍然不低,因此核心掌握两门语言的其中一门都会让数据分析师具备有力的竞争优势
除此之外工作经验较低的数据分析师还需要掌握一些BI可视化分析工具
工作经验较高的数据分析师需要掌握主流的关系型数据库系统和NoSQL,以及Hadoop,Hive,Spark等大数据工具
掌握Hadoop,Hive,Spark,R,Python等技能是获取高薪必备条件
问题六:数据分析岗位对应非工具型能力的需求
声明:此处数据涉及到岗位细分和难以衡量的原因,并没有进行深入分析,词云本身不具备太高的数据分析价值,仅作为可视化关键词的分布情况的工具;阅读者需要根据自身岗位以及所处的工作定位查看关键词的情况,这里的大小表示关键词出现的频次。
通过资料的收集,了解到数据分析岗位主要有偏工程方向和偏业务方向两个类型,透过词云可以大概了解到如下信息:
偏工程方向的数据分析师对“数据挖掘”、“数据建模”、“模型分析”等能力要求较高
偏业务方向的数据分析师对“业务分析”、“运营分析”、“产品分析”、“用户分析”等能力要求较高
两个类型共同需要“逻辑思维”、“沟通”、“分析报告”、“统计分析”、“团队合作”等关键能力
08 总结
从地域来看,北京、深圳、上海、杭州、广州应该是数据分析师的首选城市,苏州是一个值得关注的城市,外部数据了解到苏州的GDP仅次于一线城市,此处结果平均薪资接近北京和深圳,但需求量较低,想要苏州发展的朋友可以关注其动态。
从总体需求来看,企业更加需要具备多年工作经验,且动手能力强、解决实际问题的分析人才,随着工作经验的增加,其对应的薪资也有可观的增长。
从大环境看,外部资料了解到,自助式分析工具的逐步完善与人工智能技术的突破,也可能使得企业现有业务人员能够上手基础的分析工作,导致企业对经验较低的分析师需求减少。
从企业规模看,150人以上规模的企业更加适合新人进去锻炼,一方面企业已经完成了基本的数据体系架构,且越大的企业数据量级越大,另一方面,企业需要逐步培养强大的数据分析团队来支撑业务的增长。
从分析师个人的角度,则需要更加关注自身成功项目经验的积累,这是升职加薪的必备条件,且需要思考未来自身的发展路径,提前做好准备,相对于业务方向,大数据工程师方向会有更可观的薪资。
从能力的角度,数据分析师需要掌握SQL,Excel,R,Python四个必备的工具(R和Python可以选择其一为主要工具),新人可以注重BI,PPT等office工具的技能,如果是大数据挖掘,越往后则需要更加关注hadoop,Hive,Spark等工具;
数据分析师个人还需要注重逻辑思维、表达沟通、分析报告等关键能力
09 建议
对于想要转型的数据分析师新人,转型之前尽可能做好项目经验的积累,尽量做到跨岗不跨行,在自己熟悉的领域学习数据分析
企业比较看重经验和动手能力,面试的时候尽可能展示你的作品或者案例,如果当前没有,则需要在日常学习,练习,积累
可以掌握一些可视化工具和数据可视化的思维,熟练掌握报告和表达的技巧,数据分析的工具多样,方式多样,只有能够正确解读数据且让对方看懂听懂才是有价值的
10 不足
本次分析并没有按照分析报告的方式来呈现,文章中以个人的整个分析过程来撰写,希望能够与各位朋友一起交流学习,如果你不同意我文章中的观点,欢迎指正交流。
文章中我附上了我的数据集以及分析的代码链接,有兴趣的朋友可以重复我的过程,甚至做更加深入有趣的分析,如果有新的发现和观点,希望也能让我知道,向你们学习。
11 局限
数据仅采集到449份样本,数据量相对少一点,因此数据分析的结果需要大家用怀疑的心态来看待,且仅局限在互联网行业,相对于其他行业,本文章的分析结果只能作为一个参考。
感谢您的阅读,您的建议和留言会让科多大数据做得更好。

 

科多大数据带你来看看,全球最牛的4个区块链项目

有人说,目前区块链行业火热,各种项目层出不穷,但真正有实际落地的却寥寥可数,甚至有极端言论说99%的区块链项目最后都将夭折。事实果真如此吗?本文就为您梳理一下目前全球区块链行业最牛的四个项目,通过对这些项目的梳理和总结,带你进一步了解区块链行业,另外科多大数据的区块链全新课程已经上线,对区块链技术感兴趣的小伙伴们可以进科多大数据官网领取免费视频资料哦~
为什么说这四个是目前最牛的区块链项目?
目前,区块链项目众多,根据区块链产业链,将主要项目归为五大类,即数字资产、全球支付、金融、平台应用和底层技术。
 
我们认为,一个区块链项目牛不牛,由众多因素和指标决定,但是,如果综合融资规模、市值、用户规模等几个大的因素,可以从很大程度上反映出项目的水平,基于此,我们从五大类项目中的前四类中各选出了一个最牛项目(由于我们对区块链底层技术知识积累尚浅,故暂不对该类公司进行分析)。如果你对这些项目是否最牛有质疑,欢迎探讨。
 
01 Ethereum-目前市值仅次于比特币的数字货币
 
比特币是大家最为熟知的数字货币,除此之外,目前比较流行的还有以太币、莱特币、瑞波币等等,据不完全统计,目前市场上的数字货币数量有1300多种,这些数字货币的主要作用是用来代表价值储存、交换媒介或账户单位。
以太币在数字货币里,无论从用户规模还是市值,都是仅次于比特币的数字货币,以太币是由以太坊(Ethereum)发行的代币。
以太坊项目发起于2013年底,以创始人Vitalik Buterin发布以太坊初版白皮书为标志。以太坊是全球第一个有实力的竞争币,相较于比特币,以太坊在交易速度、技术创新等方面优势突出,是全球第一个将虚拟机、智能合约引入区块链,开创区块链新时代的项目。整体而言,以太坊的简史可以大致分为诞生、迅速崛起与更新迭代三个阶段,目前还是处于第三阶段。
1. 诞生
以太坊项目开始于2013年底,是一个新的区块链平台,也同样是一个开放源代码的项目,相较于比特币,以太坊更加开放和灵活,它允许任何人在平台中建立和使用通过区块链技术运行的去中心化应用,不局限于数字货币交易。
到2014年4月,以太坊社区、代码数量、wiki内容、商业基础结构和法律策略基本完善,在其发布的以太坊虚拟机技术说明黄皮书中宣布,以太坊客户端支持7种编程语言,包括C++、 Go、Python、Java、Java、Haskell、Rust等。
2014年7月24日,以太坊开放为期42天的以太币预售,最终售出60102216个以太币,共募集到31531个比特币,根据当时币价折合1843万美元,是当时排名第二大的众筹项目。
2. 迅速崛起
2015年7月以太坊发布正式的以太坊网络,标志着以太坊区块链正式上线运行,月底以太币开始在多家交易所交易,目前单个以太币的价格已经高达400美元。
 
3. 更新迭代
截至目前,以太坊项目已经占据区块链应用底层的半壁江山,这其中既有优于比特币的特性、以太坊抢占竞争高地带来的红利,也有包括摩根大通、微软、英特尔在内的大型企业组成的以太坊企业联盟(EEA)带来的正面效果。
以太坊在高速发展的同时,一些问题也逐渐暴露,比如近期随着虚拟猫CryptoKitties上线造成的网络拥堵,以太坊是否能通过更新迭代改进系统交易速度与容量问题,将直接决定以太坊后续能走多远。
02 InterLedger-基于区块链实现全球跨境支付的实践者
 
InterLedger是Ripple推出的一个跨账本协议,帮助银行间进行快速结算。Ripple成立于美国,是一家利用区块链技术发展跨境结算的金融科技公司。它构建了一个没有中心节点的分布式支付网络,以期提供一个能够取代SWIFT(环球银行金融电信协会)网络的跨境支付平台,打造全球统一的网络金融传输协议。Ripple的跨账本协议能让参与方看到同样的一个账本,通过该公司的网络,银行客户可以实现实时的点对点跨国转账,不需要中心组织管理,且支持各国不同货币。
1. InterLedger项目背景
目前基于区块链的数字货币种类繁多,如果在不同的区块链直接通过数字货币进行价值转移和交换,会遇到一些问题,比如用户A想用手中的比特币从用户B那里买一个台电脑,但是用户B的电脑以以太币进行定价,不接受比特币,这时用户A就必须把手中的比特币兑换成以太币,在这个兑换的过程中,又会遇到数字货币价值不稳定的问题,会出现价值损耗,同时交易过程也很繁琐,正是针对这样的问题,Ripple提出了一种跨链价值传输的技术协议InterLedger。
2. InterLedger
在InterLedger系统中,两个不同的账本系统可以通过第三方来互相转换货币。账本系统无需去信任第三方,因为该协议采用密码算法为这两个账本系统和第三方创建资金托管,当所有参与方对资金达成共识时,便可相互交易。“账本”提供的第三方,会向发送者保证,他们的资金只有在“账本”收到证明,且接收方已经收到支付时,才将资金转给连接者;第三方也同时也保证连接者,一旦他们完成了协议的最后部分,他们就会收到发送方的资金。这意味着,这种交易无需得到法律合同的保护和过多的审核,大大降低了门槛。
 
3. 市场表现
目前全球已经有17个国家的银行加入了 Interledger项目合作,此外包括苹果、微软在内的巨头公司均已接入,在今年1月26号,Ripple CEO Brad Garlinghouse 在首届中美区块链峰会上表示,未来Ripple会考虑进入中国,与中国人民银行等机构进行合作。
03 Coinbase-美国第一家比特币交易所
 
1. 成立
coinbase公司成立于2012年6月,它致力于让消费者更容易的使用比特币。
2. 主营业务
比特币钱包:最初提供比特币钱包服务,帮助客户存放数字资产。
比特币交易所:2015年1月27日上午,Coinbase创建的美国第一家持有正规牌照的比特币交易所正式开张,为交易者提供加密货币交换或出售的服务。
3. 官方认证
2017年1月17日,纽约金融服务部门(NYDFS)负责人宣布,已通过比特币交易平台Coinbase的牌照申请,这意味着Coinbase在美国纽约州的经营终于获得了官方认证。Coinbase成立三年间获得了美国20个州的许可。
 
▲Coinbase已经成为比特币领域的独角兽公司
2017年6月,Coinbase称公司最新估值超过20亿美元。截止2017年6月,Coinbase 累计持有2780万个钱包,拥有840万用户,交易规模达200亿美元,覆盖32个国家。累计为超过万名开发者提供开发工具及服务,拓展Expedia(美国最大在线旅游平台)、Dell、Overstock(美国知名零售商)等46000家企业客户。
4. 核心产品
(1)Coinbase-比特币交易所
 
(2)Coinbase-比特币钱包
 
(3)Coinbase数字API平台
 
04 Steem-基于区块链的内容激励鼻祖
 
1. 项目背景
用户为社交媒体带来大量流量和收入,却很少享受到平台发展带来的红利,传统的内容分发和版权交易流程中,无论内容生产者还是普通用户,多数都很难获得任何收益,Steem项目用加密货币奖励用户的方式来解决现有社交平台存在利益分配不合理的问题。
Steem是社交媒体网站Steemit发行的数字货币,用户在该平台发布内容(文章、图片、评论)后,根据用户的投票和评论等规则,可得到一种系统奖励代币Steem,简单来说,Steem是一个通过加密货币奖励支持社区建设和社交互动的区块链数据库。
2. 市场表现
截止2018年3月,Steem的注册用户数超过33万人。在最高峰时,Steem在coinmarketcap.com上显示市值曾高达12.7亿美金,但目前已经有了大幅回落,目前在4.5亿美金左右。目前Steem的价格在1.9美元左右。
 
总结
通过本期对几个区块链项目的梳理,我们发现,目前区块链技术已经逐渐应用到各行各业,无论是跨境支付还是金融交易亦或是媒体分发,在不同的细分场景下,已经有公司获得了大量用户和融资,我们认为,这些公司的技术和模式对区块链行业的后来者都有着积极的意义,比如Steem这种模式很多互联网公司就可以借鉴,通过区块链技术解决传统媒体分发的痛点。此外,整体看,区块链行业目前应用最多、最广的还是金融领域,包括支付、交易、贷款、保险等各种金融领域下的细分行业均在积极拥抱区块链,科多大数据相信,未来随着区块链技术逐步适应监管政策要求,将成为监管科技的有力工具。

 

最高涨薪60%!这个工作职位竟然这么缺人!科多大数据带你看

高科技行业正在迈入“黄金时代”,产业快速发展。智能互联时代,以云计算、大数据、物联网、人工智能等新技术引领的数字化转型正在给各行各业、不同规模的企业和组织带来全新的机遇与挑战,科多大数据也跟紧科技的步伐,致力于传播大数据技术和解决大数据人才需求。2017-2018年高科技行业的整体薪酬保持稳步增长,平均薪酬涨幅在10%-15%之间,其中数据挖掘工程师职位的涨幅可达50%-60%。
01 人工智能
2017-2018年人工智能产业进入加速期,深度学习的突破,人工智能应用领域不断拓展边界。算法和技术将得到巩固,并不断整合。国内互联网领军者“BAT”、科大讯飞等科技公司均在积极布局人工智能领域,大量招募AI高端人才,组建实验室加快关键技术研发;同时持续收购新兴AI创业公司,争夺人才与技术。随着需求的激增,中国AI领域的人才数量也在攀升。一方面,贡献来自于互联网巨头的AI布局及人才培养,另一方面,海外AI人才的回流也极大程度上贡献丰富了国内AI人才库。
随着互联网巨头前期布局人工智能的基本完成,特别是对海外高端人才集中引进高峰的过去,人工智能领域人才需求趋于理性化,大公司基本完成人工智能的领军人物以及负责人的招聘,目前驱动因素是由于具体业务发展需要理性以及常规化的团队搭建。
 
人才缺口:NLP、机器学习、深度学习方向
人才来源:一线互联网公司和人工智能领域独角兽公司
薪酬趋势:人工智能的薪资涨幅已经趋于理性化,平均增幅20%-30%,个别同等级别公司之间跳槽增幅低于20%。
02 物联网
2017-2018年物联网进入快速发展期,4G渗透率再次攀升,5G服务发展迅猛,估计至2022年底全球5G用户数将达5亿,物联网公司及产业发展空间巨大。随着物联网的发展,公司需要新的技术和系统来处理和感知物联网的大量数据,未来的趋势不仅仅是发展云平台、大数据、传感器,还要在智慧识别上下功夫,人才需求量会持续快速增长。
同时,随着物联网智能化趋势和安全问题的日益凸显,除传统物联网硬件开发技能外,对机器学习、大数据和安全人才方面的需求也在迅猛增长。此外,随着可穿戴智能硬件、智能交通工具、增强现实、O2O等LBS位置服务相关应用的快速发展,GPS相关物联网应用开发的人才争夺战也开始展开。
 
人才缺口:嵌入式系统通信系统、安全、运维、解决方案、系统开发
人才来源:终端、通信、芯片行业
薪酬趋势:物联网薪酬涨幅在10%-20%,跳槽涨幅30%左右,通信及操作系统软件岗位涨幅比较大,可达40%以上。
03 智能终端
目前智能终端产业处于高速发展阶段,而且伴随着智能终端种类的增多产业规模会持续扩大,家电、汽车、工业设备等均在进行智能化改造;越来越多的传统行业会进行信息化建设并应用智能终端提高生产效率,如医疗、教育、物流、税务和能源等;这些都将对智能终端技术提出更多的需求,特别是软件方面的需求。与此同时,多技术、多应用的融合以及多样化的需求,使得智能终端产品更新换代的速度也越来越快,从而推动智能终端的升级和进一步发展。
 
人才缺口:硬件系统开发(结构、工业设计、 EMC、声学、摄像头、系统架构等),软件系统开发(操作系统、内核、安卓、 IOS、软件架构、语音处理、图像处理等),市场运营(营销策划、产品运营、战略规划、品牌推广等)
人才来源:终端品牌公司(手机、平板、智能电视、摄像机、智能音箱、笔记本电脑、 VR、智能穿戴等),贴牌厂商(富士康等代工厂),芯片公司(芯片设计公司)
薪酬趋势:智能终端薪酬硬件部分涨幅较小,跳槽涨幅20%左右,软件部分涨幅20%左右,跳槽涨幅30%左右。其中软件算法的智能语音,计算机视觉等人工智能相关的岗位涨幅最大,可达40%以上。
04 区块链
随着区块链行业的发展,技术人才欠缺的情形越来越明显,很多知名公司均在布局区块链技术方面的人才规划。然而,国内的区块链产业由于发展时间较短,区块链现有从业人员有限,之前集中在金融公司、互联网金融公司、比特币公司,现在区块链业务应用领域从数字货币向非金融领域渗透扩散,每家互联网公司都有部分业务应用到区块链技术,人员需求持续增加。
区块链公司国内很少,人才也相对较少,人才集中在中小型区块链创业公司、大公司区块链相关业务模块,同时优秀的区位链人才,也可以考虑海外引进。
 
人才缺口:集中在业务专家、核心系统架构师等
人才来源:比特币公司、互联网金融公司
薪酬趋势:区块链模块对于互联网是一个较新的模块,目前人员紧缺,薪酬涨幅幅度明显,跳槽涨幅30%以上,其中区块链业务专家、架构师跳槽涨幅最大,部分公司核心岗位人才薪酬增幅达50%,并配有一定比例的期权。
05 新零售
以数据驱动的新零售时代,人工智能技术和大数据是核心,人工智能将贯穿新零售全流程,商业智能决策与自动化的供应链执行都需依托技术来实现,由此也产生了对数据挖掘、深度学习、语音识别、机器学习、自然语言等人工智能人才的大量需求。
另一方面,新零售时代下,通过运营数据与运算平台实时互联搭建智能供应链平台,智能化供应链体系的建设也产生了大量平台开发人才的需求。人工智能人才多为研究型人才,培养周期非常长,人才库非常小,人才紧缺程度非常高。跳槽翻倍很正常。
 
人才缺口:人工智能专家,各种算法,数据平台、工程开发类人才等;新的智能化供应链体系平台开发人才
人才来源:一线互联网公司
薪酬趋势:新零售目前发展较快,人员薪酬涨幅比较明显,跳槽涨幅可达50%以上,且除了基本工资涨幅以外,股票期权也是吸引人才的重要手段。
06 大数据方向
随着大数据的广泛应用,大数据已经步入迅速发展期,近年随着Spark\Strom等大数据平台应用的普及,对专业人才的需求日益增加,数据平台开发工程师等岗位炙手可热。
海外引才及海外人才回流成为大数据方向人才流动的一个明显趋势:一方面,互联网公司出海热潮,纷纷在海外建立研发中心,人工智能研究院等,大量招聘海外技术专家型人才;另一方面,国内的互联网生态迅速发展,中国商业模式的输出,市场环境的吸引,也促使大量海外人才回流。人才吸引力因素也向多元化趋势演变,薪资已不再是海外人才考虑的主要因素,市场环境、公司业务发展等均成为吸引海外人才的重要方面。
 
人才缺口:数据平台开发工程师、数据挖掘
人才来源:大型互联网公司、海外引才
薪酬趋势:大数据方向,由于人才稀缺度较高,相同工作年限的情况下,大数据工程师的薪资普遍更高。数据挖掘工程师涨幅可达50%以上甚至更多。
 
作者 / 来源:科锐国际(ID:Career_International)《2018人才市场洞察及薪酬指南》
 
最新资讯更多+
内容推荐更多+
在线课堂
猜你喜欢