2018大数据人才就业热门职位和专业

27
FOCUS 2018大数据人才就业热门职位和专业Big Data Careers: The Highest-Paying Positions and Major
编辑/胡琼月
富士康流水线的机器人、百度李彦宏的无人驾驶等都已经进入了大家的视野，然而面对现在飞速发展的人工智能、大数据等，许多人表示担忧，未来越来越多的人工智能将替代人类，那么作为一个普通人，我们将会何去何从呢？
28聚 焦回顾2017年大数据和人工智能的发展，可以看到在新的一年里将会产生的变化。

对大部分人来说，职业生涯以及新的谋生方式是他们人生中最重要的考量标准。

由于大数据和人工智能的发展，劳动力和产业结构也正在迅速转变，世界经济论坛预测到2020年将有500万人失业。

但同时，随着大数据的发展，每个公司的运营方式也发生了极大的转变，技术和数据相关的工作岗位正在爆炸式增长。

事实上，据美国劳工统计局(Bureau of Labor Statistics)的预测显示，科技行业的就业增长率将达到12.5%，而在所有其他工作岗位中，这一数字仅为6.5%。

评论家Bernard Marr 预测了2018年7大高薪大数据职业。

数据科学家
数据科学家仍然占据着美国TOP 50个工作岗位
的榜首，虽然这一领域发生了一些变化，但数据科学
家通常仍是收集、处理和分析数据，提取数据的意义。

同时十万美金的底薪也十分诱人。

在Glassdoor 的报
告中，数据科学家们在5个工作满意度评分中获得了
4.4个。

而公司正需要能够帮助他们管理、存储和分析
数据的人。

商业情报分析师(BIA)
这些专业人士通常是作为一名顾问或全职雇员，
将他们通过分析数据得来的建议提供给公司，并给予
基于市场或趋势的决定指导。

严重依赖于趋势，商业
情报分析师总是通过数据为公司寻找新的机会。

他们
的年薪平均在7万美元到9万美元之间。

数据库开发人员
如职位名称所示，一个数据库开发人员专注于改
进数据库，为数据库创建新的应用程序，或者修改遗
留应用程序以使用数据库设置。

目前在数据库系统的
设计中有很多创新方式可以处理原始数据和无组织的
数据。

因此，这个职位非常契合那些喜欢挑战的人。

根据Glassdoor 的数据显示，数据库开发者的平均年
薪约为9万美元。

高薪职位预测
数据库管理员数据库管理员通常具有计算机科学或信息技术的学位，他们的工作是建立和维护数据库，同时保护数据安全。

这个职位的需求量正逐年增加，平均年薪8万美元，这对很多人来说是一个不错的职业选择。

数据工程师正是数据工程师的存在，产生了许多其他数据工作，因为他们在设计和构建程序时产生了大数据集。

而数据科学家们分析这些数据集，商业情报分析师们从他们那里获得实用商业案例。

一般来说，数据工程师平均每年能赚到8万美元。

数据分析师越来越多的公司开始依赖数据分析管理人员来理解数据，并与团队其他成员进行沟通交流，企业应该如何利用数据所提供的洞察力。

这个职位的人必须具备扎实的技能，包括分析技能、商业背景以及管理技能。

数据分析经理每年约能赚到6位数。

数据安全管理员任何处理大量数据的组织都需要确保数据安全，而这正是数据安全管理员的职责所在。

数据安全管理员负责定义网络安全需求，确保所有安全措施都被及
时更新并落实安全策略。

数据安全管理员的平均年薪
是79,000美元。

数据科学与大数据技术专业
未来大数据的人才缺口将达150万，而在未来3-5年，中国需要180万数据人才，但目前只有约30万人。

为应对大数据人才的短缺，各大高校也纷纷开始设立大数据学院和相关专业，2017年新增专业更是备受瞩目——数据科学与大数据技术，目前包括北京大学、对外经济贸易大学、贵州大学等35所高校获批“数据科学与大数据技术专业”。

大数据专业的人才培养也同样走复合型路线：以统计学、数学、计算机为三大支撑性学科;生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。

此外还需学习数据采集、分析、处理软件，学习数学建模软件及计算机编程语言等，知识结构是二专多能复合的跨界人才(有专业知识、有数据思维)。

Degrees
in Data
Science & Big Data
Big Data Careers:
The Highest-Paying Positions and major
以中国人民大学为例，基础课程(38学分)：数学分析、高等代数、普通物理数学与信息科学概论、数据结构、数据科学导论、程序设计导论、程序设计实践。

必修课(37学分)：离散数学、概率与统计、算法分析与设计、数据计算智能、数据库系统概论、计算机系统基础、并行体系结构与编程、非结构化大数据分析。

选修课：数据科学算法导论、数据科学专题、数据科学实践、互联网实用开发技术、抽样技术、统计学习、回归分析、随机过程。

复旦大学大数据学院的招生简章显示，学院本科人才培养以统计学、计算机科学和数学为三大基础支撑性学科，以生物学、医学、环境科学、经济学、社会学、管理学等为应用拓展性学科，具备典型的交叉学科特征。

同样，美国在大数据异常火爆的环境下，各大高校推波助澜的开设这个专业的课程培训。

例如：南加州大学的马歇尔商学院开设的商业分析硕士（Master of Science in Business Analytics）项目于2014年春季成立，硕士课程学习时间为18个月。

学生需学习11门课程完成学位。

美国商业分析师项目中，商业分析师硕士项目是成为金融工程师的第一专业选择。

加州大学洛杉矶分校也开设了商业数据分析专业。

当下，新的模式是管理、捕捉、描述和分析数据流并提取有用的目标信息，为做出更好的明智决策打基础。

这些模式中最重要的领域之一是商业数据分析或商业分析。

具体说，商业分析是将统计、计算、量化、计量经济和管理工具应用于信息流，目的是解决商业需要。

该项目是一个全日制课程，STEM认证项目，只有前五周线上上课，夏季有实习项目，全程职业指导。

其他还有纽约大学的数据科学理学硕士（The Master of Science in Data Science），数据科学理学硕士学位时一个高选择性的课程，希望学生在数学、计算机科学、应用统计学背景强。

课程着重数据科学新方法的发展。

课程为36学分，双专业方向。

美国本科比较强调基础性，所以大数据和AI专业在本科阶段比较少见，一般硕士阶段才开设，很多名校都设有硕士项目的研究，还包括斯坦福大学、加州大学伯克利分校，卡内基梅隆大学、哥伦比亚大学、纽约大学等。

随着大数据和人工智能的发展，某些岗位必将被取代；但是，同时它也创造着新的岗位，大数据正在塑造一种新的商业形态。

掌握相关的技能，成为企业需要的数据人才，才能在未来不被淘汰。