不及美国同行1/3，中国数据科学家平均年薪约3万美元丨 Kaggle 发布首份数据科学从业报告

年度订阅用户可加入科技英语学习社区，每周科技英语直播讲堂，详情查看“阅读原文”

互联网创业方兴未艾，人工智能的浪潮又接踵而来，而贯穿其中的数据科学则在这更迭交替中显得愈发重要。近日，全球最大的数据平台 Kaggle 向约 16000 名数据科学领域的从业者发放了调查问卷，就薪资水平、人员构成和使用工具等行业问题进行了详细的归纳和总结，最后以报告的形式分享给大家。对数据科学感兴趣或有志于进入这一行业的朋友可以从中一探究竟。

数据科学从业者画像

年龄：平均年龄为 30 岁，但国家间略有不同，例如印度的平均年龄就比澳大利亚年轻了9岁，而中国受访者的平均年龄为 25 岁。

工作状态：受访者中有全职工作的占 65.7%，正在找工作的占 12.7%。而在中国，这两个数字分别为 53.5% 和 17%。

职位：数据科学领域的工作划分非常繁杂，比如在伊朗和马来西亚，最普遍的头衔是“科学家”或“研究员”，而在中国，最流行的头衔则是“机器学习工程师”。

年薪：全球数据科学从业者的平均年薪是 55441 美元，美国的数据科学从业者平均薪资最高，达 11 万美元，而这一数字在中国只有 29835 美元（或许和样本数量较少有关）。

学历：数据科学从业者中比例最高的是硕士，但博士的薪水显然更高。

数据科学从业者工作内容

数据科学方法使用：逻辑回归是数据科学从业者在工作之中最常用的数据科学方法，但在军事和国家安全领域，使用更多的则是神经网络。

语言使用：Python 依旧是数据科学家最常用的语言，而 R 语言也很流行。

数据类型：关系型数据是开发者在工作中最常用的数据类型，而在学术研究和国防安全领域，文本型数据使用的更多。

代码分享：58.4% 的受访者在工作中使用 Git 分享他们的代码。但大公司中的开发者更倾向于使用电子邮件来分享他们的代码，而创业公司则对云的方式情有独钟。

工作障碍：脏数据（dirty data）显然又名列榜首。通俗的讲，当一个事务正在访问数据，并且对数据进行了修改，而这种修改还没有提交到数据库中，这时，另外一个事务也访问这个数据，然后使用了这个数据。因为这个数据是还没有提交的数据，那么另外一个事务读到的这个数据是脏数据，依据脏数据所做的操作可能是不正确的。

数据科学新手入行

语言选择：数据显示 Python 和 R 语言依旧是推荐程度最高的两种语言，而 Python 的受追捧程度又是 R 语言的两倍之高。

学习资源：数据科学是一个快速变化的领域，不断的学习已经成为了一种必需的技能，而目前行业内的人会更多通过 Stack Overflow Q&A，Conferences 和 Podcasts 来进行学习。除此以外，官方的文档和观看 Youtube 视频也不失为有效地学习途径。

开源数据获取：dataset aggregators、https://www.kaggle.com/datasets

找工作：首选方法是直接联系招聘者或建立自己的人脉网络

报告下载：https://www.kaggle.com/surveys/2017

调查数据下载：https://www.kaggle.com/kaggle/kaggle-survey-2017

 

作为一个集合社群、竞赛、用数据解决问题三个核心于一身的平台，不论是企业、某个领域的研究组织、甚至是政府机构，都可以把数据集（dataset）跟想要解决的问题丢到 Kaggle 上去，请数据专家来帮忙解答。

从另一个角度来看，Kaggle 上聚集了众多对机器学习、人工智能有兴趣的人，包括数据科学家、统计高手、工程师或者是学生，他们利用数据采矿、深度学习、统计等方式搭建出解答问题的模型或算法，胜出者就有机会获得礼品、奖金或是工作机会，当然也有不少参加比赛的人是纯粹出自兴趣。

 

例如，全球最大卫星影像公司 Planet，主要是透过卫星影像监控亚马逊雨林的变化，但他们发现还是有些问题无解，例如无法分辨雨林的减少是人为造成还是自然因素，所以在 Kaggle 上举办比赛，希望可以有更好的算法来保护亚马逊雨林，吸引了不少关注生态议题的人参与。

 

正因为 Kaggle 上高手云集，吸引不少大型企业、机构都到此举办比赛，比如Google、Facebook、Airbnb、沃尔玛、Benz、Bosch、英特尔、西班牙国际银行（Santander）、欧洲量子物理研究所（CERN）等，而且奖金额度更已有突破百万美元等级的案例。

  

图丨Kaggle上奖金排名前五的竞赛

Kaggle 创始人 Anthony Goldbloom 在澳洲墨尔本大学毕业后，曾经在《经济学人》杂志当过实习记者，之后进入澳洲联邦政府财政部（Australian Treasury）、澳洲储备银行（RBA）担任经济计量学家。当时他就预见数据科学将在未来扮演重要的角色，就在澳洲曾建立了一个数据科学家的线上社群。但他心想，为何不把数据开放，让大家通过比赛的方式找到最好的算法？

图丨Kaggle 创始人 Anthony Goldbloom 

所以，他把公司搬到硅谷从而创立了 Kaggle，依靠社群成功累积了庞大的用户， Goldbloom 在接受澳洲媒体采访时表示，“Kaggle 今日已经拥有一百万用户，未来几年还会成长十倍甚至百倍，因为这个领域的人才需求缺口还很大。”他曾被评为 2013 年《麻省理工科技评论》全球 35 岁以下青年科技创新人士，而 Kaggle 在今年加入 Google，更是近年创业领域的成功范例。

  

然而，想要参与到 Kaggle 的比赛中却并非易事，因为一道道挑战题目都难度极高。而 DT 君通过对竞赛命题人、Kaggle 数据科学家甘志雯（Wendy Kan）的专访，也了解到整个比赛的流程。

图丨甘志雯

举例来说，当企业或机构单位想要在 Kaggle 举办比赛，会先接触到 Kaggle 类似产品经理角色的人员展开初步沟通，合作共识达成后，就会开始由数据科学家接手。他们与企业沟通，理解对方想要解决什么样的问题、拥有什么样的数据、怎么衡量模型的效益、评价指标有哪些等等。

所以客户会将庞大的数据交给甘志雯，她必须在很短的时间内熟悉这些数据，并且设计出适合这份数据的比赛规则和目标。

但她经常会遇到客户说：“这些数据很机密，但我又很想办这比赛，怎么办？”所以就要得帮他们想出适当的方法。直到双方都认同后，就会把数据整合为比较干净的模式，也就是数据清理（Data Cleansing），去除错误或不一致的数据。最后再把这些数据放到 Kaggle 平台上让使用者取用。一般 Kaggle 上的比赛赛程最多是 2~3 个月，参赛者必须在期间内递交自己设计的算法。

  

图丨甘志雯在演讲

对于身为一个出考题的人，在采访时 DT 君问她：有没有什么可以在 Kaggle 赢高分的秘技？甘志雯说，“多学， 就算你很有经验也不一定会赢。” 多参加比赛、多在 Kaggla 或社群平台与其他人交流，另外网络上有不少课程可以利用，多上且多听。

她认为，数据科学一直都存在于日常生活中，过去，可能是统计学家或IT人员才会使用，不过近年随着科技的进步，电脑的计算能力进步很多，再加之网络的普及，大家可以比以前更容易地获取数据并进行分析。

-End-

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/