原文:  Why data science and machine learning are the fastest growing jobsin the US

来源: https://www.infoworld.com/article/3259891/data-science/why-data-science-and-machine-learning-are-the-fastest-growing-jobs-in-the-us.html

1. LinkedIn对比了2012年和2017年的数据。排在前两位的是机器学习岗位和数据科学家，前者在过去五年里增加了9.8倍，后者自2012年以来增加了6.5倍。在排名前十的岗位中，有四个都与数据科学有关，而且其中三个都位列前五。

2. 《哈佛商业评论》的一项研究发现，“在用数据来驱动决策方面处于业内前三分之一的企业，其生产率平均比竞争对手高5%，利润平均比竞争对手高6%”。

3. 麦肯锡全球研究院估计，到2024年，美国数据科学岗位的缺口可能达到25万。数据科学技能方面的差距促使企业争先恐后地培训或是招募能满足其分析需求的人才。尽管培训班和在线课程试图填补这一缺口，但未来几年，企业可能将陷入激烈的人才争夺战。

原文翻译：

职场社交网站LinkedIn近日根据自身的数据，发布了一份报告，列出了美国增长最快的工作岗位。为了编制这份报告，LinkedIn对比了2012年和2017年的数据。排在前两位的是机器学习岗位和数据科学家，前者在过去五年里增加了9.8倍，后者自2012年以来增加了6.5倍。在排名前十的岗位中，有四个都与数据科学有关，而且其中三个都位列前五。为什么数据科学岗位、尤其是机器学习岗位增长得如此之快呢？

虽然很多报告和出版物都把数据科学称为美国最受关注的岗位之一，但LinkedIn报告的独到之处在于，它提到了该岗位迅速增长的现象。以下是机器学习和数据科学岗位为何增长最快的四个原因。

数据量飙升

大约90%的数据是在过去两年里产生的，而且现在每天产生的数据量达到2.5quintillion（10的18次方）字节。为了让各位对这一数字有一个概念，不妨看看数据公司Domo提供的一些数字：

  ·  每分钟，美国人使用2,657,700GB数据

  ·  每分钟，Instagram用户发布46,750张照片

  ·  每分钟，15,220,700条短信发出

  ·  每分钟，谷歌进行3,607,080次网络搜索

所有这些行为都会产生数据，使数据量大到令人难以想象。由于数据如此之多，企业需要能处理这些数据的人手。例如，Instagram想知道，在每分钟上传的那46,750张照片中，哪张照片被分享的次数最多？哪一类型的内容在该平台上最受欢迎？就从数据中获取的信息数量而言，这只是冰山一角。由于数据量呈指数级增长，对数据分析人才的需求也迅速上涨。

由数据驱动的决策能带来更多好处

对很多企业来说，数据只有能让企业获利，才是有用的，而这一点毋庸置疑。数据不仅能帮助企业作出更明智的决策，而且这些决策也常常会带来经济效益。《哈佛商业评论》的一项研究发现，“在用数据来驱动决策方面处于业内前三分之一的企业，其生产率平均比竞争对手高5%，利润平均比竞争对手高6%”。

数据使企业可以只根据一个个数字，作出不带个人色彩的决策，而不是依赖于CEO的直觉。如果数据能增强企业在市场上的盈利能力和竞争力，这无疑是更多企业雇佣数据科学人才的一个原因。他们能分析数据，用通俗的语言进行阐释，以便让团队明白如何采取下一步行动。

机器学习正在改变企业的经营方式

机器学习是一种人工智能（AI），它能真正地学习和进化。如今，机器学习已经被很多行业采用，不管是营销、金融还是医疗行业。高级算法可以节省时间和资源，根据过去学习到的知识，迅速作出正确的决定。例如，传统金融机构中的信贷人员越来越少，因为机器学习算法可以在不需要人类帮助的情况下评估风险，进而作出决定。

如今，机器学习即服务（MLaaS）已经变成现实，更多的企业开始使用这类平台，而不是投入大量资源和技能来建立自己的机器学习平台。普通的企业人员也能使用机器学习平台，从而不需要高管的介入，就可以作出明智的决定。企业的经营方式将彻底改变，但我们仍将依靠机器学习算法的开发人员，来推动这项技术的发展。

机器学习能提供更准确的预测

机器学习算法常常能发现人类发现不了的隐藏信息。由于需要处理的数据太多，哪怕是整个数据科学家团队也可能会漏掉某个趋势或模式。预测市场的能力是企业保持竞争力的一种方法，而机器学习算法使这成为了可能。企业想招募那些能不断改进预测模型的机器学习专家，以便获得竞争优势，在市场上始终保持领先地位。

在可预见的未来，数据科学和机器学习岗位将继续增长。考虑到数据量的庞大以及它对企业利润的推动作用，企业将不断寻找适合这些岗位的人才。然而，需求显然超过了供应。麦肯锡全球研究院估计，到2024年，美国数据科学岗位的缺口可能达到25万。数据科学技能方面的差距促使企业争先恐后地培训或是招募能满足其分析需求的人才。尽管培训班和在线课程试图填补这一缺口，但未来几年，企业可能将陷入激烈的人才争夺战。

车品觉简介

畅销书《决战大数据》及 《数据的本质》作者

红杉资本中国基金专家合伙人

国信优易数据研究院院长

滨海泰达物流(HK：08348)非執行董事

京东金融首席數据顧问

Talking Data 首席顧问

香港特区创新科技及再工业化委员会委员

中港跨境数据专家小组成员

香港贸易发展局科技委员

贵阳市大数据委顧问

上海市司法局大数据实验室专家

CCF大数据委副主任

乌镇智厍理事

浙江大学管理学院兼职教授

清华大学（大数据项目）教育指导委员

香港科技大学，大数据中心指导委员

全国信标委大数据标准工作组副组长(2015-2017)

原阿里巴巴集团副总裁

原阿里健康（HK：00241）独立董事

原阿里数据委员会会长

2014年领导阿里数据团队获得Top CIO评选为中国最佳信息化团队

2017年被国家信息中心选为中国十大最具影响力大数据企业家

拥有十几年丰富的数据实战经验，并在实践中形成了独特的数据化思考及管理方式，对大数据未来趋势有独到见解；亲自领导阿里数据团队在大数据实践领域取得了一系列重要成果，包括为阿里建立集团各事业群的业务及决策分析框架，开发智能化的数据产品，成立了驱动集团数据化的运营团队，成功发起了公共与专有数据资产管理体系，还发布了数据安全规范等。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。