原文：
www.kdnuggets.com/2019/03/typical-data-scientist-2019.html
评论
由 Iliya Valchanov，365 Data Science。
‘数据科学家’这一术语已经出现了 11 年，据信由 Jeff Hammerbacher 和 DJ Patil 于 2008 年首创。
从那时起，数据科学家已连续 4 年成为美国的热门职业（根据 哈佛商业评论 和 Glassdoor 报告）。但 KDnuggets 的读者对此非常了解。实际上，这可能是我们一直回到这里的原因之一。
即便考虑到这些因素，仍然很少有‘明确的’途径来建立所需的技能，以成为这个高薪职业的一部分。这就是为什么去年我们对 1,001 个 LinkedIn 个人资料进行了研究，以构建‘典型’数据科学家的形象。 结果在某种程度上确认了其他研究和调查，如每年的 KDnuggets 软件调查，但也揭示了使数据科学家成为数据科学家的其他有趣方面。
这项研究的不同之处在于，虽然数据是自我报告的，但我们从求职者向雇主展示自己的方式中收集了这些数据。
就像去年一样，我们调查了 1,001 名数据科学家的 LinkedIn 个人资料。与招聘广告等其他数据收集方法不同，我们认为由专业人士自己发布的数据是其实际简历的良好替代。
我们必须保持相同的配额。因此，我们再次从财富 500 强公司抽取了 40%的样本，其余 60%来自其他地方。我们的国家配额也保持不变，40%来自美国，30%来自英国，15%来自印度，另 15%来自其他国家。由于数据获取的限制，我们采用了便利抽样。
那么，今天的‘典型’数据科学家与一年前的有何不同？
乍一看似乎没有太大变化。这个领域仍由男性主导，自去年以来仅下降了 1%（2019 年为 69% – 2018 年为 70%）；我们的一半人群中有四分之三拥有硕士或博士学位（再次，微弱减少）；角色的平均经验仅从 2 年增加了 0.3 年，达到 2.3 年。
然而，一个显著的普遍变化是，去年数据科学家的平均工作年限为 4.5 年，而今天这一数字为 8 年。这意味着更多的人在年长时转行，或者我们认为更可能的情况——统计学家、‘数据挖掘者’、计量经济学家等已经进化（可能还获得了新技能），并接受了他们的新职业名称：数据科学家。事实上，我们之前也研究过这个领域的命名约定，你可以在这里找到详细的概述。
然而，这并不是唯一的发现，当我们进一步细分数据时，发现了一些关于 2019 年数据科学家的有趣见解。
数据科学家最重要的方面无疑是他们拥有的技能。
在探索数据科学家最重视的前三种工具后，我们发现，就像去年一样，编程语言仍然是数据科学家工具包中最常见的（而非软件，如 Tableau 或 SAS）。
目前，R 和 Python 仍然领先，但虽然两者在 2018 年平分秋色，53%的数据科学家都掌握其中一种技能，但 Python 现在已经远超 R（或者像Gregory Piatetsky-Shapiro 所说——Python 继续蚕食 R）。54%的参与者将 Python 列为他们的顶级技能之一，而只有 45%提到 R。
SQL 是我们参与者的第三选择（36%），比去年仅下降了 4%。前六名中的最后三种语言自 2018 年以来没有变化。MATLAB 和 Java 用户与去年持平（分别为 19%和 18%），然而，我们观察到 C/C++程序员的比例显著下降了 10%（从 18%降至 8%）。
最后，去年我们分析了按行业分类的技能集，因此现在复制这一分析也是有意义的。就语言在行业中的分布而言，我们观察到与 2018 年趋势非常相似的结果。主要结论是，即使在这种细分中，结果基本上反映了我们看到的整体偏好——Python 主导了所有行业。
数据科学家的最大雇主继续是技术/信息技术行业，自去年以来增加了 1%（2019 年为 43% - 2018 年为 42%）。尽管科技行业仍然主导，但工业部门的数据科学家也在增加，从 37%上升到 39%。金融行业保持在 16%不变，而医疗行业的比例从 5%降至微不足道的 2%（值得注意的是，医疗行业相对于其他行业而言规模极小，因此这一下降可能完全归因于样本限制）。
这些结果并没有特别显示出每年在数据科学家需求领域的巨大变化，但如果我们按国家来细分这些行业呢？
与去年一样，大多数国家的结果与总体趋势相似，除了英国，该国比其他国家更倾向于金融行业。即使伦敦作为欧洲金融中心的未来不明朗，英国的金融机构似乎仍在数据科学方面投入巨资。
然而，最显著的变化来自印度，印度似乎将技术行业的数据科学家数量从巨大的 63%减少到了更为平均的 47%。其中一些人转到工业部门，该部门现在雇佣了印度 30%的数据科学家，而这一比例此前为 21.4%。但看起来印度借鉴了英国的做法，因为其金融行业的数据科学家增加了惊人的 13%（2018 年为 8.3%，2019 年为 21%）。印度在科技领域的主导地位众所周知，许多公司外包业务，数据科学也顺应这一趋势。我们当然期待继续跟踪印度在这一领域的发展。
这项重复的研究再次强调了成为数据科学家的必要条件。所需的编程语言比以往任何时候都更为明确，Python 和 R 之间的差距持续扩大。这对有志成为数据科学家的人员来说是另一个“检查点”，帮助他们根据计划工作的国家和行业明智地选择应专注的技能。
从 2018 年到 2019 年观察到的变化可能不如研究人员所希望的那样具有革命性，但确实确认了正在发生的趋势。随着数据科学比以往任何时候都更加强大，我们预计数据科学家的个人资料将更加稳定，惊喜会更少。尽管距离成熟领域还有很远的距离，数据科学仍在发展，紧跟趋势和模式仍然至关重要。
所有发现，请通过此链接查看 2019 年的研究，或通过此链接查看 2018 年的研究。
资源：
相关：
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持你的组织在 IT 方面