為什么越來越多的博士生離開研究成為數據科學家？

原因很簡單。人們將被驅趕到有大量機會的地區，并滿足智力需求。數據科學是研究人員的一個這樣的領域。這就是原因所在。

根據工作現場的數據，在大數據和人工智能的推動下，對數據科學技能的需求呈指數級增長。然而，熟練申請人的供應增長速度較慢。“

這里有一個很大的差距。

“為了獲得并保留當今日益增強的客戶，公司需要利用他們的洞察力data來體驗經驗大規模，“珀塞爾說。”數據科學家在將大量數據公司轉化為行動方面至關重要。他們一直有很高的需求，但直到最近，只有大型企業和數字原住民愿意做出重大投資。現在，幾乎每個人都是。“

確實，從2016年12月到2018年12月，數據科學家的工作崗位增長。

2018年8月，LinkedIn報道根據其平臺的數據，美國數據科學技能人員短缺151,717人。結合就業崗位和求職之間的差異為15％確實，對數據科學家的需求顯然超過了供給。

在他的確實報告中，Flowers引用了招聘機構Burtch Works和數據科學競賽平臺Kaggle，稱數據科學家通常預計至少會使用一種編程語言 -Python和R.成為最愛。預計數據科學家還將擁有Hive，BigQuery，AWS，Spark和Hadoop等工具的經驗，以及統計建模，機器學習和編程方面的培訓。

與使用Python或R的統計和機器學習建模一起，Feyzi Bagirov，位于舊金山的B2B數據洞察供應商的數據科學顧問。Metadata.jo，他說，他也看到了對SQL，NoSQL技能的更多需求數據庫，Apache Spark和關系數據庫管理系統（RDBMS）。Bagirov補充說，SQL是大多數數據分析和數據科學開端的標準技能，大多數企業數據仍然存在于RDBMS遺留系統中。

總而言之，業務分析雖然已經存在數十年，以各種形式支持業務決策，但自2010年初以來，它已成為市場的口號。數據科學和大數據技術的最新進展使業務分析能夠處理大量數據，從而提供有價值的數據驅動業務洞察。快速谷歌搜索顯示大量文章，博客和出版物引用商業分析作為商業世界的下一件大事，21世紀最性感的工作，等等。

寶寶起名 起名