为什么越来越多的博士生离开研究成为数据科学家？

原因很简单。人们将被驱赶到有大量机会的地区，并满足智力需求。数据科学是研究人员的一个这样的领域。这就是原因所在。

根据工作现场的数据，在大数据和人工智能的推动下，对数据科学技能的需求呈指数级增长。然而，熟练申请人的供应增长速度较慢。“

这里有一个很大的差距。

“为了获得并保留当今日益增强的客户，公司需要利用他们的洞察力data来体验经验大规模，“珀塞尔说。”数据科学家在将大量数据公司转化为行动方面至关重要。他们一直有很高的需求，但直到最近，只有大型企业和数字原住民愿意做出重大投资。现在，几乎每个人都是。“

确实，从2016年12月到2018年12月，数据科学家的工作岗位增长。

2018年8月，LinkedIn报道根据其平台的数据，美国数据科学技能人员短缺151,717人。结合就业岗位和求职之间的差异为15％确实，对数据科学家的需求显然超过了供给。

在他的确实报告中，Flowers引用了招聘机构Burtch Works和数据科学竞赛平台Kaggle，称数据科学家通常预计至少会使用一种编程语言 -Python和R.成为最爱。预计数据科学家还将拥有Hive，BigQuery，AWS，Spark和Hadoop等工具的经验，以及统计建模，机器学习和编程方面的培训。

与使用Python或R的统计和机器学习建模一起，Feyzi Bagirov，位于旧金山的B2B数据洞察供应商的数据科学顾问。Metadata.jo，他说，他也看到了对SQL，NoSQL技能的更多需求数据库，Apache Spark和关系数据库管理系统（RDBMS）。Bagirov补充说，SQL是大多数数据分析和数据科学开端的标准技能，大多数企业数据仍然存在于RDBMS遗留系统中。

总而言之，业务分析虽然已经存在数十年，以各种形式支持业务决策，但自2010年初以来，它已成为市场的口号。数据科学和大数据技术的最新进展使业务分析能够处理大量数据，从而提供有价值的数据驱动业务洞察。快速谷歌搜索显示大量文章，博客和出版物引用商业分析作为商业世界的下一件大事，21世纪最性感的工作，等等。

宝宝起名 起名