原文：
www.kdnuggets.com/2022/10/current-state-data-science-careers.html
想要获得美国第#3 的最佳工作职位？你应该成为数据科学家。被誉为 21 世纪的“最性感工作”，目前数据科学职业状态很好——并且有望变得更好。此外，现在任何人都可以通过学位、训练营或在线课程进入数据科学职业。
本文将概述数据科学职业的现状，查看工作可用性、薪资潜力、受重视的技能、职位以及你应该了解的雇主。我还会提供对数据科学职业未来的展望。
如果你是数据科学领域的从业者或希望进入数据科学职业，这篇文章将为你提供对该领域状况的全面分析。
数据科学职业最重要的指标之一是它在当前就业市场的表现。
总体来看，前景一片光明。虽然由于一些科技公司实施了招聘冻结和裁员，市场有些波动，但数据显示数据科学家的职业仍在蓬勃发展，尤其是与其他科技岗位相比。
今天，Indeed.com显示超过 3 万个数据科学家职位空缺。如果我们将数据分析师和数据工程师也考虑在内，这个数字跃升至超过 7 万个职位空缺。
不想成为数据科学家？没关系——LinkedIn 查看了所有职位描述中提到“数据科学”的职位，显示美国范围内有超过 39 万个数据科学家职位空缺。这些技能在就业市场上依然非常有用。
劳工统计局估计在未来十年内职位增长率将达到 36%，远高于他们跟踪的大多数其他职位——所有职位的平均增长率仅为 5%。
有趣的是，这比他们在 2020 年的预测有所增加——那时，他们预测十年的增长率为 31.4%。我们可以期待年年增长，这意味着将会有比 BLS 当前预测更多的数据科学职位。
另一个很好的方式来了解当前数据科学职业的状况是查看失业率。根据《美国新闻》的报告，每 100 名拥有数据科学技能的人中只有两人失业。全国失业率则比这高出 150% 多。
仅仅因为某个职业有很多空缺并不意味着它对你的心理健康和整体工作满意度是一个好选择。
然而，由于数据科学家受到富裕公司需求的推动，许多公司提供了令人难以置信的薪水、福利和高工作满意度。毕竟，如果他们不能让你满意，你可能会跳槽到竞争对手那里。
Glassdoor 报告 数据科学职位的工作满意度评分为 4.1 分（满分 5 分）。
数据科学家工作满意度如此之高的原因有几个因素：
-
工作责任重大。你将被依赖！你是公司中至关重要的一部分。这种责任感可以非常有回报。
-
成长空间。数据科学家的职业轨迹非常有前景，这对职业导向的人员来说令人兴奋。
-
优厚的福利。CareerKarma 报告 90%的数据科学家对他们的医疗保障感到满意，79%对牙科福利感到满意，73%对视力保障感到满意。
-
选择多样。作为数据科学家，你几乎可以涉足任何数据领域。如今，这些领域已经涵盖了所有行业！
作为数据科学家，薪酬非常丰厚，值得单独列出一个小标题。
总体而言，预计数据科学家的薪资很高——在美国，各地数据科学家的中位数基础薪水（不包括股票期权、401k 匹配、医疗保障或奖金）为100,864 美元。
让我们更详细地拆解一下。2022 年数据科学家的中位起薪为$95k。对于中级数据科学家，你可以预期年薪为$130,000。如果你担任管理职位，预期你的薪水会接近$190,000。而如果你是资深数据科学家？你的基础数据科学年薪可以接近 25 万美元。
这不仅仅是因为数据科学工作位于高消费州。Indeed.com 显示，三分之二的数据科学家对他们的收入相对于生活成本感到满意。
到现在为止，你应该已经看到数据科学职业的现状非常出色。我想进一步解析，以便你可以了解在这个领域内最好的情况。数据科学作为一个领域相当广泛。你应该考虑的包括许多顶级的数据科学家雇主、州以及数据科学领域内的职位。
我这里依据 Glassdoor 对“最佳”的定义——这些雇主之所以对数据科学家最为优秀，是因为他们在 Glassdoor 上的整体评分、数据科学家的平均工资以及职位空缺数量。
-
IBM。IBM作为雇主有超过 95k 条评论，平均评分为 4.1 分（满分 5 分）。关于数据科学职位的顶级评论提到出色的同事、丰富的协作机会以及良好的职业发展潜力。数据科学家的基础年薪为$127,041。
-
亚马逊。亚马逊拥有超过 100k 条评论，平均评分为 3.8 分（满分 5 分）。对数据科学家的正面评价包括所做工作的质量和薪酬水平。数据科学家的基础年薪为$131,545。
-
微软。微软拥有超过 40k 条评论，平均评分为 4.4 分（满分 5 分）。正面的评价提到良好的工作环境——以及你将与之合作的优秀人员。数据科学家的基础年薪约为$138,289。
我建议你查看完整的列表！
在数据科学领域，如今有很多职业选择。如果你具备成为数据科学家的技能，你也可以选择从事这些工作。
随着数据量的增大，机器学习变得越来越重要。公司们正试图建立管道和流程来管理这些数据的涌入，而机器学习是其中的一个工具。
你的工作职责将围绕创建和管理能够从公司大量数据中建立预测模型的自动化软件程序。
作为一名机器学习工程师，你可以期待获得$144k 的基础薪水，根据 ZipRecruiter。
这里有一个微妙的区别：机器学习科学家创建的是算法，而不是软件。你将部署数据模型，构建和运行自动化，并进行深入研究。
根据 ZipRecruiter，你的基础工资将是$139k。
另一个微妙的区别。作为数据科学家，你负责高级商业洞察。作为 AI 工程师，你负责创建推动基于 AI 的应用程序的模型。你需要掌握 R 和 Python，并且对统计学的掌握要达到顶尖水平。
作为人工智能工程师，你可以期待每年平均收入为$158k，根据 ZipRecruiter。
在数据科学职业中，并非所有城市都相同。尽管数据科学家通常赚取六位数工资，但他们往往也生活在高消费和高税收的城市。
我查看了薪资排名前五的城市（数据来自 Indeed），然后计算了包括一居室公寓租金在内的每月生活成本（Numbeo）以及税后带回工资（SmartAsset）。这是我的结果：
这个城市拥有第五高的数据科学家薪水，但生活成本最低。如果你在芝加哥找到工作，你可以期待每月有$3,658.38 的盈余——在扣除租金、平均生活费用和税费之后。
华盛顿特区按相同标准排名第二好的数据科学工作地点。扣除税费、租金和一般支出后，你可以期待每月带回$3,205.81。
尽管这是仅次于纽约的第二昂贵居住地，旧金山排名第 3。你可以期待每月净收入约为$2,645.10。
排行榜上第四的最佳数据科学城市是欧文，加州。尽管租金和生活成本较低，但薪水却不相称。扣除税后、月度支出和租金，你的实际收入约为$2,522.80。
最后，纽约排名第五。虽然数据科学家的薪资在美国排名第二高，但纽约的租金价格与摩天大楼一样高。在你的$117k 年薪中，你可以预期在扣除租金、税费和生活费用后，每年仅剩$14k 的盈余。这每月只有$1,174.72。
什么数据科学技能在职业生涯中最受重视？这是硬技能和软技能的结合。不要犯只关注编程方面的错误——你的商业敏锐度和团队合作能力与编写复杂的 SQL 查询同样重要。
为了掌握这些技能，我浏览了 Indeed 上的数据科学家职位描述，并记录了出现频率最高的技能。
这些技能占据了工作的大部分。
编程： 你应该熟悉至少一种，最好是两种编程语言。尽管有很多新的流行编程语言，但雇主最常要求的三种传统语言是：Python、R 和 SQL。今天最重要的语言是 Python，但 R 在许多地方也被接受。为了管理数据库，你还应该熟悉 SQL。
数据分析： 这包括机器学习、深度学习、人工智能和应用统计学。
构建预测模型：作为数据科学家，你将负责构建预测模型。这是你最大的产品。数据科学家经常负责时间序列、预测和分类模型。
数据清理： 提取、清洗和转换数据。这是你工作的重要部分。虽然不光鲜，但却是必需的。
数据可视化：这与沟通技能有一些重叠，因为你最重要的任务之一是以决策者能够理解的方式展示你的发现——他们通常技术背景不深。
软技能在今天的数据科学家职业中至关重要。尤其是当这个角色需求增加时，预计你将与来自不同职业背景的人合作。作为数据科学家，你将公司中的业务和数据两方面联系起来。
实验设计： 这依赖于统计学知识，但很多实验设计是纯粹的常识。今天的数据科学工作需要你准备好解决问题。
沟通： 永恒的经典：你知道如何与不了解数据的人沟通吗？你将会做很多这样的工作。
指导： 你需要指导许多初级数据科学家、数据分析师或业务分析师。你帮助更多的新兴数据科学家，就能为公司提供更多价值。
协作：成为一个独立的数据科学团队的时代已经过去。今天，除了沟通，还要与公司不同部门的同事进行协作。你可能需要为人力资源部门创建一个人员流动预测模型，或者帮助财务团队进行预测。要准备好倾听。
到现在为止，你已经了解了 数据科学职业 的现状。未来会怎样？
正如我上面所写的，美国劳工统计局 预测 增长：“预计数据科学家的就业将从 2021 年到 2031 年增长 36%，远快于所有职业的平均水平。”
为什么？越来越多的公司在做数据驱动的决策，这些公司的数据量也在增加。因此，负责管理所有数据的职位的需求也在增加。
随着远程工作变得越来越被接受，远程工作工具也越来越先进，我预计会有更多的数据科学家远程工作。
软技能将保持不变——主要集中在沟通和协作上。硬技能可能会发生变化。随着 AI 进军编程领域，你可能会发现你的批判性思维技能、设计用户友好图表的能力以及对业务运作的了解比 SQL 能力更重要。
总体而言，前景光明。
职位：预计会有更多职位出现，薪资和福利非常具有竞争力。
最佳选择：如今，对数据科学家来说，最佳雇主是 IBM、微软和亚马逊。最佳角色是机器学习工程师、机器学习科学家和 AI 工程师。最佳城市是芝加哥、华盛顿特区、旧金山、加州尔湾和纽约市。
需求技能集：对于硬技能，你需要展示编程、机器学习、应用统计、数据清理和可视化方面的熟练度。对于软技能，期望能够协作、指导、沟通，并应用业务知识。
未来：需求大、薪资高、可能会更多远程工作，并且更加关注高级技能。
希望你喜欢这篇对数据科学职业现状的全面了解。
内特·罗西迪 是一名数据科学家和产品战略专家。他还是一名兼职教授，教授分析学，并且是 StrataScratch 的创始人，这个平台帮助数据科学家通过顶级公司的真实面试问题准备面试。可以在 Twitter: StrataScratch 或 LinkedIn 上与他联系。