學習新的數據工具可以提高你的價值和工資。但最好的選擇其實取決于你現在熟悉的工具,不理解沒關系,繼續(xù)往下看,看有哪些工具可以加進你的工具包中。
數據專家是當今IT界的明星之一。這些專業(yè)人員可以執(zhí)行從分析到工程,到編碼的各種任務,并且經常被要求為整個企業(yè)具有戰(zhàn)略意義的項目做貢獻。
在數字化時代,數據量持續(xù)增長,對所有數據的洞察力已經成為成功的關鍵,而數據專家恰恰是這一切的核心。
數據專家的薪水也承認了這一點。行政招聘公司Burtch Works年度數據科學家工資調查顯示,經驗不足的工作者大概是97,000美元,而經驗豐富的則可以達到152,000美元,居于管理層的數據科學家的薪資更是高達240,000美元。據外媒報道,截至2016年11月1日,美國數據科學家的平均工資為113,436美元,而數據工程師的平均工資是95,526美元。
了解各行業(yè)的薪水范圍,或許可以幫助你選一個不錯的就業(yè)方向。但一旦你早已選定方向,就應該想想怎么做可以提高薪水了。針對這一問題,O'Reilly 2016年數據科學家薪資調查組提供了一個十分獨到的見解。
O'Reilly報告不是僅提供一個簡單的觀點,相反,它提供了一個數據模型,為這個問題提供了十分個性化的答案。如果你現在熟悉的工具是Excel,每天工作用到的也是Excel,那我跟你推薦Apache Spark或Apache Kafka,可能沒有任何幫助,這就是為什么最好的推薦是基于你現在熟悉的工具的原因了。工具到底好不好,取決于對你的工作是否有幫助。即使我們都知道會Apache Spark的人可能賺的錢很多,但如果你現在只用得到Excel,學習Spark也并不會增加你的薪水,你下一個最好的選擇應該是SQL。
以下給出的列表是基于一些數據分析得出的,學習順序就是下圖工具排列的前后順序(表中第一行表示你現在已經掌握的工具)。