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)。