原文: Why data science and machine learning are the fastest growing jobsin the US

[[223686]]

1、LinkedIn對比了2012年和2017年的數據。排在前兩位的是機器學習崗位和數據科學家，前者在過去五年里增加了9.8倍，后者自2012年以來增加了6.5倍。在排名前十的崗位中，有四個都與數據科學有關，而且其中三個都位列前五。

2、《哈佛商業評論》的一項研究發現，“在用數據來驅動決策方面處于業內前三分之一的企業，其生產率平均比競爭對手高5%，利潤平均比競爭對手高6%”。

3、麥肯錫全球研究院估計，到2024年，美國數據科學崗位的缺口可能達到25萬。數據科學技能方面的差距促使企業爭先恐后地培訓或是招募能滿足其分析需求的人才。盡管培訓班和在線課程試圖填補這一缺口，但未來幾年，企業可能將陷入激烈的人才爭奪戰。

原文翻譯：

職場社交網站LinkedIn近日根據自身的數據，發布了一份報告，列出了美國增長最快的工作崗位。為了編制這份報告，LinkedIn對比了2012年和2017年的數據。排在前兩位的是機器學習崗位和數據科學家，前者在過去五年里增加了9.8倍，后者自2012年以來增加了6.5倍。在排名前十的崗位中，有四個都與數據科學有關，而且其中三個都位列前五。為什么數據科學崗位、尤其是機器學習崗位增長得如此之快呢？

雖然很多報告和出版物都把數據科學稱為美國最受關注的崗位之一，但LinkedIn報告的獨到之處在于，它提到了該崗位迅速增長的現象。以下是機器學習和數據科學崗位為何增長最快的四個原因。

數據量飆升

大約90%的數據是在過去兩年里產生的，而且現在每天產生的數據量達到2.5quintillion（10的18次方）字節。為了讓各位對這一數字有一個概念，不妨看看數據公司Domo提供的一些數字：

· 每分鐘，美國人使用2,657,700GB數據

· 每分鐘，Instagram用戶發布46,750張照片

· 每分鐘，15,220,700條短信發出

· 每分鐘，谷歌進行3,607,080次網絡搜索

所有這些行為都會產生數據，使數據量大到令人難以想象。由于數據如此之多，企業需要能處理這些數據的人手。例如，Instagram想知道，在每分鐘上傳的那46,750張照片中，哪張照片被分享的次數最多？哪一類型的內容在該平臺上***？就從數據中獲取的信息數量而言，這只是冰山一角。由于數據量呈指數級增長，對數據分析人才的需求也迅速上漲。

由數據驅動的決策能帶來更多好處

對很多企業來說，數據只有能讓企業獲利，才是有用的，而這一點毋庸置疑。數據不僅能幫助企業作出更明智的決策，而且這些決策也常常會帶來經濟效益。《哈佛商業評論》的一項研究發現，“在用數據來驅動決策方面處于業內前三分之一的企業，其生產率平均比競爭對手高5%，利潤平均比競爭對手高6%”。

數據使企業可以只根據一個個數字，作出不帶個人色彩的決策，而不是依賴于CEO的直覺。如果數據能增強企業在市場上的盈利能力和競爭力，這無疑是更多企業雇傭數據科學人才的一個原因。他們能分析數據，用通俗的語言進行闡釋，以便讓團隊明白如何采取下一步行動。

機器學習正在改變企業的經營方式

機器學習是一種人工智能（AI），它能真正地學習和進化。如今，機器學習已經被很多行業采用，不管是營銷、金融還是醫療行業。高級算法可以節省時間和資源，根據過去學習到的知識，迅速作出正確的決定。例如，傳統金融機構中的信貸人員越來越少，因為機器學習算法可以在不需要人類幫助的情況下評估風險，進而作出決定。

如今，機器學習即服務（MLaaS）已經變成現實，更多的企業開始使用這類平臺，而不是投入大量資源和技能來建立自己的機器學習平臺。普通的企業人員也能使用機器學習平臺，從而不需要高管的介入，就可以作出明智的決定。企業的經營方式將徹底改變，但我們仍將依靠機器學習算法的開發人員，來推動這項技術的發展。

機器學習能提供更準確的預測

機器學習算法常常能發現人類發現不了的隱藏信息。由于需要處理的數據太多，哪怕是整個數據科學家團隊也可能會漏掉某個趨勢或模式。預測市場的能力是企業保持競爭力的一種方法，而機器學習算法使這成為了可能。企業想招募那些能不斷改進預測模型的機器學習專家，以便獲得競爭優勢，在市場上始終保持領先地位。

在可預見的未來，數據科學和機器學習崗位將繼續增長。考慮到數據量的龐大以及它對企業利潤的推動作用，企業將不斷尋找適合這些崗位的人才。然而，需求顯然超過了供應。麥肯錫全球研究院估計，到2024年，美國數據科學崗位的缺口可能達到25萬。數據科學技能方面的差距促使企業爭先恐后地培訓或是招募能滿足其分析需求的人才。盡管培訓班和在線課程試圖填補這一缺口，但未來幾年，企業可能將陷入激烈的人才爭奪戰。