核心技能PK新兴热门技能，有何区别？谁是你首先要掌握的幸运儿？-优快云博客

全文共1910字，预计学习时长6分钟

图源：Unsplash

生活中，我们常常将核心技能与热门新兴技能弄混，今天小芯就来带你一探究竟，分清这两者。

我们将数据科学技能分为两大类：一类是大多数受访者具备的13项核心、稳定的技能；另一类是大多数人还未掌握但想要掌握的热门新兴技能。

最新的科研调查问了下面两个问题：

1. 你目前拥有哪些技能/知识（要达到可以在工作或研究中使用的水平）？

2. 你想获得或提高哪些技能？

基于过去大量的科研文章和调查数据，我们确定了30项技能，并将其做成了列表——在本文的末尾可以找到链接，以及外部来源。总而言之，这项民意调查共获得了1500多张选票——样本数量足够，可以做出有意义的推论。调查报告显示，平均每名调查对象有10项技能，并希望增加或提高6.5项技能。下面的图1展示了主要发现，X轴表示第一个调查问题的答案，即已有技能的百分比，Y轴表示第二个调查问题的答案，即需求技能的百分比。每个圆圈的大小与拥有该技能的人数比例成正比，而颜色取决于需求技能/拥有技能的比例（红色代表的比例高——大于1，蓝色代表的比例低——小于1）。

注意：其他大数据工具入口是针对除Hadoop或Spark之外的大数据工具。

图1：与数据科学相关的技能：已有技能 vs想增加或提高的技能

在该图表中，可以注意到两个主要的集群。

集群1（图1右侧的蓝色虚线框中），包含了超过40%的调查对象所拥有的技能，并且需求技能/拥有技能的比例小于1。我们把这些技能称为核心数据科学技能。表1中列出了这些核心技能。

表1：核心数据科学技能，按拥有技能的百分比递减排列

其中，最想获得或提升的技能是机器学习（41%）和Python（37%）。占比最低的技能是Excel——只有7%的人想获得或提高Excel技能。第二个集群（图1左侧的红色虚线框中），包含了当前不太流行但占比正在增长的技能（已有技能占比< 30%），需求技能/拥有技能的比例大于1——见表2。我们称这些技能为热门/新兴数据科学技能。

表2：热门/新兴数据科学技能，按需求技能/拥有技能的百分比递减排列

有趣的是，尽管有人认为Hadoop的热度正在下降，但在这次民意调查中，想学习Hadoop的人比已经掌握该技能的人多，所以这一技能可能仍会越来越热门。

尽管Julia的“需求/拥有比例”高达3.4，但只有2%的调查对象选择了它，因此，这里并没有将该技能纳入热门/新兴技能之列，因为它还没有得到足够的支持。

其他技能——如xboost、软件工程、Java、MATLAB、SAS等，有10%到30%的调查对象掌握这些技能，但占比没有增长——需求/拥有比例小于1。

表3：其他数据科学技能，按拥有技能的百分比递减排列

以下是该调查的更多细节内容。图2按拥有技能的百分比递减排列所有技能。

图2:科研文章读者拥有的数据科学技能

图3展示了读者想要掌握或提高的技能，以及他们所拥有的技能。

图3：读者想要掌握或提高的技能（红色）和拥有的技能（蓝色）

可以看出，当前有抱负的数据科学家最想要掌握的技能是深度学习、Tensorflow、机器学习和Python。调查对象还包括以下职业类型：

· 工业/个体经营，64.4%

· 政府/非营利组织，7.2%

· 学术界/大学，7.0%

· 学生，14.3%

· 其他/不适用，7.1%

区域分布：

· 美国/加拿大，37.9%

· 欧洲，28.3%

· 亚洲，19.3%

· 拉丁美洲，6.1%

· 非洲/中东，4.8%

· 其他，3.5%

该项调查从就业岗位的角度进行了初步分析，以后将根据研究技能、就业类型和地区之间的联系进行更详细的分析。

现在，你是否对自己所应该学习的东西，心底里有数了？

注意：该调查投票最初通过Google Forms发起，但遭到了恶意程序攻击，Julia和MATLAB各收到了 50，000多张无效票。后来我们剔除了恶意投票，保留了有效投票，并使用另一个平台重新发起投票，但不再包含Julia和MATLAB，以避免再被恶意程序攻击。Julia和MATLAB最终的投票结果是根据第一次投票结果中的有效票数估计出来的。