本文最初发布于 KDnuggets 网站，经 KDnuggets 官方授权由 InfoQ 中文站翻译并分享。
我们确定了两类主要的数据科学技能：一类是大多数受访者所拥有的稳定技能，这一类有 13 项核心技能；另一类是大多数受访者尚未拥有但想掌握的热门 / 新兴技能。请参阅我们详细的分析。
最新的 KDnuggets 投票调查问了如下两个问题：
- 你目前拥有哪些技能 / 知识领域（在工作或研究中可以使用的水平）？
- 你想增加或提高哪些技能？
我们根据 KDnuggets 之前的一些文章和投票调查，选出了 30 项技能。
这次投票调查总共收到了超过 1500 张投票，这是一个足够大的样本，可以做出有意义的推论。平均每个投票者报告声称其拥有 10 项技能，并希望增加或者提高 6~7 项技能。
下面的图 1 显示了关键的调查结果，x 轴表示 % 已拥有技能，显示的是第一个投票问题的答案；y 轴表示的是 % 想拥有的技能，显示的是第二个投票问题的答案。每个圆形的大小与已拥有该技能的投票者的百分比成正比，而颜色取决于“想拥有 / 已有用”的比率（>1，比率越高颜色越红；<1，比率越低颜色越蓝）。
图 1. 与数据科学相关的技能，已拥有技能 vs 想增加 / 提高技能
在这种图表中，我们注意到有两个主要的集合。
图表右侧蓝色虚线矩形为第一个集合，该集合包含超过 40% 投票者所拥有的技能，以及“想要拥有 / 已经拥有”的比率小于 1。我们称之为核心数据科学技能。它们将在表 1 中列出。
表 1：核心数据科学技能，按 % 已拥有技能降序排列。
| 技能 | % 已拥有 | % 想拥有 | % 想拥有 / % 已拥有 |
|---|---|---|---|
| Python | 71.2% | 37.1% | 0.52 |
| 数据可视化 | 69.0% | 25.3% | 0.37 |
| 批判性思维 | 66.7% | 15.5% | 0.23 |
| Excel | 66.5% | 4.6% | 0.07 |
| 交流沟通技巧 | 65.9% | 16.5% | 0.25 |
| 机器学习 | 64.3% | 41.0% | 0.64 |
| 统计学 | 63.8% | 27.8% | 0.44 |
| SQL/ 数据库代码实现 | 57.3% | 16.0% | 0.28 |
| 业务理解 | 57.0% | 22.2% | 0.39 |
| 数学 | 52.6% | 17.5% | 0.33 |
| ETL - 数据准备 | 48.3% | 14.1% | 0.29 |
| R | 45.1% | 19.8% | 0.44 |
| Scikit-learn | 44.1% | 24.0% | 0.54 |
其中，最希望添加或提升的技能是机器学习（41%）和 Python（37%）。增长最少的是 Excel——只有 7% 的人想增加或提高他们的 Excel 技能。
图 1 左侧用红色边框标记的第二个集合，包括目前不太流行（% 已拥有技能 <30%）但正在增长的技能，“想拥有 / 已有用”的比率大于 1，请见表 2。我们将其称为热门 / 新兴数据科学技能。
表 2：热门 / 新兴数据科学技能，按“想拥有 / 已拥有”降序排列。
| 技能 | % 已拥有 | % 想拥有 | % 想拥有 / % 已拥有 |
|---|---|---|---|
| Pytorch | 7.0% | 29.6% | 4.26 |
| Scala | 4.2% | 13.3% | 3.14 |
| 其他大数据工具 | 8.9% | 27.4% | 3.08 |
| TensorFlow | 19.1% | 46.4% | 2.44 |
| Apache Spark | 16.0% | 34.6% | 2.16 |
| Hadoop | 10.9% | 22.7% | 2.08 |
| 深度学习 | 25.9% | 49.6% | 1.92 |
| No-SQL 数据库 | 14.0% | 23.2% | 1.65 |
| 自然语言处理 - 文本处理 | 25.0% | 33.8% | 1.35 |
| Kaggle | 14.5% | 18.4% | 1.27 |
| 非结构化数据 | 22.3% | 27.7% | 1.24 |
有趣的是，尽管有人认为 Hadoop 正在走下坡路，但在这次投票调查中，想学习 Hadoop 的人比已经知道它的人还多，所以 Hadoop 有可能仍然会越来越受欢迎。尽管 Julia 的“想拥有 / 已拥有”的比率为 3.4，但我们仍然没有将它包括在热门 / 新兴技能中，因为只有 2% 的投票者选择了它，因此它并不具备足够的支持。
其余的技能，如 XGBoost、软件工程、Java、MATLAB、SAS 只被 10%~30% 的投票者拥有，但没有增长：“想拥有 / 已拥有”的比率小于 1。
表 3：其他数据科学技能，按 % 已拥有的百分比递减
| 技能 | % 已拥有 | % 想拥有 | % 想拥有 /% 已拥有 |
|---|---|---|---|
| 软件工程 | 25.7% | 15.2% | 0.59 |
| XGBoost | 22.3% | 19.0% | 0.85 |
| Java | 15.1% | 7.7% | 0.51 |
| SAS | 12.7% | 7.2% | 0.57 |
| MATLAB | 10.9% | 7.9% | 0.73 |
| Julia | 2.0% | 6.9% | 3.44 |
小假面是关于投票调查的更多细节。图 2 按 % 已拥有进行降序排列。
图 2：KDnuggets 读者拥有的数据科学技能
图 3 显示了读者想要增加或提高的技能，以及他们所拥有的技能。
图 3：KDnuggets 读者想要增加或提高的数据科学技能（红色）和已拥有的数据科学技能（蓝色）。
我们看到，现有的和有意向的数据科学家想要添加的顶级技能是深度学习、TensorFlow、机器学习和 Python。
投票调查还询问了就业类型：
- 行业 / 自雇：64.4%
- 政府 / 非营利组织：7.2%
- 学术界 / 大学：7.0%
- 学者：14.3%
- 其他 /NA：7.1%
区域分布为：
- 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%
作者介绍：
Gregory Piatetsky-Shapiro 博士是 KDnuggets 的总裁，也是大数据、数据挖掘和数据科学领域的领军人物。他是数据挖掘和数据科学领先研究会议 KDD 的共同创始人，也是 ACM SIGKDD 的共同创始人和前任主席。他还是两家初创公司的首席科学家。
原文链接：
Which Data Science Skills are core and which are hot/emerging ones?
评论