LinkedIn：数据科学和机器学习成为美国增长最快的岗位

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

1、LinkedIn对比了2012年和2017年的数据。排在前两位的是机器学习岗位和数据科学家，前者在过去五年里增加了9.8倍，后者自2012年以来增加了6.5倍。在排名前十的岗位中，有四个都与数据科学有关，而且其中三个都位列前五。

2、《哈佛商业评论》的一项研究发现，“在用数据来驱动决策方面处于业内前三分之一的企业，其生产率平均比竞争对手高5%，利润平均比竞争对手高6%”。

3、麦肯锡全球研究院估计，到2024年，美国数据科学岗位的缺口可能达到25万。数据科学技能方面的差距促使企业争先恐后地培训或是招募能满足其分析需求的人才。尽管培训班和在线课程试图填补这一缺口，但未来几年，企业可能将陷入激烈的人才争夺战。

原文翻译：

职场社交网站LinkedIn近日根据自身的数据，发布了一份报告，列出了美国增长最快的工作岗位。为了编制这份报告，LinkedIn对比了2012年和2017年的数据。排在前两位的是机器学习岗位和数据科学家，前者在过去五年里增加了9.8倍，后者自2012年以来增加了6.5倍。在排名前十的岗位中，有四个都与数据科学有关，而且其中三个都位列前五。为什么数据科学岗位、尤其是机器学习岗位增长得如此之快呢？

虽然很多报告和出版物都把数据科学称为美国最受关注的岗位之一，但LinkedIn报告的独到之处在于，它提到了该岗位迅速增长的现象。以下是机器学习和数据科学岗位为何增长最快的四个原因。

数据量飙升

大约90%的数据是在过去两年里产生的，而且现在每天产生的数据量达到2.5quintillion（10的18次方）字节。为了让各位对这一数字有一个概念，不妨看看数据公司Domo提供的一些数字：

· 每分钟，美国人使用2,657,700GB数据

· 每分钟，Instagram用户发布46,750张照片

· 每分钟，15,220,700条短信发出

· 每分钟，谷歌进行3,607,080次网络搜索

所有这些行为都会产生数据，使数据量大到令人难以想象。由于数据如此之多，企业需要能处理这些数据的人手。例如，Instagram想知道，在每分钟上传的那46,750张照片中，哪张照片被分享的次数最多？哪一类型的内容在该平台上最受欢迎？就从数据中获取的信息数量而言，这只是冰山一角。由于数据量呈指数级增长，对数据分析人才的需求也迅速上涨。

由数据驱动的决策能带来更多好处

对很多企业来说，数据只有能让企业获利，才是有用的，而这一点毋庸置疑。数据不仅能帮助企业作出更明智的决策，而且这些决策也常常会带来经济效益。《哈佛商业评论》的一项研究发现，“在用数据来驱动决策方面处于业内前三分之一的企业，其生产率平均比竞争对手高5%，利润平均比竞争对手高6%”。

数据使企业可以只根据一个个数字，作出不带个人色彩的决策，而不是依赖于CEO的直觉。如果数据能增强企业在市场上的盈利能力和竞争力，这无疑是更多企业雇佣数据科学人才的一个原因。他们能分析数据，用通俗的语言进行阐释，以便让团队明白如何采取下一步行动。

机器学习正在改变企业的经营方式

机器学习是一种人工智能（AI），它能真正地学习和进化。如今，机器学习已经被很多行业采用，不管是营销、金融还是医疗行业。高级算法可以节省时间和资源，根据过去学习到的知识，迅速作出正确的决定。例如，传统金融机构中的信贷人员越来越少，因为机器学习算法可以在不需要人类帮助的情况下评估风险，进而作出决定。

如今，机器学习即服务（MLaaS）已经变成现实，更多的企业开始使用这类平台，而不是投入大量资源和技能来建立自己的机器学习平台。普通的企业人员也能使用机器学习平台，从而不需要高管的介入，就可以作出明智的决定。企业的经营方式将彻底改变，但我们仍将依靠机器学习算法的开发人员，来推动这项技术的发展。

机器学习能提供更准确的预测