机器学习工程师、数据科学家和大数据工程师是技术领域最顶尖的新兴职业。这是基于LinkedIn最近发布的一份报告得出的结论。

随着技术的变化和扩大，就业趋势也随之改变。因此，必须不断提升工作技能才能够适应不断变化的趋势。LinkedIn的报告来自过去5年的数据，显示了哪些工作和技能最受欢迎。

研究结果还表明，在一般情况下，企业会越来越多地雇佣那些拥有更全面技能的员工，一些专业化的角色在下降。

以下是LinkedIn 2017年美国新兴工作报告

美国的就业市场现在正在为一系列新兴职业的专业人士提供新的机会。

新型工作意味着各级工作人员的具有新潜力，特别是那些希望改变职业的人。总体而言，根据美国劳工统计局的数据，未来十年的就业增长预计将超过前十年的增长，到2026年将创造1150万个就业机会。更进一步说，估计今天进入小学的65％的孩子最终可能会没有工作。

为了帮助找到那些即将到来的角色，更好地了解成功所需的技能，我们分析了过去五年的LinkedIn数据以及一些调查数据，以确定哪些职位和技能在上升，以及这些趋势表明未来几年就业市场的趋势是什么。

这是我们发现的：

·科技行业的王者：具有最高增长潜力的就业机会以科技为中心，需求来自科技和非科技公司。机器学习工程师、数据科学家和大数据工程师是新兴职位中的佼佼者，各行各业的公司都在寻求这些技能。

·软技能问题：并不是所有的新兴技术工作都需要技术技能。销售开发代表、客户成功经理和品牌合作伙伴在公司中排名最高的新兴职位之列，但他们不一定具备技术背景。传播和管理等传统软技能为所有这些新兴工作奠定了基础。

·高流动性的就业机会：一些新兴的就业机会反映了更广泛的社会趋势，如健康、灵活性和位置流动性。越来越多的人变得健康，这可以解释为什么在我们新兴的工作中会出现barre教练。令人惊讶的是，持牌房地产经纪人在房地产市场大衰退复苏之后，名列前茅。就在过去一年，持牌经纪人的数量猛增了40％。这些类型的角色倾向于在美国各地更广泛地分布。

·顶尖职位的人才供应不足：自2012年以来，数据科学家的职位增长了650％以上，但目前在美国仅有35,000人拥有数据科学技能，甚至是像零售和财务这样的职位的候选人的供应也跟不上需求。

·面向未来的技能至关重要：五年前，这些新兴技能中有一些甚至还不存在，许多专业人员不确定他们目前的技能将在未来1 - 2年内派上用场。

请继续阅读，看看技能和经验如何在未来的工作中发挥作用，以及怎么实现。

目前在美国的机器学习工程师有超过1600个开放角色

由于技术在各个领域的影响，过去五年中技术角色出现爆炸并不令人意外。我们11月份的“员工报告”指出，从2016年10月份开始，硬件行业的招聘人数上涨近10％，软件行业上涨近15％。

具体而言，更复杂的技术（如人工智能）的发展和广泛应用，我们看到更多的专业机器学习和数据特定角色是新兴职业的首选。这些工作也在技术行业之外也有广泛应用。

列表中列出的顾客体验角色的数量表明“顾客的年龄”不仅仅是行话。这些工作属于当今市场上的一些非自动化工作，与他们有关的技能不一定在大学教授，因为很大程度上属于软技能。

美国前20名增长最快的工作

没有一些工作被取代，就不可能出现新的工作。看到当今专业领域开始失去作用的角色时，有两个趋势是突出的：

·涵盖多个学科的综合技能似乎有更高的需求。这个名单上的许多角色涵盖了多个学科，适用于多个行业。

·某些专家角色正在下降。从专业的开发人员角色，到法律专家，甚至是专门的物流角色，我们都看到这些角色被替换为更加全面的技能组合和职位。例如，随着技术的失败，闪存相关的角色正在减少，以支持更多的大数据和机器学习角色。

几乎所有这些新兴的工作都是由软件工程师提供的。

在分析五大新兴职位之一的专业人士的职业发展路径时，有一个共同的话题：软件工程师正在投入所有与技术相关的职业。

销售开发代表在迅速发展的同时，对于那些希望打入任何行业的人来说，仍然是一个入门级的角色和很好的选择。事实上，这是应届毕业生中最受欢迎的角色之一。

机器学习工程师

1.软件工程师

2.研究助理

3.助教

4.数据科学家

5.系统工程师

数据科学家

1.研究助理

2.助教

3.软件工程师

4.数据科学家

5.业务分析师

销售发展代表

1.服务器

2.销售助理

3.客户经理

4.行政助理

5.客户服务代表

客户经理

1.客户经理

2.项目经理

3.客户服务代表

4.项目经理

5.销售经理

大数据开发者

1.软件工程师

2. Hadoop开发者

3.系统工程师

4. Java工程师

5. ETL开发人员

在这些新兴的就业机会中，其中一些为希望探索新城市或行业的人提供更多的流动性，而另一些则更为有限。这些工作在城市中都有，但是很少有产业。在美国，房地产、健身或零售等领域的角色往往分布更广泛。然而，虽然这些角色为位置流动提供了更多的选择，但是支撑行业的选择却较少。

·注册房地产经纪人

·品牌合作伙伴

·独立旅行社

·品牌激活经理

·Barre教练

当考虑这些新兴角色中的行业流动性时，他们中的许多人倾向于软件和IT技能集，但几乎在每个行业都提供了机会。

·合伙人主管

·客户体验负责人

·数据科学家

·iOS应用开发者

·用户体验研究员

新兴工作中最常见的技能

根据LinkedIn和凯捷（Capgemini）近期进行的一项调查，近30％的专业人士认为，在未来1 - 2年内，他们的技能将是多余的，另有38％的人认为他们的技能会在未来4-5年过时。这种感觉很大程度上是由于缺乏足够的训练，以掌握在当今快节奏的就业环境中取得成功所必需的新型数据库技能。

我们研究了前20名新兴职位中代表性最强的技能。虽然许多角色需要专业经验或高级学位，但有一点是不变的：软技能是全面的。这些技能涵盖了从营销、工程到销售的一系列职业，而且很可能至少拥有一个职位。

·管理

·销售

·通讯

·营销

·创业

·Python

·软件开发

·Analytics（分析）

·云计算

·零售

我们也看到了这些专业中增长速度最快的技能，同样的趋势也出现了：软技能都有体现，也是基本的电脑知识。而社交媒体、微软Office和数字营销等技能在这些新兴工作中不断上升。

最重要的软技能

对于那些对上述技能没有兴趣的人来说，不要担心，软技能是适合任何角色的一个非常重要的部分，60％以上的招聘经理告诉我们，他们很难筛选。我们对1200多名招聘经理也进行了调查，以了解他们在应聘软件方面所寻找的是什么条件：

1.适应性

2.文化适合

3.合作

4.领导

5.发展潜能

6.优先级

这些是前5名新兴职位的首要技能

如果要更细致地查看前5名新兴职位中最常见的技能，我们可以更清楚地了解在这些职位上取得成功所需的技能。

·无论是了解企业软件的细节来帮助客户，还是专业的工程和编程技能，很明显，技术已经成为几乎所有角色的一部分。

·客户成功经理人的兴起可能归因于软件即服务（SaaS）产品的爆炸式增长，这个理论在研究这些专业人士所拥有的技能时是成立的。这个角色的五大技能中的两个与企业和SaaS软件技术诀窍有关。

如果专业人员不具备所需的硬件技术技能，或者对工程或开发事业不感兴趣，而想从事技术行业工作，则转向更加以客户为中心的角色是获得成功的好办法。

机器学习工程师

1.机器学习

2.研究

3.算法

4.软件

5.深度学习

数据科学家

1.数据科学

2.机器学习

3.分析

4.数据挖掘

5. Python

销售发展代表

1.销售

2.销售管理

3.业务发展

4.帐户计划

5.初创企业

客户经理

1.管理

2.软件即服务

3.企业软件

4.销售

5.客户成功管理

大数据开发者

1.大数据

2. Hadoop

3. Java

4. [Apache] Hive

5.初创公司

趋势在下降

分析这些角色中正在衰落的技能时，有一些趋势是突出的。

·对于数字技能和数字体验的关注上升，像“购物者营销”这样的传统意义上的技能集中在理解实体店购物习惯上的技巧正在下降。

·另外，如上所述，与更旧的技术系统（如Java）相关的传统技术技能也越来越少，有越来越多的以技术为核心的角色。

·像“战略”和“营销”这样极其饱和的一般技能正在被与这些专业相关的更具体的技能所取代，例如“整合营销”。

除了新兴角色之外，我们看到美国的自由职业人才大量涌现，他们经常选择自由职业，将其作为一项全职工作。最近一次对自由职业者的调查显示，四分之一的人告诉我们他们的自由职业与其全职职业完全不同。事实上，与我们新兴职位之一Barre 教练相关的技能表明，这是美国专业人士所接受的自由职业。

但是，这往往不仅仅是一种简单的方式，在同一项调查中，近20％的自由职业者表示，他们今年将拥有六位数或更多的收入。更重要的是，自由职业者比传统的朝九晚五的人更推动劳动力的增长。

增长发生的地方

自由职业行业的增长正在蓬勃发展，尤其是零售和医疗保健以及石油和能源等传统行业。

自由职业者增长最快的州也会让你大吃一惊。自由职业者在南部和中西部的人口增长迅速，但目前仍集中在纽约、加利福尼亚和俄勒冈州的沿海地区。

这一切意味着什么

拥有学术背景和全面的技能也是强大的趋势，特别是机器学习工程师和数据科学家的专业人士。这些角色也经常由拥有10年以上专业经验的专业人员担任，所以对于刚刚起步并且遇到问题的人来说，不要气馁！

一个很好的提醒：软技能永远是重要的，在面试中，合作、领导力、向同事学习的能力都会使你脱颖而出。而一旦开始工作，则表现会更加突出。

方法：

这个分析的结果代表了通过LinkedIn数据镜头看到的世界。因此，它受到会员如何选择使用该网站的影响，这可以根据专业、社会和地区文化，以及整体网站的可用性和可访问性而有所不同。这些差异在分析中没有考虑到。

我们考察了所有在他们的档案中列出的有工作经验的成员，并根据共同的工作角色（有许多排列组合）分组了数百万个独特的、用户输入的工作职位。例如，“机器学习工程师”职称包括诸如“机器学习软件工程师”和“机器学习工程师II”的用户输入的标题。然后，我们计算了2012年举行的职位头衔的频率，并将结果与2017年的职位头衔进行比较。“新兴职位”是指5年间职位频率增幅最大的职位。

为了确定共同的职业道路，我们考察了那些以“新兴”职位名列出当前职位的成员，并计算了这些成员在2012年所担任职位的频率。

想要获得原版的报告请关注我们，回复后台小编“报告”关键词，即可获得。