2018科技岗位排行榜揭晓! 快来看哪个职位opening最多

美国著名求职网站Glassdoor又出榜单了。在他们新出的《美国最佳工作排名Top 50》中，科技类的岗位有20个之多，占据榜单上40%的席位。那么，在这些科技岗位中，排名前10的又是哪些岗位呢？

让来Offer带你一睹为快吧：

第10位

Database Administrator

第9位

QA Manager

第8位

 Software Engineer

第7位

Data Analytics Manager

第6位

Site Reliability Engineer

第5位

Front End Engineer

第4位

Product Manager

第3位

Mobile Developer

第2位

DevOps Engineer

第1位

Data Scientist

虽然上榜的职位各异，但60%的职位，几乎是由Sofware Engineer“衍生”而出，他们所需的基本技能都很类似。

而剩下的40%的职位，几乎被data行业相关的职位包揽。

有趣的是，虽然程序员只排在第8，但job opening (29187) 却以压倒性的优势，远超于榜单上其它职位 —— 数量比其他9个岗位的opening加起来还多。

而排在榜单第1，年薪中位数110K，工作满意度4.2/5的职位，是个5年前还不存在的职业：Data Scientist。

从AlphaGo到无人车, 一个个重大技术的突破体现出IT公司对机器学习领域的高度重视，对Data Scientist的需求也逐步扩大。

不止是 Data Scientist，近几年来，无论是传统巨头Google, Facebook，还是新贵Airbnb, Uber，都一直在扩招的职位就是：

 Data岗位 

这个岗位到底有什么魅力？

需求急速上升

由于“data-driven”的决策风格在业界越来越收到欢迎，几乎每个公司、每个部门都在走向“data化”的道路。例来说：

• 市场营销部门会用Google Analytics分析广告；
• HR、Supply Chain部门会用SAP或Microsoft Dynamics等ERP软件来处理信息数据；
• Business Intelligence部门会用SQL, Tableau, Sisense, Microsoft Power BI等工具分析数据，并提供见解；
• 数据部门会用到R和Python等编程语言对data进行更复杂的处理....

更不用说，现在备受求职者欢迎的科技公司巨头：（继续举例）

谷歌。这家公司可以说就是数据科学本尊。他们所做的一切都围绕着data。他们从搜索引擎google.com、YouTube收集来数据，然后用其来将广告收入最大化，或提供一些别的服务。

亚马逊。你在亚马逊上看到的每个产品推荐，背后都承载着复杂数据科学算法。举个例子，亚马逊有一个算法，就可以预测顾客是否打算购买某种商品。一旦预测出的购买概率足够高，他们会把该商品调货到顾客家附近的仓库。因此当顾客实际下单购买时，该商品将在支付的同一天到货。

Facebook一直致力于增加广告收入。通过Facebook平台上的用户个人数据和活动，他们可以知道该用户的性格，比如他们喜欢什么运动，什么食物，喜欢猫还是喜欢狗，愿意在网上花多少钱....通过收集这些信息，他们可以准确地“target”用户。因此很多其它公司也都喜欢把Facebook作为广告媒介。

未来2年，企业对Data类岗位需求量将猛增28%。到2020年，所有美国Data类岗位数量将增加36万个，总数达到270万。  

其中，Data Scientist、Data Developer和Data Engineer岗位增长最快，在2020年之前，将有近70万个岗位开放。（数据来源：IBM）

薪资喜人

而在薪资方面，Data岗位平均年收入超过9万美元。

其中，数据科学家在美国的平均年薪将近10万，最高收入者（前10％）的收入超过136,752美元。

前景广泛

Data类岗位就业前景广泛，覆盖IT技术，金融，保险，专业服务等多个行业：

（图为各类Data job在各行各业的需求量）

也正是因为有这么多优点，数据科学职位逐渐成为了应届生、尤其是转专业同学的首选职业。

那么，到底该如何找一份数据科学的工作呢？

Step 1：掌握必备技能

只有提升了自己的硬实力，才能有足够的底气去迎接面试和将来的工作。

Step 2：积累项目经验

在留学生群体就业竞争压力剧增的今天，倘若简历上没有独特的闪光之处，很难让HR留下印象。因此对于数据科学岗位的求职者来说，如果简历上能有相关的project经验，将成为一个大大的加分项！

Step 3：拿到面试

拿到面试方式有很多种，其中最有效率的方法，还是通过内推。此外，绝大多数人都不太可能第一次面试就顺利通过，因此，在面试之前，你还需要好好锻炼一下自己的面试技巧，多进行几次Mock Interview。而针对以上的“求职三步骤”，通过来Offer人工智能与数据科学强化课程能把求职过程中遇到的痛点，逐一击破。

E/N/D

更多科技求职资讯，

更全面的Data Science相关知识

丰富的Data Science项目实战经验

请关注“来Offer”