Glassdoor最近发布了一份报告，公布了美国50个最佳的工作岗位，数据科学家连续两年夺冠。每年，工作网站都会根据每份职业的整体“Glassdoor工作得分”发布此报告。评分取决于三个关键因素：就业人数，工作满意度等级和年薪中位数。
数据科学家的工作得分为4.8分，工作满意度为4.4分，年薪中位数是11万美元，合人民币75万左右。与之相关的工作，比如数据工程师和DevOps工程师也紧随其后。
事实上，与过去一年相比，与数据相关的工作基本上占据了所有就业榜单，国内国外的趋势基本相一致。CareerCast.com的一项新研究显示，数据科学家在未来七年内具有最好的增长潜力，因为它们是最难填补的工作之一，这项工作的门槛还是很高的。 rjmetrics.com的统计数据显示，2015年数据科学家有11,400到19400个，其中超过50%是过去四年被填补的。
根据计算机科学学院的统计，估计在未来十年内，计算机工作的人数将增加一百万。那么是什么原因导致数据科学家的职位需求一直在上升呢?为什么数据科学家可以连续两年夺冠?
原因1：人才短缺
数据统计和分析对从业者的自身能力有很高的要求，而具备这些技能的人员需要很长一段时间的修炼，由于存在人才缺口，也导致数据科学家的薪水今年增长了6%以上。
由于大数据的历史相对较短，很多培训机构和大学近两年才开设相关课程。所以，虽然社会的讨论热度不减，但目前尚未出现一个成熟的学习规划曲线。因此，这种人才短缺可能会持续很长一段时间。
原因2：企业在组织数据方面面临巨大挑战
数据科学家的作用正在展现出来，企业迫切需要能够进行数据组织以及数据分析的专业人员。数据清洗或清理数据和连接工具以将数据转换成可用格式在企业中仍然有很大需求。
数据准备可能需要许多步骤，从将特定系统代码转换为可用数据，以处理不完整或错误的数据，但是错误数据的成本很高，一些研究表明，分析不良数据可能会使企业每年花费1300万美元以上。
因此，对于那些可以排除坏数据，进而导致企业降低成本的人来说，市场随时向他们敞开怀抱。事实上，数据准备占数据科学家工作的80%左右。但是，即使随着高度复杂的分析仪表板和数据收集工具可用性的增加，在能够从中提取有价值的见解之前，仍然需要具有清理和组织数据等技能的专业人员。
理由3：数据科学家的需求不再局限于科技巨头
数据科学家的需求终于不仅仅是大型科技公司，如Google或Facebook，因为较小的企业也意识到，他们可以使用数据做出更好，更明智的决策。大数据的HBR功能报告指出，使用数据驱动型决策的企业中，三分之一以上的公司比竞争对手平均高5%的生产力，多出6%的盈利。
虽然中小型企业的数据并不像大型企业的数据那么多，但是通过筛选数据，为企业提供有意义的见解也是一个强大的竞争优势。
我们也看到入门级数据科学家涌向创业公司和小型企业，因为他们认为他们能在早期的职业生涯中应对更高层次的工作。数据科学家拥有广泛的技能，他们希望能够立即使用所有技能。
IT技术人员如何进场?
数据科学家既然这么火，程序员又该如何进场呢?大学课程是一个很好的开始，但数据科学家的职位往往需要很多技能，目前国内的大学根本无法将这些整合在一起。除此之外，就是参加一些培训课程，目前尚没有其他好的方法。