【时讯】中国学生最不愿读却最容易找从业的留学专业

编辑: 2008年新留学[微博]潮开始后，去美国读商科的学生在几年内翻了好几倍。 但是这些学生拿着商业科的毕业证书毕业时发现自己选择的专家就业很难。

据北美留学生日报报道，当初不太受欢迎的专家同学毕业时收到了好几封offer。 根据美国招聘网站的数据，中国学生本来最不读的专家为了成为最容易就业的专家，很多人[微博]都要掉眼镜，计划把孩子送到海外的父母[微博]也要好好考虑孩子的专业选择

最近，一个美国招聘网站glassdoor的报告显示，数据科学家的平均年薪为11.9万美元，程序员的平均年薪为6.5万美元，可见差异。 我擅长数学，可以用python编程。 而且，你知道某个领域吗？ 拥有这样的技能集，就有可能成为数据科学家。 如果成为数据科学家，你的日子可以风光明媚。 ——根据——linkedin最新的投票结果，“统计分析和数据发掘”是年最大的求职法宝。

根据麦肯锡企业的研究预测，到2005年，在“具有深入分析能力的人才”方面，美国可能面临14万到19万的差距，“能够利用大数据观察做出比较有效决定的经理和分析师”的差距是 这个行业现在非常火爆，纽约大学数据科学中心课程的负责人劳伦斯( roy lowrance )说现在可能是最高峰，“可能有泡沫”。

“无论什么事件，如果这么火爆，之后一定会变冷”但是纽约大学希望在今后几年扩大数据科学课程的招生规模，将学生人数从40名增加到60名。 本学年还有5个月就结束了，50%到75%的学生找到了理想的就业岗位。

为什么这个行业变得这么火爆？ 琳达·博奇( linda burtch )是芝加哥猎头企业博奇工程的理事长，谷歌、亚马逊、netflix、uber等高新技术企业有自己的数据科学团队，但neiman marcus、沃尔玛

这些企业希望数据科学专家能发掘新消息，帮助企业开源节流。 ibm的大数据业务负责副总裁anjul bhambhri说，航空航天制造商pratt whitney可以预测何时需要飞机发动机的维护，准确率达到97%，可以更有效地开展业务

ibm本月刚推出了基于云计算的watson analytics免费增值工具，但为了分析非结构化数据，数据科学家往往必须自己编写专用的软件程序。

劳伦斯说，数据科学家必须有三个基本技能:数学/统计、计算机能力和特定商业行业的知识。 纽约大学数据科学中心希望招聘至少有一项技能的学生，掌握其他技能，让他们一个人解决数据工作，直到学生毕业。

“在学习的过程中，他们必须做一点数据科学项目。 这些项目需要这三种技能。 ”他说。

但是，如果你想成为数据科学，你不一定必须上大学。 从今年9月开始，一家叫梅蒂斯( metis )的企业在纽约举办了为期12周的数据科学训练营。 费用是1.4万美元。 报名者非常多，入学竞争相当激烈。 梅蒂斯企业的联合创始人杰森·莫斯( jason moss )说，大约一半的学生有硕士或博士学位。

第一期训练营将于12月初结束。 莫斯说，几周内15个学生中有6个收到了录用通知。

“我不认为训练营能取代大学教育，”莫斯说。 “训练营提供了捷径，你已经能以最快的速度找到工作，但大学的目的不是这个。 但我不认为你有必要上大学成为数据科学家”，他说。 “他们天生好奇，有勇气，有决心，总是想处理事件。 他们在这一行干得很好。 ”。

anmol rajpurohit是一位独立的数据科学家，他认为做这项工作最重要的素质是迅速学习一些东西。 “通用编程的精彩方法比专门用于特定的编程语言重要得多。 ”。

“现在的时代，技术的迅速发展飞跃，语言很快就过时了，新语言迅速普及。 因为学得快的人比单独行业的专家更有前途。 ”。

劳伦斯认为训练营和在线课程对学习者有很大帮助。 但另一方面，它们的作用比较有限。 纽约大学的数据科学课程具有能够以正确的优先顺序培养你的技能的特点。

“我们的教育程序可以让你逐渐掌握灵活的技能。 ”。

数据科学家会做那些事吗？

游戏公司playstudios的数据科学家约翰·格林伯格( jon greenberg )说:

“在日常业务中，需要管理一系列的控制面板。 这些消息能让企业知道我们的生意是怎么进行的吗？ 客人在做什么？ ”。

格林伯格现在是经理，所以他没有以前那么多事情编程了，但有时需要编程。 一般来说，他会从apache hadoop的内存中提取数据，在拆除平台revolution r上运行，并对其进行一点可视化解决。

例如，他说:“我们可以知道一些客户是如何与新功能交互的。”

六年前，格林伯格获得了统计学硕士学位。 他想进入政府部门工作，令人吃惊的是，企业需要数据科学家。 他说:“当时数据科学行业还没有这么火爆。” 现在他每天都能收到猎人的电话和邮件。 “这不仅仅是我一个人，”他说。 "所有的数据科学家都可能是这样的. "

对格林伯格来说，就业机会只是加分项。 因为他本来就爱这一行。 我认为做数据科学工作需要分解头脑，需要好奇心。 他说。

“需要灵活性和创造性，为了解决问题必须想出不同的方法。 ”。

这项工作唯一的缺点是格林伯格在“清洁”数据(消除不相关的结果)上花费了很多时间。 “我不那么喜欢这部分的任务，你必须花很多时间做它。 ”。

rajpurohit说他在清洁和研究数据方面花了很多精力。 “我把很多时间都花在研究上了。 因为我总是面临新的问题。 因此，有必要研究特定行业的最新文献或寻找专家，听取他们在这方面的看法”，他说。

“数据科学这个名字和艺术没有缘分，但需要把艺术和科学很好地结合起来。 科学部分很明显，数学和编程设计等。 但是，艺术部分也同样重要。 创造性，深刻理解语境。 这两个部分结合起来可以很好地处理问题。 ”。

但是，rajpurohit也承认数据科学没有现在很多人想象的那么善良和有魅力。 这个行业确实越来越重要，高薪机会也很多，但在数据科学家应该做的日常业务中，其实也有很多无聊的东西。

你是数据科学家的材料吗？

每天花大量的时间编程，分析控制面板的数据，得到相关的情况。 如果你对这种工作感兴趣，可能适合做这一行。 但是，如果你只是想提高工资，你可能会觉得过这样的生活很困难。

真正适合做这一行的人经常在业馀时间写程序，分析数据，但他们只是为了自己的乐趣。

亚当·弗罗拉尔( adam flugel )是博奇企业数据科学招聘的猎人，他谈到了最近遇到的候选人。 这个人拥有博士学位，今年秋天在电气艺术企业( electronic arts )就职。 “真正使他与众不同的是，他空闲的时候也发生这样的事件，纯粹是因为有趣。

他是许多网络游戏世界“坦克世界大战”的玩家，领导着玩家队。 因此他制作了从游戏服务器取得数据的程序，进行了数据观察，判断了自己团队的表现。 然后，他应该利用这些消息明确应该如何调整自己的战术，为了提高整个团队的表现而招募那些类型的成员。 ”。

所以，如果你爱的不是数据本身，而是它能给你带来高薪，你会发现自己不太容易和那样的人竞争。 但博奇说每个人都应该学会爱数据。 即使只为自己的事业将来着想，也应该这样做。 (微博@collegedaily )