知識星球小編邀請您，先思考：
1 您是怎麼發現-分析-解決資料問題？
職場社交網站LinkedIn近日根據自身的資料，釋出了一份報告，列出了美國增長最快的工作崗位。為了編製這份報告，LinkedIn對比了2012年和2017年的資料。排在前兩位的是機器學習崗位和資料科學家，前者在過去五年裡增加了9.8倍，後者自2012年以來增加了6.5倍。在排名前十的崗位中，有四個都與資料科學有關，而且其中三個都位列前五。為什麼資料科學崗位、尤其是機器學習崗位增長得如此之快呢？
雖然很多報告和出版物都把資料科學稱為美國最受關註的崗位之一，但LinkedIn報告的獨到之處在於，它提到了該崗位迅速增長的現象。以下是機器學習和資料科學崗位為何增長最快的四個原因。
資料量飆升
大約90%的資料是在過去兩年裡產生的，而且現在每天產生的資料量達到2.5quintillion（10的18次方）位元組。為了讓各位對這一數字有一個概念，不妨看看資料公司Domo提供的一些數字：
· 每分鐘，美國人使用2,657,700GB資料
· 每分鐘，Instagram使用者釋出46,750張照片
· 每分鐘，15,220,700條簡訊發出
· 每分鐘，谷歌進行3,607,080次網路搜尋
所有這些行為都會產生資料，使資料量大到令人難以想象。由於資料如此之多，企業需要能處理這些資料的人手。例如，Instagram想知道，在每分鐘上傳的那46,750張照片中，哪張照片被分享的次數最多？哪一型別的內容在該平臺上最受歡迎？就從資料中獲取的資訊數量而言，這隻是冰山一角。由於資料量呈指數級增長，對資料分析人才的需求也迅速上漲。
由資料驅動的決策能帶來更多好處
對很多企業來說，資料只有能讓企業獲利，才是有用的，而這一點毋庸置疑。資料不僅能幫助企業作出更明智的決策，而且這些決策也常常會帶來經濟效益。《哈佛商業評論》的一項研究發現，“在用資料來驅動決策方面處於業內前三分之一的企業，其生產率平均比競爭對手高5%，利潤平均比競爭對手高6%”。
資料使企業可以只根據一個個數字，作出不帶個人色彩的決策，而不是依賴於CEO的直覺。如果資料能增強企業在市場上的盈利能力和競爭力，這無疑是更多企業僱傭資料科學人才的一個原因。他們能分析資料，用通俗的語言進行闡釋，以便讓團隊明白如何採取下一步行動。
機器學習正在改變企業的經營方式
機器學習是一種人工智慧（AI），它能真正地學習和進化。如今，機器學習已經被很多行業採用，不管是營銷、金融還是醫療行業。高階演演算法可以節省時間和資源，根據過去學習到的知識，迅速作出正確的決定。例如，傳統金融機構中的信貸人員越來越少，因為機器學習演演算法可以在不需要人類幫助的情況下評估風險，進而作出決定。
如今，機器學習即服務（MLaaS）已經變成現實，更多的企業開始使用這類平臺，而不是投入大量資源和技能來建立自己的機器學習平臺。普通的企業人員也能使用機器學習平臺，從而不需要高管的介入，就可以作出明智的決定。企業的經營方式將徹底改變，但我們仍將依靠機器學習演演算法的開發人員，來推動這項技術的發展。
機器學習能提供更準確的預測
機器學習演演算法常常能發現人類發現不了的隱藏資訊。由於需要處理的資料太多，哪怕是整個資料科學家團隊也可能會漏掉某個趨勢或樣式。預測市場的能力是企業保持競爭力的一種方法，而機器學習演演算法使這成為了可能。企業想招募那些能不斷改進預測模型的機器學習專家，以便獲得競爭優勢，在市場上始終保持領先地位。
在可預見的未來，資料科學和機器學習崗位將繼續增長。考慮到資料量的龐大以及它對企業利潤的推動作用，企業將不斷尋找適合這些崗位的人才。然而，需求顯然超過了供應。麥肯錫全球研究院估計，到2024年，美國資料科學崗位的缺口可能達到25萬。資料科學技能方面的差距促使企業爭先恐後地培訓或是招募能滿足其分析需求的人才。儘管培訓班和線上課程試圖填補這一缺口，但未來幾年，企業可能將陷入激烈的人才爭奪戰。
原文連結：https://www.infoworld.com/article/3259891/data-science/why-data-science-and-machine-learning-are-the-fastest-growing-jobs-in-the-us.html
轉自品覺公眾號
想加入資料人圈子，請加微信luqin360。
親愛的讀者們，您們有什麼想法，請點選【留言】按鈕，寫下您的留言。
點選閱讀原文，進入資料人網，學習資料知識。
資料人網（http://shujuren.org）誠邀各位資料人來平臺分享和傳播優質資料知識。
公眾號推薦：
360區塊鏈，專註於360度分享區塊鏈內容。
腳印英語，專註於分享實用口語內容。
