数据相关从业者到底能挣多少钱？

发表评论
3,930 阅读

A+

所属分类：MySQL Python R语言 SAS Spark SPSS SQL 大数据工具箱数据分析师数据科学家

前言

海外，数据分析专业人才已成为最高薪的人群之一。在中国大数据飞速发展的当下，可以预见到的是，中国的数据分析专业人才也将越来越抢手，成为各个企业竞先争抢的优质人才储备。

诸位数据分析爱好者学习数据分析时，要明确自己的方向，做一名优质的数据分析专业人才、懂得分析方法的专业分析师，而不是只会操作简单软件的数据记录者。

随着大数据时代的到来，数据分析与探勘成为科技显学，各行各业对于大数据的浓厚兴趣也直接反映在大数据人才的丰厚薪资中。

根据美国大数据及商业智能软体公司 SiSense 调查研究指出1，资讯分析相关人才起薪约为年薪 5.5 万美元，换句话说，相较美国大学毕业生平均年薪为 4.76 万美元，高出 7400 美元，而最高薪的数据科学家，平均年薪为 13.2 万美元，打败一大票科技公司的高阶工程师，而且这个差距还在继续拉大中。

以下根据 Payscale 所提供的职位基本年薪做参考，为大家整理了四个最常见的大数据人才工作内容以及薪资范围。

数据分析师

这个职位大概是最常见的，「数据分析师」指的是不同行业中，专门从事行业内数据蒐集、整理、分析，并依据这些数据做出研究、评估的专业人员。

这类职缺通常要求应徵者有数学、统计、或是电脑科学等的相关学位跟背景，最常见的工作技能要求是 SQL、R、SAS、SPSS、Excel，以及随着需要处理的数据量日渐庞大，Hadoop 也被许多公司列为必备的基本条件之一。

美国地区数据科学家的年薪大约在 $36,139 到 $77,696 美元之间(约等于年薪台币 110 万到 240 万)，中间值大约是 $51,224 美元(台币 160 万)。拥有统计分析、数据建模(Data modeling)以及 SAS 等技能的应徵者一般来说更有机会得到高薪。

数据科学家

被《哈佛商业评论》誉为「21 世纪最性感工作」的数据科学家可以说是数据分析师的进化版。

两者的分别可以从职称的不同看出端倪：数据「分析师」统计分析数据作为评估基准来设计行销方案时，数据「科学家」则是把心力放在设计分析数据的演算法，提出不同的理论来测试这些结论，最后建立统计模型来判断消费者行为、找出最关键的行为诱发因子。

因此数据科学家需要具备程式开发的能力，例如 Java 或 Python，而且对机器学习(Machine Learning)领域有所了解。

美国地区的数据科学家年薪大约落在 $63,192 到 $142,118 美元间，中间值是 $96,579 美元，几乎是数据分析师的两倍。

数据架构师

数据架构师要负责建立和维持公司数据储存的技术基准，策划硬体和软体的结构，确保数据储存系统可以支持未来的数据量和分析需求。

数据架构师通常拥有电脑科学学位，并且精通数据库相关知识，像是关联式数据库(Relational database)、数据仓储(Data warehouse)、以及分散式数据系统(Distributed storage system)等等。

美国地区数据架构师的薪资范围是 $65,928 到 $147,868 美元，中间值为 $105,581 美元，以目前的趋势来看，比起 SQL ，擅长 OracleDB 的人才较容易得到高薪。

首席信息官

首席信息官(简称 CIO)是负责企业内部资讯系统和资讯资源规划和整合的高级行政管理人员，简单来说，这个最资深、最高级的职位要担起所有数据策略相关的责任。

CIO 通常会管理一个大团队，团队中的资深数据分析师、数据科学家会直接与 CIO 呈报，最后的决策再由 CIO 上报给董事会员。由于担任 CIO 的人选必须拥有一定的经验，因此这个职位通常会由董事会直接指派。

美国的公司通常给 CIO 的薪水从 $81,226 起跳至 $269,033 美元不等，中间值是 $142,269 美元。

你可能也听过数据工程师(Data engineers)、大数据分析师(Big data analysits)、数据专家(Data expert or Data specialist)等等职称，不过基本上这些都可以归类到上述四个职位。虽然拥有不同的职称，但往往这些角色的职责范围经常互相重叠，端看各公司如何分配工作内容。

O’ReillyMedia大数据行业工资调查报告

O’ReillyMedia近期发布了大数据行业工资调查报告。该报告访问了53个国家816名数据领域的工作者。占最大数量的数据类工作是：数据分析师（包括一些编程），统计分析师和相关软件工程师。

美国大数据行业的年薪中值是$144,000（均为美金，下同）。薪酬最高的行业包括：娱乐（$135,000），银行/金融（$117,000）和软件（$116,000）。

既然是大数据相关的调查，该公司也建立了一个回归模型（regression model）来研究哪些因素影响到行业内的薪酬。

根据此模型，当其他系数保持恒定的情况下，在欧洲和亚洲工作会让收入分别降低$24,000和$3,000。

高学历对于收入的影响达到$30,036。女性（仅有15%的受访者为女性）的平均收入则比男性的少$17,294，这跟总体上的性别收入差基本相同。在创业公司工作的收入平均要低$17,318。

如果想增加收入，模型建议：去加利福尼亚工作（可以增加$25,785），攻读一个博士学位（可以增加$11,130）以及学会使用更多的数据工具。每个新的数据工具可以让薪水增加$1,900。根据受访者的反馈，所使用的数据工具大约有20种。

但是，不是所有的工具都能带来类似的加薪。根据聚类算法，分析了所使用的工具和这些工具使用者的中值工资，得出的结果是：使用Hadoop这一系列工具的人平均薪资$118,000，而不使用Hadoop的则只有$88,000。Hadoop系列的工具还包括：Elastic MapReduce、Cassandra、Spark和MapR。使用Storm和Spark的人赚取了最高的薪水。

但是，最受欢迎的工具（50%的大数据从业者都使用）是一些不那么高大上的工具：SQL、R、Python和Excel。在今年的调查中还首次出现了新的大数据工具，跟Mac OS X、JavaScript、MySQL和D3相关。