原文：为什么数据科学和机器学习是美国增长最快的工作1，LinkedIn对比了2012年和2017年的数据，前两个职位是机器学习在过去五年中增长了9.8倍的职位，以及自2012年以来增长了6.5倍的数据科学家。前10名职位中有4个与数据科学相关，其中3个在前5名中。2.《哈佛商业评论》的一项研究发现，“在使用数据驱动决策方面，行业前三分之一的企业平均比竞争对手高出5%的生产力和6%的利润”。3、麦肯锡全球研究院估计，到2024年，美国数据科学岗位缺口可能达到25万个。数据科学技能的差距正促使公司争先恐后地培训或招聘人才以满足他们的分析需求。虽然研讨会和在线课程试图填补这一空白，但公司很可能会发现自己在未来几年将面临激烈的人才争夺战。原文翻译：职场社交网站LinkedIn近日根据自己的数据发布了一份报告，列出了美国增长最快的职位。为了编制这份报告，LinkedIn比较了2012年和2017年的数据。排名前两位的职位是机器学习职位，在过去五年中增长了9.8倍，而数据科学家职位自2012年以来增长了6.5倍。前十名中有四个职位与数据科学相关，其中三个排名前五。为什么数据科学工作，尤其是机器学习工作，增长如此之快？虽然许多报告和出版物称数据科学是美国最受关注的工作之一，但LinkedIn报告的独特之处在于它提到了该工作的快速增长。以下是机器学习和数据科学工作增长最快的四个原因。大约90%的数据量激增是在过去两年产生的，现在每天产生的数据量达到2.5quintillion（10的18次方）字节。为了让您了解这些数字，这里有一些来自数据公司Domo的数字：每分钟，美国人使用2,657,700GB数据每分钟，Instagram用户发布46,750张照片每分钟，发送15,220,700条短信·每一分钟，谷歌进行3,607,080次网络搜索所有这些行为都会产生数据，数据量之大难以想象。拥有如此多的数据，企业需要能够处理这些数据的人。例如，Instagram想知道，在每分钟上传的46,750张照片中，哪张照片被分享最多？什么类型的内容在平台上最受欢迎？就可以从数据中收集到的信息量而言，这只是冰山一角。由于数据量呈指数级增长，对数据分析人才的需求也在快速上升。数据驱动的决策更有用对于许多企业来说，不用说，数据只有在使企业盈利时才有用。数据不仅可以帮助企业做出更明智的决策，而且这些决策通常还具有经济效益。《哈佛商业评论》的一项研究发现，“在使用数据来推动决策制定的行业中，排名前三分之一的公司平均比竞争对手高出5%的生产力和6%的利润”。数据使公司能够完全根据数字做出客观的决定，而不是依赖CEO的直觉。如果数据能够提升企业的盈利能力和市场竞争力，这无疑是更多企业聘请数据科学人才的一个原因。他们可以分析数据并用通俗易懂的语言进行解释，以便团队了解如何采取下一步行动。机器学习正在改变企业开展业务的方式机器学习是一种真正学习和发展的人工智能(AI)。如今，机器学习已被许多行业采用，无论是营销、金融还是医疗行业。先进的算法可以节省时间和资源，根据过去的学习快速做出正确的决策。例如，传统金融机构的信贷员越来越少，因为机器学习算法可以在没有人工帮助的情况下评估风险并做出决策。如今，机器学习即服务(MLaaS)已成为现实，越来越多的企业开始使用此类平台，而不是投入大量资源和技能来构建自己的机器学习平台。普通业务人员也可以使用机器学习平台在没有高管参与的情况下做出明智的决策。企业开展业务的方式将发生根本性变化，但我们仍将依靠机器学习算法的开发人员来推动技术向前发展。机器学习提供更准确的预测机器学习算法通常可以发现人类无法发现的隐藏信息。有如此多的数据需要处理，即使是整个数据科学家团队也可能会错过趋势或模式。预测市场的能力是企业保持竞争力的一种方式，而机器学习算法使这成为可能。企业希望招聘能够不断改进预测模型的机器学习专家，以获得竞争优势并在市场上保持领先地位。在可预见的未来，数据科学和机器学习工作将继续增长。鉴于庞大的数据量及其推动利润的方式，公司将物色适合这些职位的人才。然而，需求明显超过供应。麦肯锡全球研究所估计，到2024年，美国可能会缺少25万个数据科学工作岗位。数据科学技能的差距正促使公司争先恐后地培训或招聘人才以满足他们的分析需求。虽然研讨会和在线课程试图填补这一空白，但公司很可能会发现自己在未来几年将面临激烈的人才争夺战。
