2016~20 年矽谷需求量最大的是什麼方向的技術人才？

12-29

請大家來大膽預測一下未來5年內矽谷（以及整個IT界）需求量最大的技術人才需要掌握什麼技術，以及什麼技術方向前景最看好。不妨列出他們需要點亮的技能點，比如Java、C++、Python、Spark、iOS、Android、Node.js、機器學習、大數據、分散式系統、資料庫、計算機視覺、敏捷開發、DevOps等等……
或者分析預測一下自己所在的技術領域在未來5年內的前景。

我覺得這個問題尤其對於相關專業的在校大學生們和想要跳槽的從業者大有幫助，所以歡迎各位老鳥來廣泛討論，提出自己的見解。

謝邀

可以說任何時代，最需要的人，都一樣，就是那些既懂得最新的技術，也懂得現在的商業環境，並且有能力把最新的技術應用到目前的市場上的人。每個時代大潮的技術不同，但是這樣的趨勢是沒有變化的。

曾經的「互聯網、信息高速公路」時代塑造了一批優秀企業，帶來了一個全新的產業；一個充滿「雲計算、移動互聯網」改變了不少企業的經營模式，也帶來了新的理念；而現在，我們來到了「人工智慧、機器學習、大數據」的時代，曾經發生的改變也一樣都會發生。不論這一波的新詞有多少，追其本質，我認為這一波的大趨勢是這兩個方向：

基於數據的決策機制
演算法即產品

1. 基於數據的決策機制

這個是受到討論最多的一個大趨勢，不少國內的創業公司也都在這個方向耕耘。簡單來說，在經歷了充分信息化的發展之後，企業的各個方面的決策，不論是商業決策還是產品決策，都越來越依賴數據與分析，而不是靠直覺與靈感。因此，公司需要大量的分析師與工程師來做系統的支撐。太多的文章在討論這個方向，我就不再論述，推薦看看 @鄒昕學長的文章 Facebook數據科學家解密數據分析驅動用戶增長_36氪

2. 演算法即產品

這個方向討論的人很少，因為門檻更高，但我認為這是影響更大的方向。一個好的數據分析系統可以幫助公司減少系統性犯錯的機會，可以讓公司增長更快，但很難幫助公司擴展新的業務。而很多基於機器學習的演算法的出現，打開了新的世界，使得很多不可能變成了可能，會極大地提高公司的上限，讓公司跑的更遠。通俗一些，在一個全部都在生產馬車的年代，一個好的數據分析系統可能可以幫助公司比別人公司生產性價比更好的馬車，比別的公司賺更多的錢，但是，什麼樣的人能夠幫助公司生產出第一量汽車呢？

產品的潮流已經不僅僅是信息化、自動化了，在這些之上，是演算法化。我在之前的答案裡面提到截至 2016 年 3 月，機器學習、數據挖掘、計算機視覺等的泡沫有多大？ - 陳然的回答，演算法化大潮是一個無法阻擋的趨勢。

什麼是演算法化？就是讓產品由演算法驅動，以知乎為例，你現在能夠感受到的特性比如：信息流排序、搜索、答案的排序、相關問題的推薦、郵件（通知）的推薦、話題的推薦、發現內容的推薦等等。而以後，每個人看到的知乎可能都會不一樣，不僅內容，甚至顏色、排版等等。你會意識到網站裡面幾乎每個元素都會有演算法在背後，而演算法是這個產品的核心元素。

傳統的產品設計方法論已經遠遠不能滿足演算法驅動的產品了，傳統的產品設計強調：用戶調研，想辦法了解用戶需求；研究競品，快速跟進已經被證明成功的特性等等，都已經沒有辦法衡量演算法驅動的產品。用戶調研參考的用戶太少，我們要直接看到幾千萬用戶的行為。競品的產品也是演算法驅動，沒有辦法通過少部分樣本來觀察，看不到競品使用的模型，根本沒有辦法複製。而更重要的是，新的特性如何被整合到模型之中，一方面必須要有對於產品本身的深刻理解，又必須對於機器學習模型本身有深刻理解，否則沒有辦法幫助演算法改進，幫助產品改進。

不少機器學習演算法對公司的影響帶來是巨大的。新的產品會提高核心KPI，降低成本，甚至拓展出新的營收渠道。而且由於難以複製，一旦建立起優勢，對手也很難跟進。具體的例子數不勝數，有時間我會在專欄里寫一些詳細的例子，歡迎關註： Hello 陳然！ - 知乎專欄

3. Data Scientist 的視角

之前寫過一篇專欄文章，討論過 Type A/B Data Scientist 拋棄幻想，談談現實中的數據科學家 - Hello 陳然！ - 知乎專欄。兩類數據科學家就是對應上面兩個大趨勢，一個偏數據分析，一個偏演算法與產品的結合，而具體的職責可以看看那篇文章。

最後總結一下，未來五年最需要的人才就是能夠緊扣上面兩個大趨勢的人才。至於具體的技術與工具，時代在進化，需要不斷保持學習，在此不表。同時，不加區分的將兩個不太相同的職位統稱為數據科學家，造成了對於這個職位太多誤解，我也希望我的文章可以讓大家對這個兩個大方向看的更清楚。

----
@陳然

以我的觀察，IT領域的一般三四年就是一個浪潮，六七年就是一個大浪潮。
07-10年，雲計算的概念火了，但是還未成型。
10-13，14年，大數據浪潮襲來，大數據基礎架構火了，代表Hadoop，Spark。
14-現在，以大數據為基石的數據分析火了，代表例子alphago。
雲計算伴隨著大數據10-至今，也慢慢成熟起來，代表例子，docker、openstack。

預測一下，大數據為基石的數據分析一類，還會保持熱度，如果持續保持熱度，那麼反過來該帶動硬體領域發展了，智能硬體感測器一類的，代表例子，無人駕駛。
另外，VR/AR一類已經呼之欲出了，計算機視覺的同學們的春天快來了；音頻領域的研究也應該發展的很快了。
看看微軟，谷歌，facebook最前沿的黑科技在哪些領域有所突破，大體上就能見端倪了。

個人看法，未來幾年硬體產業會大火，軟體繼續保持發展勢頭吧

攤煎餅和烤冷麵吧，畢竟以後國人多了，這些國內互聯網公司必備附屬技能點也總得牽過去點。

我覺得cryptocurrency/blockchain，貨幣體系的替代有點複雜，涉及政治。。。但至少在金融交易領域，會影響甚至取代clearing house和Exchange。。。我今天還聽說一個觀點，既然DAO 的眾籌計劃這麼成功，以後都不用搞什麼IPO了，要融資直接發動眾籌，然後發tokens就可以了。。。

DAO 眾籌是一個標誌性事件，看看啥時候來一個btc 的 ETF吧。。。

我是一名程序員，但我自知資歷不夠回答這個問題。
只是我懇請所有答主，慎言，不確定不清楚的別瞎說。回答請給出理由，猜測請加「我認為」「我估計」。

神經網路訓練師

VR人才未來五年或許還太早但五年後的系統甚至office環境都能在VR場景內遠程工作的效率會提高不少
矽谷較看重的是創新能力而編程能力指令式編程跟對象式編程各會一種就可以不需在意和注重單一語言畢竟編程語言都是互通的不過我個人很推薦C
而後面的幾樣機器學習、大數據、分散式系統、資料庫、計算機視覺、敏捷開發、DevOps
除了大數據需要用到R或者S這種特殊語言還有機器學習需要更縝密的邏輯能力其他幾樣都是尋常程序猿能擺平的
註：敏捷開發/devops是編程或人員管理方式並非實打實的技能

Senior Engineer

現在大家都往移動前端跑~android IOS H5....其實我也是做安卓的，如題主所述的我也思考過，我亦打算將自己的職業規劃，從android前端，通過java後台切入到C++演算法等領域，因為2015的人工智慧，2016的虛擬現實給了我們不少的啓示。(其實我自己也不知道對不對這方向。)

在美國，C#很熱。

vr 人工智慧

vr 物流無人機

我想問下，c#沒落了嗎？
---一個迷茫的大學生