国外学data science也就是大数据这种专业回国是不是不好找工作？

01-15

国外学data science也就是大数据这种专业回国是不是不好找工作？虽然专业课也在学数据挖掘但用的软件基本都是R studio, Tableau这种在国外流行的软件。另外想知道回国就业方向在哪儿？个人偏向找business intelligence或者data mining方面的谢各位大神提建议

作为一个曾经在美国从事了两年数据分析工作的海归勉强一答吧。

我是去年六月由于自己非酋的属性加成，两次抽h1b都抽不中无奈回的国。之前也并没有充分调查过国内大数据专业的就业形势。回国后立马投入到求职的行列中，当时是六月，也并不是求职旺季，各处的机会也不是太多，于是开始了海投。简单总结一下：

基本上，国内对大数据人才需求还是非常大的，其中，所谓消费金融，p2p行业对于这方面的人才尤其需要。大概邀我去面试的里面70%都是这些行业的公司。由于，这些公司需要控制借贷风险，再加上火的不能再火的大数据概念，是家所谓Fintech公司都要提自己的大数据手段。说的也非常的动人，利用大数据分析客户风险信息，识别欺诈风险。当时我也是非常高兴地这么被忽悠进了一个规模不算小的互联网金融公司。但进去之后才发现，呵呵，底层数据架构非常混乱，找数据开发工程师提需求也是效率很低，最重要的是，根本没有成流程的数据挖掘系统，所有一切完全在初级阶段，只有盗版SAS，只能搞个Python开始从零撸代码，而且会用软件建模的我们部门只有我一个人。。。谈不上数据挖掘，顶多是做做监控报表。我一下子就灰了心，准备赶紧跑路。

个人认为国内大数据就业中，吹牛逼的真心不在少数，找类似Fintech这样的公司，尤其是比较小的公司，要多长个心眼，别看JD上写的多让人心动。但就是这些公司尤其需求大，所以要挑挑仔细了。

回来就业还有一个方向就是正儿八经的IT行业，有外资的，也有民营的，但感觉略微偏底层一点，需要数据库经验丰富，会撸C，会Java，会SQL，知道Hadoop怎么弄，这些应该不是题主的菜。

还有一个方向是商务信息咨询公司，类似Merkle(美库尔)这样的外企，也有类似的民企。感觉这些比较符合题主的需求。不需要去接触特别底层的数据结构，利用SAS，R等软件对一些商业信息做数据分析，一般都是做精准营销的，这就是题主说的Business Analyst 。对了，还要有很好的presentation能力和沟通能力。但这些公司感觉招聘信息不是特别多，要多多留意。

Data mining其实是有别于Business Analyst的。前者需要更多统计知识，数学知识，并且撸代码能力也要更强一些。国内需要这方面的人才的行业类似大的保险公司银行，和一些IT行业如BAT三家都是需要的。

说道数据挖掘软件，题主说 R studio, Tableau在国外非常流行，感觉倒并不是，至少我之前的公司没有用。国内倒是用R挺多的，Tableau也有，我现在的公司Tableau就早已普及了。所以不存在题主的担心。

以上

数据科学更多的是一个噱头我的理解是要用统计/机器学习/编程的方法解决问题回国好不好找工作在于国内有没有这样的需求当下来说国内越来越多的公司开始尝试data driven的商业模式所以炒作的很火爆但是实际上有能力搞真正的数据科学团队能帮助一个刚毕业的学生进步的公司并不多如果你觉得自己能折腾可以去国内的start up团队如果不能还是要加入阿里百度微软这种公司去找好的人提升自己

谢邀。

这个问题难道还有比直接去就业网站上看看数据科学相关的职位招聘数更好的方法（认真脸）？

BTW，投简历之前看看你想投的职位，职位简介上相关的要求已经列的很详细了。

延伸理解：

数据科学家 (Data Scientist) 的职业发展路径是什么？

Master是否应该去找software engineer的工作而不是data scientist？

先说下背景：曾就读于全美前二十的biostatistics硕士项目，目前在国内做金融大数据分析相关工作。

2013年以来，大数据在各个领域的应用呈爆发式增长，而中国近年来的风格，是什么火起来了就全民动员，哪怕街边一个馄饨店，也开始谋划“通过大数据形成对客户口味的深入洞见”，因此你的第一个问题“国外学data science也就是大数据这种专业回国是不是不好找工作？”里面的“回国”这个关键词可以去掉了。

而国外学和国内学，我觉得还是有一点差别的，几年前我就读的项目已经有很完备的big data系列课程，而国内因高校课程申请审批等流程用时较长无论是教材还是课程都没跟进的那么快。但国内学生的数据挖掘的基本功平均会比国外的学生更扎实，这不是具体到个别学生的能力，而是说整体的平均水平，原因是美国教育资源比较开放，像我这样本科和硕士阶段几乎都没接触过数据挖掘的学生也可以进入统计专业学习，而国内科班出身基础扎实的学生比例可能更高些。综上，你问题里的“国外”这个关键词也可以去掉了，不构成影响找工作的关键因素。

但是你稍后说的“用的软件基本都是R studio, Tableau这种在国外流行的软件”我就不大能接受了，Tableau在美国很主流吗？至少我在上学找工作期间它都不是重点。更何况，用哪种软件哪种语言都不是重点，数据分析是一种综合技能，软件、编程语言只是工具，每个企业因历史原因常用的软件可能都不大一样，入职后软件可能也会随着技术的更新而改变，因此如果你真的具备不错的数据分析数据挖掘的能力，任何一个有慧眼的企业都不会因为常用的语言不同而把你拒之门外，当然，他们对你的预期也包括了，你可以对新的语言能迅速上手。

最后，关于就业方向，鉴于你列举的软件是R而不是Hadoop，理解你的专业并不是大数据基础层的处理这种偏CS的，而是更偏分析，国内几乎各个行业都已经开始重视大数据分析，而应用比较成熟的主要是互联网，金融巨头。作为应届毕业生，我建议你首先进入这些应用较为成熟的团队，因为作为应届生无论是技术还是眼界都还不具备独自撑起一片天的能力，进入成熟团队，站在巨人的肩膀上，可能对你职业基础的夯实更有益处。

最后再说一点，business intelligence领域，可能更偏好复合背景，多数企业中BI的数据部分和分析部分都是交给同一个团队来做，他们通常要对企业本身的业务逻辑，行业的市场规律以及数据的分析处理都有很深的理解，才能有效的对企业的商业决策从数据角度进行支持，否则只是空中楼阁，纸上谈兵。如果你想在这个领域有所建树，恐怕只具备data mining方面的技能是不够的。

请教一下~大家指的大数据是多大规模的呢？尤其是金融大数据方面~是R+tableau就够了，还是需要java(hadoop) + python(spark) + bash来做呢？

背景：美东某data science 项目fresh grad在读，目前在找software engineer 和data enigneer的实习。。。。。。 Sigh。。。。
首先我觉得题主可能对于data science没有一个比较好的general idea，为什么这么说？题主说dm课上用r tableau等软件，我想说的是学编程语言和可视化工具从来都不是学习data science 的主战场，只是在具体的情况下选择顺手的语言和工具而已，从最基本的explotary data analysis 开始，各种相关性检验，概率分布，描述性统计，这部分绝对是R用起来最方便，很多都是一行code就能解决的。再然后是data cleaning，填补缺失值啊，格式统一啊，踢出异常值啊，又或者是建立dimensional model，python+mysql撸到底，贼顺畅，再到后面的机器学习算法，监督，无监督，推荐系统，python r 都可以啦，不过更喜欢Python，要是数据量大，分布式平台，hadoop生态系统 spark计算，我自己是在单机上配置好了的，有条件可以玩一玩aws google cloud platform 一路向西爽到爆。
说了这么多，其实是为了说明data science 的范围很大，学校里面教的东西。。。。。。。其实和工业界还是有脱轨的，建议题主主攻一个方向比如研究算法模型啦，又或者是前段的偏data analyst或者BI方向，还有后端大数据平台的搭建基本处于纯cs了。
至于找工作的话，国内不太清楚，美国这边title是data scientist 的很多都prefer phd，data analyst 估计就是题主的菜了，偏商科一点，这两个来讲，前者要求数学功底和coding能力好，后者的话，建议向三哥三姐们学习，来了美国半年，他们很让我知道了，一个人的美丽是认真，的吹牛逼，三哥三姐们真的是在用心的很认真的吹牛逼。。。。。。回到正题，最好找，职位也最多的是sde，其次是data scientist。

PS:

有木有最近在招人的组。。。DS CS都行，我发简历，小弟愿为一试，本人leetcode medium难度可以很快做完，hard可以做，用python java hive hdfs spark 撸过一个银行金融产品的推荐系统，用python 做过一个nfl胜率分析的机器学习项目，常见机器学习的算法也都知道，可以徒手写代码，不是调包的那种。。。国内国外都可以，如有合适的请私信，我发简历，跪谢。

利益相关：某藤校biostatistics博士，找到某库伯蒂诺it公司ds职位。

在研究生期间的课程和培养方向，很大程度上决定了你最终的可雇佣性。我系大部分学生去了pharma和fda，我这个奇葩在研究生期间选了大量cs的课程，加强了机器学习方面的知识，在dissertation里面大量应用了现在所谓big data常用的技术，比如spark，比如大规模的并行运算，申了仨工作，就拿到了中国不存在的某搜索公司的on site（没去）和某卖手机公司的offer。

雇主雇佣你，是看中了你的skills和experience，在读研期间有意识的培养自己在工作中需要的技术（通过选课，在课题中的应用），可以很容易的学到除了传统统计软件之外的很多知识。

一句话：你回国选择的第一家公司往往决定了你是龙还是虫。

国内现在的大数据对于Python和Shell要求高点，对于R几乎没有太高的要求，但是作为一个刚刚毕业回来的海归，只要你懂得基本的机器学习的算法，熟悉SQL语句，最好还有过数据挖掘、淑珏分析方面的经验（如果不好就不要写了，有的公司介意你负责数据的方向，互联网方向加分，天体方面海量结构化数据次等，其他就有点差了。）

这样的一个背景，找知名的互联网公司阿里等去试试或者去一些独角兽互联网公司，只要你能进去呆上几年，你就是个很有价值的人才，千万别心急看着薪资随便选了一家、也别长时间待业，那只是会毁了你自己的。

分情况，有一年以上工作经验的很容易找，没有的机会少，总的来说，企业更想找能快速上位的熟手。

我爬了某大型招聘平台近26000个大数据、数据挖掘的职位信息，做了词频分析，综合如下

图1 招聘需求描述词云图

企业招人的思路偏向实用，相比起学历、学校或者专业更专注于经验、技术以及熟练度。

企业对1-5年工作经验求职者的需求占比高达67.5%(大数据）、77.3%（数据挖掘），无经验要求的比例仅仅占10%左右。

图2 数据类工作的经验要求

相应的，经验越足的求职者在薪酬上也越占优势，无经验求职者的平均薪酬为6000元/月，上下浮动3000元，而随着工作时间的增加，平均薪酬逐步增加。

图3 数据类工作经验薪酬对比、学历要求

在学历要求方面，大专及以上占22%，本科及以上占比高达57%，硕士及以上占比为6%，学历相关词频分析中，以上学历这一关键词出现最多，留学、海归出现频率不多。学历更像是一道门槛，企业更看重的是能做什么、做过什么。

图4 学历相关词汇出现数量条形图

哇学Data Science简直太好找工作了吧！！！

有一个说法：前女友都来问：你年薪12万刀，就业率99%的工作哪找的？

随着大数据在各行各业的广泛应用，data science 简直火爆到不行。据北美相关数据分析，相关的岗位平均年薪已经达到了118,000美元（折合人民币近80万），并且仍在攀升，与此同时就业率也高达99%，留学生最容易以此拿到H1B工作签...... 而数据科学家，则被《哈佛商业评论》誉为「21 世纪最性感工作」，没有之一！！！

物质基础决定上层建筑的时代中，一份Payment高的职业一定会成为你能力的证明与潜力的刺激，数据分析相关工作那可都是「波士顿矩阵」中妥妥的明星（Star）职位。

BCG模型

在http://Indeed.com（世界目前最大的招聘搜索引擎）上，截至2016年上半年，美国数据科学家的平均工资，比全国平均工资高出113％。

Indeed.com

根据Glassdoor National平均年薪数据显示，Data Scientist以$118,709的高薪位于榜首。

Glassdoor.com

歪楼了歪楼了，说回国内局势。

国内近两年大数据人才缺口很大，不论是传统的分析领域，如金融、咨询、投行，还是各种交叉行业，如教育、餐饮甚至农业，都有非常多的动作机会。

在供不应求的市场情况下，Data Science从业者在工资方面自然非常优厚，大有超越码农的黑马趋势。既然聊Data Science数据科学，咱就用数据说话。

baidu.com

所以，如果你有一个学Data Science的男/女朋友，请一定抱稳大腿开好车！

想了解Data Science到底是个什么行业？

具体的准入门槛是什么样？

如何成为一个专业的Data Science工程师？

猛戳这篇文章，里面会有你想要的答案??

前女友都来问：你年薪12万刀，就业率99%的工作哪找的？

统计专业毕业两年，从事金融企业数据挖掘，最近前程无忧刷新下简历，一天接三个猎头的水平，简历还是一年前的～蛮好找的

一个cmu的学长说ds是冷饭热炒……虽然我也在准备申请中……觉得一入侯门深似海啊

不是好不好找，是你愿不愿意屈就，国内数据分析，数据科学家，数据建模工程师，etl工程师，bi工程师，岗位一抓一大把，不过你要非照着弯区，税前8000美元去找，估计也只有bat能给你了，国内其他的厂商得把美元换成人民币才符合中国市场对数据人才的估价

学历硬点

有点研究能力

面试之前研究点国内案例（针对性的）

做个好简历

国内用R的很多你别担心

有些公司用sas spss 你也稍微学学问题不大

利益相关：国内所谓大数据没火起来的时候就开始做数据职位的猎头

两个都很好，但是不管怎么样data science 最好还是搭配点cs的东西。太单纯的data science 以后泡沫破了就不好找工作了

我是个TABLEAU初学者，有个问题希望大家能帮我。在维度[ID]中有20000个数值，每个ID有0-10个重复值。每行数据包括一个ID,一个时间，一个数值A。怎样编辑计算字段，让我能够：1、筛选出有重复值的ID 2、对筛选出的ID根据时间排序 3、对前两步筛选出的ID的第一个和第二个（或第三个、第四个、、、）数值A进行加减计算。