Nul
LinkedIn frigivet data om de job, der har oplevet den største vækst i antal over de sidste par år, og det er fair at sige, at tech og data kompetencer er blandt de hurtigst voksende kategorier — især dem, der involverer arbejde med data.
Foto: Joe McKendrick
Topping listen er machine learning ingeniør, en faggruppe, der er vokset 10-fold mellem 2012 og 2017. Dette blev fulgt op af data scientist, at gange med en faktor syv i denne samme periode. Der er også seks gange så mange big data-udviklere, samt fuld stak ingeniører.
“Omfattende sæt af færdigheder, der dækker flere fagområder er tilsyneladende i højere efterspørgsel,” rapportens forfattere stat. “Mange af de roller, som på denne liste dækker flere fagområder og er gældende for flere brancher.”
LinkedIn ‘ s top-10 førende kategorier er som følger:
- Machine learning-ingeniør (9,8 x så mange jobholders som i 2012) Data videnskabsmand (6,5 x) Salg, udvikling represenative (5,7 x) Kunde suvcess manaer (5.6 x) Bigb data udvikler (5,5 x) Fuld stack ingeniør (5,5 x) Utility udvikler (5.1 x) Direktør for data videnskab (4,9 x) Brand partner (4,5 x) Fuld stak udvikler (4,5 x)
Så hvad gør en machine learning ingeniør? Der er overlap med data videnskab, men machine learning ingeniører fokus på styring af systemer side af tingene, så godt. Som Ben Lorica og Mike Loukides beskrevet job i en nylig artikel på O ‘ reilly site, machine learning ingeniører er i data videnskab rige, men også til at spille en rolle i infrastruktur, administration og vedligeholdelse. Disse fagfolk “har stærkere software engineering færdigheder, end de typiske data forskere.”
LinkedIn forskerne så også på de færdigheder, der er forbundet med førende positioner. Her er, hvad de har fundet og rapporteret til de tre øverste tech/data arbejdsfunktioner. Bemærk, hvordan selv “kunde succes ledere” (som jeg tror er mere drevet end almindelig gammel kunde-service managers) har teknologi færdigheder:
Machine Learning Ingeniør
Machine Learning Forskning I Algoritmer, Software Dyb Læring
Data Videnskabsmand
Data Videnskab Machine Learning Analytics, Data Mining Python
Kundens Succes Manager
Management Software som en Service Virksomhed Salg af Software i Kundens Succes Ledelse
Big Data-Udvikler
Big Data Hadoop Java [Apache] Hive Start-Ups
Det er interessant, LinkedIn også tog tingene et skridt videre, og analyseret slægt til mennesker i disse positioner — karriereveje, de tog til at komme der. Her er hvad de fandt disse fagfolk gjorde for fem år siden:
Machine learning ingeniører startede deres karrierer som software ingeniører, data forskere, eller som forsknings assistenter. Data forskere var enten business analytikere eller forskning assistenter. Big data udviklerne software ingeniører, Java ingeniører, eller ETL-udviklere.
Andre roller inden for DET, er der ikke klarer sig så godt, LinkiedIn forfattere stat. “Fra specialiseret udvikler roller, at juridiske specialister, og endda specialiserede logistik roller, vi ser i disse roller blive erstattet til fordel for en mere omfattende færdighed sæt, og stillingsbetegnelser,” skriver de. “For eksempel, Flash-relaterede roller er på tilbagegang som den teknologi, der mister damp til fordel for mere big data og machine learning roller.”
Relaterede Emner:
Big Data Analytics
Digital Transformation
CXO
Tingenes Internet
Innovation
Virksomhedens Software
0