大數據時代的人才價值有多大？

近年來，大數據這個原本略顯晦澀的詞成為時尚詞匯。越來越多的企業號稱要做大數據，雖然不乏炒作之嫌，但不可否認的是，我們身邊的一切正被大數據所改變。用可穿戴設備之父阿萊克斯·彭特蘭的話說，大數據就是我們洞察一切的“上帝之眼”，通過大數據，我們可以解釋經濟崩潰、革命或者是金融泡沫。

就像顯微鏡和望遠鏡能為生物和天文研究帶來革命一樣，那些知道怎樣透過大數據這塊“社會之鏡”洞察社會經濟變遷的人才，也必然會是這個時代的弄潮者。正因此，在全球范圍內，大數據人才的價值越來越受到高度重視。海內外不少研究機構開始對大數據人才市場進行詳盡的評估分析。以下文章對海內外研究機構的成果進行了精選，以供業內人士參考。

大數據人才有多緊缺？

隨著數字化、智能化的普及，市場對大數據人才的需求猛然增加，這導致大數據人才的供給遠遠跟不上市場的需求。在人才培育體系僵化的社會機體中，大數據人才市場需求與供給端的矛盾更為嚴重。可以預見，大數據人才市場供需之間的這種矛盾將在未來幾年持續。

讓我們看看中美大數據人才市場的幾組數據。根據Gartner公司提供的數據，截止到2015年年底，將有440萬的IT工作來支持大數據，僅美國就會有190萬的IT工作產生。美國國家勞工統計局的數據顯示，“數據分析師”是美國成長第二快的職業。勞工統計局的最新就業率報告預計該職業在2018年將有80萬從業人員（增長53.4%）。美國人才招聘市場的數據分析領先者WANTEDAnalytics對大約10億條招聘信息所做的調研顯示，在美國，市場上對具備大數據專長的信息技術項目經理的需求增加123.60%， 計算機系統分析員需求量增加89.80%。

不過，企業想招到符合心意的應聘者卻并非易事。據WANTEDAnalytics調查，2014年12月份，在美國市場，需要有大數據技能的工作招聘比為76，平均每個職位的申請者為12人。如此高的招聘比值，表明雇主并不容易找到職位的合適人選。

大數據人才目前的薪水如何？

在需求短缺的情況下，大數據分析師一般都能獲得比較具有競爭力的薪酬，不僅是美國，在中國也是如此。

根據美國商務部發布的一項調研顯示，在2013年，“數據分析”業在私營企業中所獲得的平均時薪為40.3美元，比其它行業的平均時薪23.96美元要高出許多。WANTEDAnalytics的調研顯示，大數據專業人士的年薪中位數為10.3萬美元。這些工作主要包括：大數據解決方案構架師、Linux系統及大數據工程師、大數據平臺工程師、首席軟件工程師、Java、Hadoop、SQL大數據師等等。

而中國國內頂尖互聯網公司，大數據分析師的薪酬可能要比同一個級別的其他職位高20%至30%，且頗受企業重視。CSDN的分析顯示，北京、上海、深圳是最急缺數據人才的城市，平均待遇也最佳。在北京，數據人才的月薪收入中位數達到10714元，深圳緊隨其后達到10375元，上海達到10057元。從行業來看，以深圳市為例，互聯網/電子商務、房地產開發、金融/投資/證券三個行業的大數據分析師月薪中位數最高，分別為8431元、7168元、6660元人民幣，表明這三個行業對大數據人才的需求較為旺盛（見表1）。

哪些數據分析工具最值錢？

研究機構O’ReillyMedia去年年底發布了2014大數據行業工資調查報告。根據O’ReillyMedia的模型分析，如果要數據分析師希望增加收入，最好的辦法是去攻讀博士學位，多掌握數據分析的工具（在美國，據統計，每掌握一項新的數據工具，可以讓年薪增加1900美元）。

但并不是所有工具都能增加數據分析師的收入。根據O’ReillyMedia的統計，最能提高數據分析師收入的工具是Hadoop。使用Hadoop這一系列工具的人平均年薪為118000美元，而不使用Hadoop的則只有88000美元。Hadoop系列的工具還包括：Elastic MapReduce、Cassandra、Spark和MapR，其中，使用Storm和Spark的人賺取了最高的薪水。

不過，根據WANTEDAnalytics的調查來看，目前大數據人才崗位上需求增長最快的三項技能分別是：Python編程（96.90%）、Linux（76.60%）和SQL結構化查詢語言（76%）。

中國的數據分析師偏愛哪些工具？

大數據分析越來越受到中國企業的重視。不過，對于適用哪類大數據工具，不同的企業、不同的開發者都有自己的評判標準和使用習慣。根據CSDN的分析，在眾多的開發語言中，中國的大數據平臺開發者們尤為青睞Java，占到了總比例的65%，遠遠超過其他開發語言。值得一提的是，Hadoop本身就由Java實現的。

在大數據分析語言中，SQL的使用比例達到了64%，是R語言使用者人數的2倍之多。從中不難看出SQL-on-XXX項目的前景;同時從R的支持率上，也看到了更多非技術人員，比如數據分析師對低門檻分析類語言的需求。

在大數據存儲上，HBase則以67.55%的比例位居榜首，遠超其他數據倉庫，當然這點與Hadoop原生支持是分不開的。

大數據人才領域的10大趨勢

在大數據時代，最令管理者頭痛的，是人才問題。對于那些重項目、輕人力的企業來說，如何優化人力資本結構，使人力資源的變革和發展跟上大數據時代的業務發展需求，尤為重要。以下是研究機構InformationWeek對未來幾年大數據領域從業人員10個趨勢的分析。或許這份預測，能給企業的決策者們帶來啟發。

趨勢一：薪金將繼續增長。BI（商務智能，Business Intelligence）和IM（信息管理，Information Management）專業人才現今薪金水平已經高于許多其他IT職位，未來這樣的趨勢還會繼續下去。而數據整合和數據倉庫管理人員薪金在未來將達到131000美元，普通工作人員薪金也有101000美元。

趨勢二：大數據人才供不應求。麥肯錫全球研究院的研究預測，至2018年，僅在美國本土就可能面臨缺乏14萬至19萬具備深入分析數據能力人才的情況，同時具備通過分析大數據并為企業做出有效決策的管理人員和分析師也有150萬人的缺口。

趨勢三：雇傭外包。調查顯示，25%的組織將其大數據分析業務外包給美國和境外企業，17%的組織表示只外包給美國境內企業，22%的組織表示外包業務完全交給境外企業。

趨勢四：人才團隊內出現分歧。新生代的從業人員更喜歡使用開放的開源工具和云計算。對于企業來說，不利的因素是新生代對他們的工作環境更加敏感，一旦他們無法與志同道合的同事合作或是無法看到自己的見解對實際業務的影響，那么企業將會失去他們。

趨勢五：大數據專業人士需要不斷進步。BI分析、IM從業人員和管理人員需要引入更多特定技術培訓和認證課程。而統計學和分析學的培訓是非常具有價值的。更重要的是，對于在金融和市場營銷等領域的業務技能培訓要遠高于普通IT培訓。

趨勢六：精通大數據的專業人才將成為最重要的業務角色。BI分析和IM專業人才將要比他們的同齡人承擔更多非IT領域的職責。BI和IM管理人員對IT以外的領域富有更多的責任——如業務的發展、研究與開發方向等。

趨勢七：大數據領域需要數據科學家。數據科學家擅長采用統計學方式用于開發算法。大多數時間他們是統計數專家，他們了解如何建立統計模型，使企業在處理大數據時開發出新的算法。

趨勢八：高校回應大數據人才缺口。企業都在尋找基于R語言統計編程和基于Hadoop和MapReduce的編程人員。這些企業將目光著眼于學校，旨在引入機器學習課程學位的學生。

趨勢九：數據驅動的工作令人滿意并充滿挑戰。調查顯示，BI分析和IM管理專業人員相比于常見IT人員，他們對工作和職業生涯所面臨的挑戰都較為滿意。當被問及他們的工作是否在對他們的智力有所挑戰時，91%的BI/分析/IM人員，以及93%的管理人士表示事實上他們確實正受到一些挑戰。

趨勢十：大數據專業人士將擁抱未來。大數據平臺、非結構化信息管理技術、文本分析技術和先進的分析方法正在成為未來業務洞察力的關鍵因素。明智的企業和聰明的員工應該接受大數據時代所帶來的變化。