O'Reilly2016数据科学从业者薪酬报告（附原文下载）

本中文版报告由CDA数据分析师依据O’Reilly的DATA SCIENCE SALARY SURVEY独家翻译制作，交流使用，请勿商用，转载请联系邮箱：zhoulei@cda.cn

回归正题，O'Reilly 近日发布了数据科学从业者薪酬报告（2016 Data Science Salary Survey），来自45个国家的超过900位各行业的人士参与了调查，这份调查通过64题的在线问卷收集数据，针对数据科学从业者使用的工具、薪酬待遇等问题进行了详细分析解读，下面CDA编译团队带大家来简单回顾这篇报告。

整体目录如下：

主要结果如下：

• Python和Spark是对薪资贡献最大的工具。
• 编码最多的人赚得也最多。
• SQL，Excel，R和Python是最普遍的工具。
• 参加会议最多的人赚得最多。
• 干同样的活，女性挣的比男性少。
• 美国全国GDP和各州GDP现已代替了薪资地理分布(不是用于直接评估，而是模型的附加输入)。 工具使用和任务使用最显著的区别在于有些人主要使用 Excel，SQL 和少数闭源工具，而有些人则更多地使用开源工具，用于编码的时间也更多。
• R的使用不存在这一区别：即使有些人很少编码但使用很多开源工具，他们依然会用 R。
• 二级区分出现在编码这一部分——将更年轻的、重度依赖 Python 的数据科学家/分析师群体和经验更丰富的数据科学家 /工程师群体分割开来，后者倾向于使用大量工具，薪资也最高。

各薪资水平段的受访者比例：

世界区域的受访人员比例及薪资分布：

每周工作时长：

52%的人员周工作时间在40小时以上，其中周工作时间在51-55小时的薪资中位数最高。

受访者的行业分布：

排名靠前的分别有：咨询行业、软件服务、零售电商、银行、金融业、医疗/卫生

对应行业的薪资中位数：

传统的银行/金融对应薪资中位数为10w美金。

职位及薪资分布：

受访人群中使用量最多的工具是：Excel和SQL，其次是R（57%）和Python（54%）

编程语言以及对应的薪资中位数：

更多有趣的调查结果和结论，可以下载原版英文报告或者由CDA数据科学志愿者团队合作编译的中文版报告：

链接: https://pan.baidu.com/s/1nvzw5yp 密码: 8xb5