如今，全世界的企业都在强调：利用大数据分析进行商业观察的价值。其中或许有盲目跟风之辈，但该思潮的背后有着充分的理由和动机。毕竟，大数据已成为了商界的新前沿领域。举几个例子，以今天的大数据技术，无论是分析海量数据、在某一趋势发生之前进行大体预测，还是让企业更高效地运营、与消费者建立更紧密的联系，都可以在一定程度上实现。
当然，大数据的使用并不像说起来那么容易。这就是为什么各大公司争破头也要为自己抢到最顶尖的大数据人才。数据科学家，就如同大数据分析所得出的结论，在带来极大商业价值的同时也面临着巨大的市场需求。2016 年全年都是如此，2017 一定会继续。面对如此需求，数据科学家在就业市场的待遇好到令人嫉妒，根本不足为奇。
招聘需求旺盛并且一直在增加，这是因为越来越多的公司意识到他们现在就需要数据科学家；
相比其他所有职业，数据科学家从工作获得的成就感和满足感非常高；
最引人注目的还是薪水：薪水中位数（注意：不是平均值）为 11 万美元，约 75.7 万人民币。
数据科学家在 glassdoor “最佳职业”排名中名列第一
对于大多数人，薪水是首要因素。现在的情况是：有数据分析需求的大企业，都愿意为这一稀有技能开出顶级薪酬。这背后是赤裸裸的市场供求关系——持续性的供不应求，带来价格飞涨。不仅仅是 glassdoor，其他市场调查也证实，美国数据科学家的中位数年薪超过 11 万美元，即便是新手的入职工资也接近 9 万美元。
对于那些愿意投入时间精力来学习新知识、不断提高技术水平的人，数据科学提供了一个非常诱人的职业发展道路。再把大公司的年终奖和绩效奖、创业公司的“入伙奖”算起来，数据科学家可谓是钱途远大。
事实上，各行业的数据表明，大数据在现在、将来都会是各公司的核心资产，并在可预期的时间内其商业价值会越来越高。举几个例子，自动化在各个工作环境的应用不断深入。而实现更高水平自动化的最佳手段，就是进行恰当的数据分析。虚拟化仍旧是一个流行话题，越来越多的机构准备采取虚拟化和集成化的系统来处理工作。几乎所有公司，都希望在核心业务上向“数据驱动”转型。没有一两个合格的数据科学家，这些显然是很难实现的。
但这需要精通数学统计方法、python 和 r 等编程语言、数据库知识，还有强大沟通能力的数据科学家（有时需要说服公司管理层、产品团队采取特定方案）。不管是梳理客户交互，还是对多个计算机服务器上的数据进行挖掘，数据科学家都必须是一名多面手。
这看起来有点跑题，但作者想要表达的核心思想是——成为一名合格数据科学家的门槛很高，非常高。可预期的时间内，供应仍旧只会是“小水管”，而不会出现低端 it 人才的批量供应问题——数据科学家群体中可能压根没有“低端”人才（雷锋网注：这牵扯到对“数据科学家”的定义）。因此，过去十年 it 行业从巨大人才缺口，到如今的计算机专业大学生找不到工作、app 开发程序员过剩的现象，有可能不会在数据科学家圈子上演。
当然，无法保证这是否会在更低端的数据工作领域发生。
对于公司来讲，为数据科学家职位找到合适的人，其实是一件相当困难、成本很高的事。一方面由于此，另一方面出于降低人力成本的考虑，而且不愿意长期维持数据科学家的人才红利，有实力的公司已经开办各种数据人才培养项目。在美国，各大互联网、科技巨头们纷纷和高校进行合作，扩大数据科学领域的教育规模。这些项目旨在培养下一代的大数据人才，以满足企业在将来的业务需求，不至于因人才匮乏而在公司转型或业务发展上被“掐住喉咙”。有的企业，如思科，在合作项目之外直接和大学签订就业协议，让后者优先满足其招聘需求，确保其数据科学职位不至于出现较大缺口。
这些供给层面的投入，是否会使得人才供应逐渐赶上需求？目前尚无法下结论。一方面，人才培养是一件长期、受多方因素影响的事。另一方面，数据人才的需求也一直在飞速增长。当然，近二十年来的 it 人才市场也完全符合这两项特点。但如前文所提，数据科学家行业有相当的技能门槛，未必会重蹈覆辙。
至少在现在看来，数据科学家会在很长、很长的时间内供不应求。
本文作者：三川