近日，《大資料與AI核心人才趨勢報告》釋出。報告顯示，大資料工程師、AI工程師需求佔比呈逐年迅速上升趨勢。與此同時，資料分析師的需求佔比呈現穩步增長態勢；大資料工程師與AI工程師薪資大幅領先；隨著工齡的增長，資料分析師的最高年薪中位值會明顯超越網際網路行業的最高年薪中位值。
獵聘大資料研究院隨機抽取了獵聘平臺上5509797個相關行業的經理人樣本，覆蓋全國31個省市自治區，研究時段以2017年1-7月為主，參照時間跨度最遠可追溯到2014年1月。
在大資料團隊中，大資料工程師、資料分析師和AI工程師/科學家是核心人才，在組織架構中負責關鍵的崗位。
大資料工程師的主要職責是設計和開發資料平臺，管理和最佳化資料平臺，監控資料質量；資料分析師的主要職責是圍繞業務，分析資料，參與業務運營和決策，建立面向業務的模型；AI工程師/科學家的主要職責是研究和試驗AI演算法、設計和開發AI系統、最佳化和改進演算法/模型。
大資料與AI工程師需求大幅提升
報告顯示，從2014年1月到2017年7月，大資料工程師和AI工程師的職位需求佔比總體呈波浪狀增長態勢，兩者在2017年2月達到峰值1.3%和0.7%，分別是2014年1月的4.33倍和7倍。2017年2月之後，大資料工程師和AI工程師的職位需求佔比略有下降，到當年7月，前者降到1.1%，後者下滑到0.6%，分別是2014年1月的3.67倍、6倍。
大資料分析師需求小步穩增
相比之下，在同一時段內，資料分析師的需求佔比雖然出現一定程度的波動，但總體呈穩步增長態勢，並於2016年9月達到峰值1.2%，此後出現回落，在2017年1月下滑到1.0%，分別是2014年1月的2倍、1.67倍。
大資料與AI工程師不差錢
大資料工程師和AI工程師的需求如此緊俏，無論在哪個工齡段，他們的平均年薪都高於全體工程師的平均水平。例如，在工齡三年以下的人群中，大資料工程師、AI工程師、全部工程師的平均年薪分別為29.22萬元、29.98萬元、23.73萬元；在工齡8-10年的人群中，三者的平均年薪分別為44.23萬元、45.71萬元、39.91萬元。
資料分析師還是老的辣
對比資料分析師和網際網路行業的最高年薪中位值可以發現，前者總體高於後者，而且隨著工作年限的增加，兩者的差距逐漸拉大。例如，工齡一年的初級資料分析師和網際網路行業從業者的最高年薪中位值比較接近，但在工作三年時，二者出現了明顯差別，前者比後者高5萬元；工作六年時，二者相差10萬元；工作10年時，二者差20萬元。
對此，獵聘首席資料官單藝這樣解釋：“資料分析師積累的行業經驗越多，能夠給企業帶來的價值就會越大，企業也願意高薪聘請他們。”
個個看家本領牛哄哄
大資料工程師、資料分析師和AI工程師這三個職位具有如此旺盛的需求和較高的薪資，它們的進入壁壘也有較高的門檻。獵聘在所獲資料基礎之上，透過自然語言處理技術，抽取出這些崗位的關鍵技能要求，字型越大，說明對其要求越高。
根據報告分析，大資料工程師和AI工程師都要求從業者具備java、大資料開發、大資料架構、軟體開發工程等技術背景。值得一提的是，AI工程師還需要具備機器學習和深度學習的能力。資料分析師除了需要具備資料分析、資料探勘和機器學習等能力外，還需要具備市場營銷、商業模式、資料產品等方面的知識和技能。
對此，單藝解釋說：“資料分析師的核心技能，除了技術性的資料分析技能，還需要懂得如何去理解業務，跟業務合作，它跟工程師有非常大的差別。”
網際網路包攬超一半資料分析師
資料分析師幾乎遍及所有行業，其中，分佈佔比最大的要數網際網路行業，為 67.4%；其次是金融行業，其佔比為16.4%，其他行業的佔比均在3%以下。
“網際網路重視運營，產品的開發也離不開資料，再加上網際網路本身收集資料相對容易，成本低，所以網際網路公司都在積極地招聘分析師，用以提升他們的業務。”單藝表示，“金融行業有著重視資料的傳統，其很多金融業務本身就是基於資料的，所以這個行業也會產生大量的資料人才需求。”
提到這三類崗位未來的發展趨勢，單藝說：“現在很多公司已經認識到資料是未來的一種戰略性資源。用好資料會帶來很大的競爭優勢。在此背景下，企業中資料的相關需求越來越多。所以，資料人才的整體需求在未來仍會持續增長。”
資料團隊將演變為集中式團隊
根據單藝的預測，在未來，資料團隊將演變為集中式團隊，採取嵌入式工作模式，綜合利用工程、分析和AI演算法的優勢。集中式團隊是指將企業內的資料資產和相關的人力資源進行統一調配和管理，消除孤島，集中起來構建戰略優勢；嵌入式工作模式則是指資料團隊業務線人員直接和相關的業務線人員並肩工作、泡在一起，形成緊密合作的夥伴關係。
單藝強調，未來分析師將跟業務進一步深入結合，除了日常的業務分析之外，會做更多地預測性建模；大資料工程師則需要精通成熟技術棧，提升實時處理技能；而AI工程師則會進一步分化，出現專做影象、語音、自然語言、推薦、廣告、無人駕駛等細分業務。
而隨著AI基礎技術的成熟和普及，將會出現AI應用工程師。“隨著各種機器學習的框架和資料實驗平臺的發展、成熟，在應用要求不高的情況下，普通的工程師也可以上手做應用，或許他們理論方面不會太強，但是他們更擅長工程實現。”單藝表示。