Kaggle全球数据科学家薪酬大揭秘:俄罗斯竟力压美国成第一!

2022 年 11 月 2 日 新智元



  新智元报道  

编辑:昕朋
【新智元导读】Kaggle的全球数据科学家的薪资可视化数据出炉!美国薪酬被俄罗斯赶超,排名前十竟然有这个国家?

数据科学和机器学习在体育、艺术、太空、医学、医疗保健等各个领域越来越受欢迎。最近,有人将Kaggle的全球数据科学家的薪资数据进行了可视化,帮助我们更清晰地了解各个国家数据科学家的收入情况。

新人科学家少,越老越「吃香」


受访者中,14.5%是新人,大部分是高级工程师,占比达46.1%。

在所有类型的工作中,合同工的收入最高,当然,他们内部的工资水平变化也很高。薪资水平前25%的员工收入超30万美元,而后25%的收入还不到10万。生动体现了什么是「能者多得」。

从这张图中可以发现,资历越高,工资越高。同时,总监级别的数据科学家之间的薪资差距远远大于其他级别的科学家薪资差距。

薪资前25%的员工要比后二十五%的员工多拿10万美元,而最高和最低值相差近55万美元!足足多出了一个高级员工能拿到的最高薪资(41万美元)。

大厂待遇好,美国机会多


在上一张图的薪资水平对比的基础上,该图引入不同规模的公司,用来发现更多的信息。高级职位科学家的平均工资与总监级别的平均工资大体一致;在小公司,高级职位平均工资水平甚至与总监级别薪资持平。

当然,通过对比可以发现,不论资历如何,大公司的普遍薪资待遇还是要比中小公司好。这可能也是数据科学家们挤破头也要进大厂的原因吧。

该图展示的是数据科学岗位的全球分布情况。可以看出,大多数工作机会都在美国,工作薪酬也最高(US)。此外,工作机会多、薪酬高的国家还有加拿大、日本、德国、英国、西班牙、法国、希腊和印度。

薪资排名:俄罗斯最具竞争力,伊拉克榜上有名

单纯对比各个国家的数据科学家薪资总和并不准确,因为不同国家的数据科学从业者数量不同。因此,博主对数据进行处理,从而更好地展现全世界数据科学家的工资情况。

根据地图,中国的薪资指数为4.86,与欧洲国家基本持平,不及美加澳新日俄等国薪资水平。

值得注意的是,美国作为科技强国,数据科学家的平均薪资为14.4万美元(约合人民币105万元),不敌俄罗斯15.7万美元(约合人民币114万元),排名第二。

而伊拉克的平均薪资10万美元(约合人民币73万元),超过一众发达国家。在平均薪资前十的国家中,伊拉克位列第七,薪资水平超过阿联酋和加拿大。昔日战火纷飞的国度,如今在数据科学领域焕发生机。

从2016年起,Kaggle都会发布年度报告,展现当年全球数据科学家的群体画像和该领域新的变化趋势。

报告下载量的不断攀升,表明越来越多的人开始关注数据科学这个领域。百度搜索“数据科学与大数据技术”的频率在今年有了爆发式的增长。关注度上升的同时,越来越多的有志者渴望加入这一赛道,为中国的数据科学贡献力量。

期待在下个报告中,能看到更多中国的身影。

参考资料:
https://medium.com/@nikhilpurao1998/data-scientist-job-salaries-analysis-f153717e2dbf



登录查看更多
0

相关内容

美国国防部《联合全域指挥与控制(JADC2)战略概要》
专知会员服务
284+阅读 · 2022年6月13日
《2021-2022全球计算力指数评估报告》,46页pdf
专知会员服务
73+阅读 · 2022年3月25日
专知会员服务
39+阅读 · 2021年9月17日
【干货书】数据科学家统计实战,附代码与409页pdf
专知会员服务
59+阅读 · 2020年11月6日
清北稳进Top20!全球AI研究年度排名出炉
THU数据派
0+阅读 · 2022年5月23日
国家自然科学基金
1+阅读 · 2015年7月19日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
19+阅读 · 2022年10月6日
Adaptive Synthetic Characters for Military Training
Arxiv
46+阅读 · 2021年1月6日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Transfer Adaptation Learning: A Decade Survey
Arxiv
37+阅读 · 2019年3月12日
Arxiv
24+阅读 · 2018年10月24日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2015年7月19日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
相关论文
Top
微信扫码咨询专知VIP会员