2020 Kaggle年度报告发布：美国公司最容易「人均百万」，90%数据科学家坚持终生学习

2020 年 12 月 16 日 机器之心

机器之心报道

作者：蛋酱、魔王

近日，Kaggle 正式发布了 2020 年度报告，总共调查了 2 万多名开发者，但美国实体清单上的个人 / 实体代表除外。

Kaggle 是重要的数据建模和数据分析竞赛平台。近日，Kaggle 发布了第四次年度报告，试图从中一窥社区趋势。该调查涉及 20036 名 Kaggle 会员，此报告主要聚焦其中当前职位为「数据科学家」的受访者，约占 13%（2675 名）。

值得注意的是，想要成为参与调查并获得所设奖项，必须满足以下条件：

年满 18 岁（或满足你所居住地区的成年年龄）；
不是克里米亚、古巴、伊朗、叙利亚、朝鲜或苏丹的居民；
不是受美国出口管控条例制裁的个人 / 实体代表。

因此，这份报告可能会缺少相当一部分来自中国的 Kaggle 数据科学家的情况。

在众多回答中，Kaggle 总结了以下要点：

群体画像

数据科学领域仍然存在严重的性别不均衡，大部分从业人员为男性；
大部分数据科学家年龄在 35 岁以下；
过半数据科学家有硕士学位。

教育和雇佣情况

大多数数据科学家在正式教育之外继续学习；
大多数数据科学家码龄不超过十年；
过半数据科学家具备三年以下的机器学习经验；
美国的数据科学家比其他国家的同行挣更多钱。

技术

与 2019 年的调查结果相比，2020 年更多的数据科学家使用云计算；
scikit-learn 是 2020 年最流行的机器学习工具，超过五分之四的数据科学家使用 scikit-learn；
Tableau 和 PowerBI 是最流行的商业智能工具。

下面，我们来看每个层面的具体细节。

数据科学家群体画像

性别

数据科学领域仍然存在较大的性别差距，82% 为男性，相比去年的 84%，略有下降。

年龄

与去年的调查结果类似，数据科学家多为 30 岁左右，约 60% 的受访者年龄在 22-34 岁，只有 1/5 的职业数据科学家是 40 岁及以上。

国家

在本次报告中，印度开发者所占的比例最多（21.8%），美国紧随其后（14.5%），再往下是巴西和英国。

教育

高等教育

数据科学家大多有硕士学位，68% 获得了硕士或博士文凭，不到 5% 的学历在高中及以下。

终生学习

数据科学和机器学习是快速变化的领域，90% 以上的 Kaggle 数据科学家保持终生学习的习惯。其中约 30% 接受的是传统高等教育课程，更多是通过线上材料学习。线上学习渠道中最常用的媒介是 Coursera、Udemy 和 Kaggle Learn。受访者中很多数据科学家选择多个学习渠道，平均数量为 2.8。

数据科学和机器学习经验

编程经验

大多数 Kaggle 数据科学家都有编程经验。有 20 年以上编程经验的数据科学家仅有大约 8%，去年才开始编程的数据科学家占比约 9%。只有不到 2% 表示自己从未写过代码。

与全球受访者相比，美国数据科学家的编程经验要多得多。在美国，编程经验超过 10 年的占比 27%，而全球范围内这一比例仅为 22%。

机器学习经验

大多数 Kaggle 数据科学家都是机器学习领域的新手。约 55% 的数据科学家机器学习经验不到三年，具备十年及以上机器学习经验的数据科学家占比不到 6%。

薪资水平

调查结果显示，在国家 / 地区的最常见工资中，美国公司可能支付的金额更高，德国和日本紧随其后。地区差别是存在的，比如来自印度的受访群体 90% 表示年收入不足 5 万美元，美国公司最有可能支付六位数的薪水。

技术

交互开发环境

基于 Jupyter 的 IDE 仍然是数据科学家的首选工具，大约 75% 的 Kaggle 数据科学家都在用它，但与去年的 83% 相比有所下降。VS Code 位居第二，仅占约 33%。这是它与 Visual Studio 分离的第一年，两者今年合计占比超过 43%，而 2019 年不足 30%。