O’Reilly 近日发布了数据科学从业者薪酬报告(2016 Data Science Salary Survey)，分析了来自45个国家的近千份调查报告后，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，并从调查结果中得到一些有趣的结论。
比如，Python和Spark成为了对从业者薪酬贡献***的两大工具;在所有的编程从业者中，每周编程时间越久的人薪水越高;SQL,Excel,R和Python成为了调查者中被使用频度***的工具。
- 按照国家地区来看，哪里的数据科学家薪酬***?
- 对于薪酬贡献***、被使用频度***的相关工具是什么?
- 对薪酬贡献***的两项活动是什么?
- 使用开源工具和商业产品的数据从业者的薪水差别?
- 只使用Python和使用多种工具的从业者的薪酬差距?
根据调查结果，O’Reilly 发现了以下有趣的结论：
- Python和Spark成为了对薪酬贡献***的两大工具;
- 在所有的编程从业者中，每周编程时间最久的人薪水***;
- SQL,Excel，R和Python是被使用最频繁的工具;
- 每周参加会议时长越高的的从业者，薪水越高;
- 从事同样的工作，女性的薪水低于男性;
- R语言是最“跨界”使用的工具，不怎么编程或者使用开源工具的从业者也会使用R;
数据科学从业者的薪酬水平
在所有接受调查的从业者中，基本薪酬的中数是$87k。
按照国家分布来看，亚洲、非洲数据科学从业者的薪酬中数***，美国***。
数据科学从业者的工作时长
超过85%接受调查的数据科学从业者，每周工作时长不低于40小时。
而薪酬中数并没有随工作时长一直上升，在51-55h出现了***值。
数据科学从业者***的两大工具：Excel和SQL
调查报告中，使用频率***的两种工具是Excel和SQL，其次是R和Python。和去年相比，Excel的使用频率从59%上升到了69%，R从52%上升到了57%。
超过90%的调查者反馈，他们会花一些时间写代码，80%的调查者使用Python，R还有Java中的一种，只有8%的调查者会同时使用这三种工具。
而不同的编程语言对从业者薪酬的贡献也大不一样。
看到这里的读者也不要着急去学习最能“挣钱”的编程语言，O’Reilly贴心的提醒读者，最重要的不是学习哪一种编程语言，而是真正找到能够解决你问题的相关工具。
编程工具的学习顺序
学习不同的编程工具也有一定的学习顺序，以下是报告中建议的学习顺序，如果你已经在使用箭头左侧的工具，那么接下来可以考虑学习它紧邻右侧的下一个工具。
每周编程时间越长，薪水越高
通过相关分析，O’Reilly发现，每周参加会议(meeting)时长和编程(coding)时长对数据科学从业者的薪水有比较大的影响。
其中，每周参会时间最长的从业者，薪水中数也越高。
每周编程时间与薪酬水平也呈现一定相关性，***的薪水中数出现在每周编程4-8小时的人群，而***的是那些完全不编程的人。显然，编程是成为数据科学家必不可少的技能。
以下为部分报告内容，请查看
