O’Reilly 近日發布了數據科學從業者薪酬報告(2016 Data Science Salary Survey)，分析了來自45個國家的近千份調查報告后，針對數據科學從業者使用的工具、薪酬待遇等問題進行了詳細分析解讀，并從調查結果中得到一些有趣的結論。

比如，Python和Spark成為了對從業者薪酬貢獻***的兩大工具;在所有的編程從業者中，每周編程時間越久的人薪水越高;SQL,Excel,R和Python成為了調查者中被使用頻度***的工具。

1. 按照國家地區來看，哪里的數據科學家薪酬***?
2. 對于薪酬貢獻***、被使用頻度***的相關工具是什么?
3. 對薪酬貢獻***的兩項活動是什么?
4. 使用開源工具和商業產品的數據從業者的薪水差別?
5. 只使用Python和使用多種工具的從業者的薪酬差距?

根據調查結果，O’Reilly 發現了以下有趣的結論：

1. Python和Spark成為了對薪酬貢獻***的兩大工具;
2. 在所有的編程從業者中，每周編程時間最久的人薪水***;
3. SQL,Excel，R和Python是被使用最頻繁的工具;
4. 每周參加會議時長越高的的從業者，薪水越高;
5. 從事同樣的工作，女性的薪水低于男性;
6. R語言是最“跨界”使用的工具，不怎么編程或者使用開源工具的從業者也會使用R;

數據科學從業者的薪酬水平

在所有接受調查的從業者中，基本薪酬的中數是$87k。

按照國家分布來看，亞洲、非洲數據科學從業者的薪酬中數***，美國***。

數據科學從業者的工作時長

超過85%接受調查的數據科學從業者，每周工作時長不低于40小時。

而薪酬中數并沒有隨工作時長一直上升，在51-55h出現了***值。

數據科學從業者***的兩大工具：Excel和SQL

調查報告中，使用頻率***的兩種工具是Excel和SQL，其次是R和Python。和去年相比，Excel的使用頻率從59%上升到了69%，R從52%上升到了57%。

超過90%的調查者反饋，他們會花一些時間寫代碼，80%的調查者使用Python，R還有Java中的一種，只有8%的調查者會同時使用這三種工具。

而不同的編程語言對從業者薪酬的貢獻也大不一樣。

看到這里的讀者也不要著急去學習最能“掙錢”的編程語言，O’Reilly貼心的提醒讀者，最重要的不是學習哪一種編程語言，而是真正找到能夠解決你問題的相關工具。

編程工具的學習順序

學習不同的編程工具也有一定的學習順序，以下是報告中建議的學習順序，如果你已經在使用箭頭左側的工具，那么接下來可以考慮學習它緊鄰右側的下一個工具。

每周編程時間越長，薪水越高

通過相關分析，O’Reilly發現，每周參加會議(meeting)時長和編程(coding)時長對數據科學從業者的薪水有比較大的影響。

其中，每周參會時間最長的從業者，薪水中數也越高。

每周編程時間與薪酬水平也呈現一定相關性，***的薪水中數出現在每周編程4-8小時的人群，而***的是那些完全不編程的人。顯然，編程是成為數據科學家必不可少的技能。

以下為部分報告內容，請查看