讓后端開發情何以堪？前端程序猿薪資大曝光
原創最近一位在后端工作幾年的程序猿在網上提出了一個比較困惑的問題：“前端的東西那么容易，感覺沒那么值錢，為什么薪資那么高”，筆者問了下業界的前端開發者，普遍認為，將薪資和所從事工作的難易程度掛鉤，并不是互聯網思維，有時候甚至從某種宏觀的結構性變化，也不會因為難易度而被淘汰！
因此，大家開始隔三差五在網上討論，開始為未來后端開發工作擔憂，甚至考慮轉型的問題。也就是說，大家在現在這個商業社會上，拿多少錢和學的東西的難度并沒有直接關系，就好像學習人工智能又要學習抽代和數理邏輯，然后薪資會比其他開發者的高了？不好意思，現在這個互聯網還并不需要那么多人用人工智能，一切以社會需求為主。
回到剛剛的話題，前端是直接能夠面向客戶（花錢的主），無論是在PC還是移動應用，需求量特別大，在商業社會中的地位顯得較為重要，需求量大，所以薪資自然就高。也許有很多人會反駁說，按照這樣，那么所有人都往前端上轉，那么后端這些事情怎么辦？不做了？沒有后端，前端就是個X。然而這并沒有卵用，別的前端就站出來反駁，也許你說的對，但是幕后英雄還是有的，遵循商業市場規律，哪能說打破就打破，要不然讓老板退你半年的工資作為補償。
話術把前端后端薪資的鉤做的那么直，并沒有考慮過魚的感受。但是魚龍混雜的行業里，有很多初學者去培訓機構培訓兩月就出來漫天要價，技術也良莠不齊，我們該如何去理解滿地是坑的技術價值和商業需求話題？
近日，51CTO作為鉆石級別的合作伙伴與Microsoft、Amazon、intel、Ubuntu等互聯網大咖攜手VisionMobile深度調研了全球開發者動態趨勢。作為2017年第一季度，調研報告通過不同規模的互聯網企業及軟件巨頭，以及不同規模的技術社區和具有代表性的開發者樣本，與21200名受訪者進行深度接觸。在五花八門的創業項目，橫掃各個領域，創業的宏觀環境和微觀環境相對于早些年，也復雜了許多，而互聯網行業競爭依舊殘酷。
調研內容分別從移動、桌面、物聯網、云、增強與虛擬現實、機器學習，以及數據科學家這些群體，追蹤開發者在不同平臺、收入、應用、語言、API、細分市場及區域中的實際從業經驗。
第一章：最具經濟價值的機遇
各領域中的開發者擁有較高復雜性的技術水平，或者身處剛剛起步的新興領域，入門壁壘較高，因此開發者的薪酬水平較其它行業更高。以西歐為例，后端開發者的中等收入相較于Web開發者中等薪酬高12%; 機器學習開發者的薪酬水平則高出28%。Web與移動開發工作商業化水平最高。
下面我們以Web為代表，仔細分析目前互聯網行業最賺錢的職業發展機遇到底在哪里。
出色的軟件技能在如今的人才市場上非常稀缺，這也意味著出色的開發人員往往成為各類企業的爭奪目標。另外，開發人員具有流動性，這意味著他們能夠輕松走出偏遠地區前往更認可其職業水平的區域與市場。那么，您應該如何對相關職業進行選擇？
人們在選擇工作時往往抱有多種考量與訴求，但坦言地講，開發者顯然有資格拿到更高薪酬，特別是考慮到其在全局價值鏈中的重要地位。作為本份報告的第12個年度版本，我們第一次向開發者們詢問了其薪酬水平或者能夠從承包合約中賺得多少回報。通過結果數據，我們整理出一部分重要結論，能夠幫助開發人員提高自身工資水平，亦可反過來幫助企業有機會找到更符合自身要求的開發人才。
首先，不同地區與不同軟件開發方向的從業者通常擁有差異巨大的薪酬水平。在調查中，我們發現薪酬水平最高的開發者群體所拿到的收入可達到薪酬最低受方者群體的數十甚至數百倍。這種差異的存在一方面是由于地理位置的不同，我們將在稍后的文章中對此進行闡述。總而言之，我們可以得出結論：開發者的技能、知識與聲譽決定著其薪酬水平。只要在這些方面作出投資，則必定能夠獲得回報。
技能稀缺性提升開發者服務平均價格水平。
在技能方面，那些擁有更高復雜度技能的開發者——這意味著其從來入門門檻更高，因此相關開發者數量更少——普遍擁有更高薪酬水平。從事云計算及其它后端服務的開發者在薪酬方面通常高于前端Web應用程序開發從業者。機器學習專家的收入甚至比后端開發者更高。以西歐市場為例，Web開發者的中位年薪水平為35400美元，后端開發者的中位年薪水平為39500美元，而機器學習開發者的中位年薪水平為45200美元。這種薪酬遞進關系在不同地區間皆普遍存在，即全球范圍內皆呈現出后端高于前端、機器學習高于后端的薪酬設置。Web與移動開發最具商業化特性; 開發簡單應用或者網站的入門門檻也相對較低，因此此類任務往往能夠輕松在其它地區找到外包合作方。
這一點在新興開發領域同樣表現明顯，具體包括增強及虛擬現實或者物聯網領域，但往往體現在高端大規模層面。新興領域能夠為高端開發者提供理想的薪酬回報，但水平較低的開發者則應盡可能選擇更為成熟的行業。以北美的增強現實與后端開發者群體為例，該地區的AR開發者平均工資為71000美元，低于后端開發者的中位年薪79200美元。然而在高端層面，AR開發顯然更有利可圖。在前四分之一高薪酬群體中，AR開發者的年薪已經增長至132300美元，而后端開發者則為122800美元。而在前十分之一高薪酬群體中，這一差異開始變得更為顯著：AR開發者中位年薪達到219000美元，而后端開發者則僅為169000美元。之所以存在如此巨大的薪酬差異，是因為AR/VR乃至物聯網市場的商業化程度仍然不高。各企業尚處于早期摸索階段，且樂于為技術水平較高的開發者支付可觀薪酬。與此同時，經驗較為匱乏的開發者則主要受到市場炒作的吸引，但相對較低的技能水平與更為稀缺的市場招聘量導致其薪酬無法達到理想水平。
同樣的，這種模式亦在世界各地廣泛存在，惟一的例外為南亞人才市場。由于該地區大力推動外包這一軟件開發模式，因此開發者普遍負責遺留代碼維護工作而較少參與創新性活動（這一結論亦得到我們開發者人口規模研究的支持）。
在本章節開頭，我們提到開發者可根據自身選擇脫離所在地區的限制享受更為有利的薪酬待遇。然而從數據來看，距離開發者市場全球化演變還有很長的道路要走。舉例來說，北美的Web開發者平均年薪為73600美元，而西歐Web開發者的平均薪酬僅為其一半水平——35400美元，這顯然不是最近英國脫歐與歐元匯率危機所能解釋的。其它地區的Web開發者在薪酬水平方面又僅為西歐市場的一半——南亞市場為11700美元，而東歐則為20800美元。這種差異不僅存在于世界各個地區與國家之間，甚至與您身處的城市亦有很大關系。
我們距離開發者市場全球化演變還有很長的道路要走。
這顯然為那些喜歡接受遠程工作者的企業帶來了機遇。您完全可以雇傭10%的東歐后端開發人員，其薪酬水平要遠遠低于北美地區的同類從業者。而對于開發者而言，這意味著只要您掌握出色的英語技能并樂于尋求跨地區機遇，則完全能夠拿到更加振奮人心的收入。然而目前愿意采取這種跨躍性機遇以獲取國際薪酬標準的開發者仍只是極少數。這也解釋了為什么新興地區的最高工資水平（包括亞洲、中東與非洲）要遠高于當地的薪酬中位數。高收入歐美開發者所能拿到的薪酬往往三倍于其所在國家及地區的平均工資。
而在新興國家中，最高工資則可達到當地薪酬中位數的七到十倍。這些地區中最出色的開發者往往為跨國企業工作，或者在國際市場上出售其技術服務; 相比之下，立足當地市場的從業者則只能拿到更低的薪酬水平。
那么如果有意進軍國際市場，開發者們應當采取哪些步驟？首先，投資培養自己的技能儲備、積極投身于更困難的工作內容，同時努力提升英語水平。在掌握這些前提之后，您即可邁入國際市場、爭取機遇并享受更為可觀的薪酬回報。
預告內容：
第二章：增強與虛擬現實：技術愛好者的樂園
交互、共享與訪問。在最新著作《The Inevitable（不可避免）》當中，《連線》雜志元老執行編輯Kevin Kelly提出了12項關鍵性技術要求。這些重要指導原則將幫助我們了解將新興技術轉化為具備實踐價值的應用程序的具體過程。通過連續三個祈使句，他將增強現實（簡稱AR）與虛擬現實（簡稱VR）視為創造下一類具備廣泛市場吸引力與創新型工具的主要技術候選方案。
第三章：Angular對React：一場關于未來前端Web開發主動權的爭奪戰？
谷歌與Faebook是目前世界上最為強大的兩家技術企業，且二者各自為Web應用程序構建了一套出色的框架。Angular與React正為未來Web世界的主導權而爭斗不休，而且從在線討論活躍度與大型消費級應用的采用率來看，市場對于React似乎更為認可。然而其能否真正統治未來的前端領域？React又是否真的具備競爭優勢？我們對近6000名Web開發人員進行的廣泛統計結論可能會令您感到吃驚。
第四章：追逐云業務圣杯的挑戰者們
Amazon公司在立足現有業務進行重新投資，從而實現利潤增長與新業務締造方面擁有著悠久的歷史。結果表明，Amazon目前已經擴張為全球范圍內規模最大的企業之一，且其在過去20年中從未給出過任何令人印象深刻的利潤表現。Jeff Bezos曾經非常明確地表示，他打算繼續將利潤作為投資進行業務擴展，但這一情況在過去一年中發生了變化。Amazon公司去年的利潤表現超出了正常水平，而這一結果顯然是受到Amazon Web Services（簡稱AWS）巨大成功的推動。他們創造的公有云市場如今已經擁有極為龐大的規模，由此帶來的利潤甚至超出了Amazon方面的投資能力。近年來，其它廠商已經意識到Amazon所在追逐的這座圣杯中所潛藏的巨大價值，并開始競相加入以從中爭奪份額。
第五章：物聯網工具社區的興起
根據Gartner公司2016年8月發布的《炒作周期》報告，物聯網平臺的市場期望水平已經達到峰值狀態。不出所料，目前正有成千上萬種物聯網解決方案持續涌現。另外，“平臺”一詞亦被到處使用，從網絡基礎設施到硬件組件再到云服務皆在此列。最終，物聯網的繁榮更應歸功于可供開發者們選擇并使用的更多更為出色的相關工具。在本章節中，我們將探討調查結果中顯示的，物聯網開發人員所實際使用的部分工具類型。
第六章：機器學習語言之戰
各類問答網站與數據科學論壇正以遍又一遍重復著同樣的問題：我剛剛涉足數據科學領域，應該學習哪種語言？機器學習領域最理想的語言選項是什么？事實上，網絡中存在大量基于個人經驗或者工作經歷，并試圖回答這些問題的相關文章。盡管歐美市場上已經能夠提供大量與機器學習相關的工作崗位，但這類意見雖然確實具備參考價值，其結論卻往往相互沖突，因此導致新人們很難找到確切方向。
