资讯

历史

科技

环境与自然

成长

游戏

财经

文学与艺术

美食

健康

家居

文化

情感

汽车

三农

军事

旅行

运动

教育

生活

星座命理

数据科学行业的工资变化与未来

创作时间:

作者:

@小白创作中心

数据科学行业的工资变化与未来

引用

来源

https://www.dataapplab.com/data-science-salary-breakdown-2024/

本文是为那些对2024年美国数据科学领域薪资细分感兴趣的人准备的。如果你已经关注我几年了，这篇文章可能会让你感到熟悉。这次的分析对比了2022年和2024年的平均水平，揭示了一些有趣的变化趋势。无论是帮助你评估当前职位，还是为新工作的面试做准备，这些信息都可能非常有用。

请注意，工资的变动可能受到多种因素影响，例如通货膨胀：2022年为6.5%，而2024年为2.7%。为此，本文主要参考了三个热门网站提供的数据，分别是Glassdoor、ZipRecruiter和PayScale，以更好地理解市场薪酬的期望值。如果你想快速了解2024年的数据科学薪资详情及与2022年的变化对比，请继续阅读！

注意事项：

数据来源：这些工资数据要么是员工自我报告的，要么是基于统计模型估算得出的，因此可能存在误差和偏差。
报告方式：数据根据公司职位、工作地点等多种因素综合得出，但可能存在样本量不足或报告不一致的问题。

具体来源差异：

Glassdoor：主要基于员工自我报告的薪资数据，未使用通货膨胀调整或生活成本校正。
ZipRecruiter：结合招聘公告和工资估算，依据职位、地点及公司规模提供预测性分析。
PayScale：类似于Glassdoor，以自我报告为主，但其数据模型更偏向于薪资中位数。

一般（一些受欢迎的公司）

你可以用多种方式来划分薪资，就像分析其他数据一样，通过最小值、最大值、标准值、平均值、中位数等多种指标进行。在本节中，我们将查看以美元为单位的平均值。请记住，薪资可能包括基本工资、奖金、股票期权等的组合。

Glassdoor网站平均值：

薪资报告如下。免责声明：这些数据的最后更新时间是2024年6月6日，这是网站上最新的数据。这虽然不是2024年全年的完整数据，但仍然可以用来预测这一年的趋势。我还会包括2022年的平均值，便于快速比较。以下数据均为基本工资（未包括额外收入的主要平均工资）。

平均薪资：$161,921（基本工资：$116,526 + 额外收入：$45,395）
公司数据：
Meta：约$173,000（2022年为$160,000，显著增长！）
IBM：约$150,000（2022年为$138,396，显著增长！）
Oracle：约$159,000（2022年为$157,797，变化不大）
Google：约$171,000（2022年为$152,987，显著增长！）

看到与两年前相比的增长令人欣慰；然而，你可能会注意到，这种趋势并不适用于非大型科技公司，实际上恰恰相反。

ZipRecruiter平均值：

薪资报告如下。这些数据是最新的，更新日期为2024年11月24日。

平均薪资：$122,738（2022年为$119,587）

PayScale平均值：

薪资报告如下。这些数据更新于2024年11月19日，因此可以与Glassdoor的数据进行对比。

平均薪资：$101,133（2022年为$97,358）

正如你所看到的，不同平台的平均值存在一些预期的差异。PayScale的数据与Glassdoor和ZipRecruiter相比差异较大，而后两者的数值较为接近。请记住，无数因素可能会影响平均薪资的报告结果，例如报告的样本数量或由于网站本身的原因导致的数据偏差或缺失。

现在，我们对数据科学的平均薪资有了更好的了解，接下来我们来看一下城市的细分情况。

美国城市分类

对于以下报告的数据，我们可以沿用相同的参照标准。随着世界格局的变化，“城市崩溃”的含义最近发生了很大转变。在家办公或远程工作的情况几乎已经不再是主流。城市的薪资是否重要？随着人们向其他城市甚至更多的农村地区迁移，薪资水平会趋于正常化吗？无论如何，有些人和公司仍以城市为中心运作。即便是远程工作，如果某个城市的生活成本较高，也可以为更高的薪资提供合理解释。

Glassdoor网站平均数：

我将随机挑选一些城市，这些城市薪资水平差异显著，涵盖大城市、小城市、不同的生活成本及其他差异。

德克萨斯州达拉斯：$111,201（2022年为$119,401，下降了！）
纽约，纽约：$125,846（2022年为$119,343）
佛罗里达州迈阿密：$117,706（2022年为$106,077）
华盛顿州西雅图：$140,341（2022年为$132,464）
德克萨斯州加尔维斯顿：$95,717（2022年为$119,281，大幅下降！）

注：让我惊讶的是，这些截然不同的城市之间的薪资水平竟如此接近，也许这表明城市之间的薪资水平正趋于同质化。同时，西雅图的平均薪资是最高的这一点也引人注目，这在总体上是合理的，因为这里大公司较多；不过，我原本预期纽约在这个样本中会是最高的。

另一个让我惊讶的点是达拉斯，尤其是加尔维斯顿的薪资水平显著下降！

ZipRecruiter平均值：

在这份报告中，我们将对比2022年薪资最高的两个城市与2024年搜索最多的三个城市的平均薪资：

加州圣克拉拉：$143,030（2022年为$147,475，小幅下降）
加州旧金山：$144,607（2022年预计为$142,726）
纽约，纽约：$134,280
乔治亚州亚特兰大：$116,627
加拿大魁北克蒙特利尔：$119,515

不出所料，加州占据了前两名。对比一个非美国城市（蒙特利尔）也很有趣，发现其薪资水平与其他城市非常相似。

PayScale平均值：

我随机挑选了一些城市进行考察：

纽约，纽约：$112,283（2022年为$107,748）
乔治亚州亚特兰大：$98,820（2022年为$93,472）
加州洛杉矶：$107,615（2022年为$101,453）
伊利诺伊州芝加哥：$100,240（2022年为$93,042）

这份报告中的数据整体与预期一致，高生活成本的城市薪资较高，而生活成本较低的城市薪资相对较低。值得注意的是，与Glassdoor的数据相比，Payscale对薪资前景的态度更为乐观。

资历分析

资历可以定义为工作经验年限，或对应的职位名称，例如“0-1年经验”或“初级数据科学家”。

Glassdoor网站平均数：

0-1年经验：$110,178（2022年为$118,893）
1-3年经验：$118,093（2022年为$127,273）
4-6年经验：$126,188（2022年为$134,923）
7-9年经验：$132,500（2022年为$140,803）

遗憾的是，无论资历如何，每年的薪资都呈现明显下降趋势，每个阶段的薪资降幅大约在 $8,000 到 $9,000 之间。

ZipRecruiter平均数：

以下的薪资细分非常特别，也令人颇感兴趣。它展示了数据科学领域以及相关职位的薪资水平，这些职位通常是公司中资历要求最高的角色。

首席数据架构师：$166,502（2022年为$202,916，大幅下降！）
数据科学总监：$154,873（2022年为$201,590，大幅下降！）
资深数据工程师：$99,330（2022年为$177,857，大幅下降！）
数据科学副总裁：$142,460（2022年为$168,888，大幅下降！）

这些职位的薪资普遍偏高，符合预期。需要注意的是，首席数据架构师和资深数据工程师并非严格意义上的数据科学角色，但了解这些数据同样具有参考价值。此外，“副总裁”和“总监”在薪资上也存在显著差距，尽管它们在一些公司中可能被视为同一级别的职位。

与2022年相比，2024年的一个令人意外的趋势是，这些高端职位的薪资全面大幅下降，其中一些职位的降幅接近50%。关于这一现象的潜在原因，我将在文章的结尾进行探讨。

PayScale平均数：

在本文中，我们还将通过不同资历类别进一步探讨数据科学领域的薪资水平：

入门级：$86,906（2022年为$85,456）
早期职业生涯：2022年为$96,204，预计大致相同
职业生涯中期：2022年为$110,782，预计大致相同
资深级别：2022年为$123,303，预计大致相同

总体来看，这些薪资水平略低，提出了一个值得深思的问题：通货膨胀是否以及如何影响数据科学领域的薪资？影响程度有多大？

由于缺乏2024年后3个资历级别的最新数据，我推测它们的薪资趋势与入门级类似，可能保持稳定或略有增长。

总结

谈论薪资可能在某些场合被视为禁忌话题，但随着越来越多的公司迈向透明化，这种局面正在逐渐改变。现在，有些公司甚至要求在职位描述中直接标明薪资范围。影响薪资的因素众多，例如城市、资历、特定技能、谈判能力、通货膨胀、远程办公等。因此，参考各种薪资报告以全面了解数据科学的薪资趋势显得尤为重要。

从2022年到2024年的惊人变化

正如我们前文所见，部分岗位的平均薪资略有增长，而更令人惊讶的是，有些岗位的平均薪资却大幅下降。这些变化可能源于公司或城市的差异等多种原因。以下是我认为这些变化背后的主要原因，尤其是为什么在短短两年内，一些薪资会骤然下滑，而通常情况下我们会期待薪资全面上涨：

整体通货膨胀的影响：随着通胀水平下降，薪资也随之下降。
更多的入门级岗位：薪资报告中显示的新增岗位多集中于入门级，拉低了整体平均值。
经济环境恶化：尽管生活成本上升，企业的运营也受到通胀影响，导致薪资调整。
资金减少：科技泡沫破裂及创业热潮退去使得企业更为谨慎。
团队已趋于成熟：许多公司已经建立了稳定的数据科学团队，而不再像几年前那样需要大量扩张。
人工智能的快速发展：新兴工具让数据分析师更容易使用数据科学模型，同时也降低了对高薪岗位的需求。
供求关系变化：更多的候选人供给使公司有了挑选的余地。
疫情后的经济反弹过度乐观：2020年后，一些公司因股票投资或消费者储蓄增加而短期内资金充裕，但随后趋于理性化。
远程到办公室的转换：随着更多企业恢复线下办公，额外的办公支出（如食品、用品和活动）也可能限制了薪资预算。

以下是本文中讨论的三个主要薪资划分：

一般趋势（部分热门公司）。
城市分类（仅限美国）。
Glassdoor、ZipRecruiter 和 PayScale 的资历划分数据。

关键要点与行动建议

了解薪资变化趋势：近期，某些城市、公司或职位的薪资有所下降，在谈判时需留意。
用市场数据支持你的谈判：正如我们所见，不同网站的薪资报告数据可能存在显著差异。
审视职位描述：有些非数据科学角色（如数据分析师或业务分析师）可能包含数据科学职责——不要害怕指出这一点，以增加你的谈判筹码。
注意奖金和其他薪酬构成：尽管一些岗位的基本薪资下降，奖金可能保持稳定甚至有所增加。谈判时应关注整体薪酬包，包括奖金、股票和业绩奖励，因为它们可能对总薪资水平产生重大影响。
谨慎解读自我报告数据：这些报告可能包含偏差或不准确之处，估算数据本身也有局限性。本文章旨在为数据科学薪资趋势提供一个起点，而非最终结论。

希望本文对你有所帮助，也能引发一些有趣的思考。如果你同意或不同意这些薪资数据，请在下方评论区分享你的看法。你认为影响数据科学薪资的其他重要因素或值得关注的网站还有哪些？如果你希望我分析更多的城市，无论是在美国还是其他国家，请在评论中告诉我们。