京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据降温了,来看科技圈十大“上升”和“下降”的趋势名词
科技行业以变化快著称,不过该行业的流行词语变化可能更快。据西雅图初创公司Textio对50万份科技工作招聘启事的研究报告显示,去年最引人注目的一些专业名词,例如大数据,到了今年对应聘者的加分已大不如去年显著。这些陈旧的术语已经被人工智能、实时数据等更热们的趋势取代。
Textio公司CEO基兰·斯奈德(Kieran Snyder)称,extio在研究中追踪了5万个在科技工作招聘启事中常见的短语,然后由此统计出了过去一年来受影响最大的科技短语,分别按照受到正面影响和受到负面影响排列。据悉,在选出的五大“失意者”中,在2014年时均可谓是求职者身上的亮点,由此可见科技行业变化是如此之快。而在五大上升最快流行词语中,只有两个是去年的科技工作中会提到的技能,斯奈德说。
Textio主要以三个方面来衡量其榜单中的科技短语:一是申请包含该科技短语工作的应聘者人数;二是拥有该词语所要求的技能和背景的应聘者在全部应聘者中的百分比;第三是工作招聘发出后多久能够招到相关的人才。之后,Textio将这些数字与一年前的数字相比,再由此排名。以下为Textio公司评选出的今年科技术语五大“赢家”和五大“输家”。
科技圈五大上升及下滑最快流行词语
1、人工智能(Artificial intelligence)
埃隆•马斯克(Elon Musk)与霍金(Stephen Hawking)可能会认为这种现象有点奇怪,但是科技职位申请正朝着人工智能前进。过去6个月,在最佳科技职位招聘中,人工智能术语的使用翻了四倍。
2、实时数据(Real-time data)
大数据虽然表现不佳,但实时数据却表现很好。照预测,和大数据不同,实时数据相关招聘增加预示着企业希望根据最新信息开发产品,而不仅仅是根据众多信息开发。
3、高可用性(High availability)
该领域反映了一个趋势:开发一直处在连接状态、几乎从不停机的软件,已经越来越重要,在技术上这是一大挑战,许多工程师将更为重视。相比一年之前,此类招聘增长了42%。
4、稳健、可伸缩(Robust and scalable)
在过去的一个夏天,这两个词汇的总使用量明显上升,仅是过去2个月就翻了2倍。这两个术语涉及到软件的强大,可以服务众多用户。
5、包容性(Inclusive)
对于求职者来说,办公地点的多元化越来越重要,在科技产业尤其如此,于是招聘者便打出了包容牌。一直以来,企业经常利用“多样化”“差异化”特色吸引求职者,现在这两个术语的意义可能有所改变。可能正是因为这一改变,导致“包容性”术语在过去6个月越来越流行。
6、大数据(Big data)
在科技招聘广告中,大数据是输家。根据Textio的报告,大数据企业可能不再这么称呼自己了。2年前,一切都跟大数据扯上关系,但从5至6个月前开始,大数据术语的使用开始降温。今天,如果在工程职位中使用“大数据”术语,比起不使用要糟糕30%。Textio公司CEO Snyder指出:“现在大数据术语使用已经饱和,你最好谈谈人工智能而不是大数据。”
7、虚拟团队(Virtual team or V-team)
使用企业术语会导致求职者远离,“虚拟团队”术语指的是“远程办公”,使用它会导致求职者数量过低。
8、故障排除(Troubleshooting)
对于众多科技员工而言故障排除是一项关键技能,招聘人员最好管它叫“问题解决”“修理”“诊断”,因为“故障排除”术语的表现比其它术语要糟糕1倍。
9、主题专家(Subject matter expert)
你可能会觉得自己是某领域的专家,但这个术语的另一层意思是指应试者擅长一个领域,对其它领域却所知甚少。科技企业需要的是“全能工程师”,而不是主题专家。
10、无毒工作环境(Drug-free workplace)
一些招聘企业会在广告中使用该术语,结果是广告效果糟糕20倍。6个月前,使用该术语的恶劣影响还只有现在的一半。为什么会这样呢?Textio也不是很确定,可能求职者读到该表述时会认为工作环境苛刻。结果,一些寻找宽松工作环境的求职者掉头离去,他们追求弹性工作时间,希望着装随意。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23