
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04