feedback

意见

反馈

back-to-up

回到

顶部

撕掉标签,看小姐姐如何撑起数据科学的“半边天” | 数据科学50人洞见

数据科学50人洞见

陈静   2018-08-08

在数据科学领域,女性从业者的身影仍然很少。为了更加深入地了解这一群体,DT数据侠联合猎聘大数据研究院、科技女性社群LWT发起了数据科学领域女性从业者的调研。

现如今,数据科学已经被应用到社会的各个领域当中,火热的人工智能、大数据等领域背后都藏着数据科学家的身影。

那么数据科学的从业者究竟是怎样的一群人呢?其中受到最多关注的当属数据科学家了。作为行业金字塔顶端的人才,他们玩得转数据、搞得定统计、攻得下编程;他们往往有着交叉的学科背景,例如数学、统计学、机器学习以及特定领域的专业知识。

除了数据科学家外,根据工作技能侧重点的不同,数据科学行业还有大量的数据分析师、数据挖掘工程师、数据仓库工程师、架构师和数据产品经理等,他们的职业也跟数据息息相关。

但是DT君发现,在数据科学的各个领域里,女性从业者的身影却很少。

在我们正在进行的数据科学50人专访中,已经完成专访的23位顶尖数据科学家中仅有两位女性,男性数据科学家占据了绝大多数。同样地,在很多大型的数据科学主题论坛中,你会看到发表演讲的大多是男性学者和科学家。

DT君向来擅长用数据说话,那么目前数据科学领域中女性从业者到底有多稀缺?她们都活跃在哪些岗位上?DT数据侠联合猎聘大数据研究院,梳理了猎聘平台上最近一年的数据科学领域从业者数据,来看看Data Girls是群怎样的人吧。

玩儿转数据的年轻女孩们

她们是数据科学领域的稀有物种。猎聘平台大数据显示,在数据科学家、数据产品经理、首席数据官、架构师、数据仓库工程师、数据库开发工程师、数据挖掘工程师等几个职位中,只有17.47%是女性,男性从业者的数量是女性的4.7倍。

她们大多很年轻,而且是刚入行的数据新鲜人。在上述职位的女性从业者中,超过七成是30岁以下的年轻小姐姐,这是一群玩数据的年轻女孩儿。

不仅如此,从从业年限来看,超过三成的女性从业者的工作年限在3年以下,看来最近几年涌现出了大量对数据感兴趣的女性,越来越多的女性勇敢地加入到了数据热潮之中。

从城市来看,北京和上海聚集了超过一半的女性数据科学从业者,超过33%的女性从业者在北京工作,还有20%在上海工作。

从行业来看,80%以上的女性从业者在互联网行业工作,其次是金融行业。

从工作岗位来看,女性更偏爱数据挖掘工程师和数据产品经理的角色。女性从业者中超过33%选择了数据挖掘工程师,超过30%选择了数据产品经理。

她们是一个高学历的群体。Data Girls中有一半以上是硕士学历,有3.38%是博士及博士后学历。

最后,她们拿着什么水平的薪水呢?约13%的女性从业者年薪在10万以下,约27%在10至15万之间。在高薪区间,有约13%的女性年薪在30万以上。

《哈佛商业评论》称数据科学家是21世纪最性感的工作,在DT君看来,数据科学领域的Data Girls同样“性感”,在男性从业者占据主流的数据科学领域中,年轻敢为的她们也正在加入其中。

Data Girls 也有性别偏见的烦恼

不可否认,目前科技领域仍然由男性主导。即使在性别平等、企业性别多元化得到越来越多呼声的今天,科技圈仍然时不时有“反多元化”的言论出现。

一个很典型的案例是,2017年8月,前谷歌软件工程师James Damore撰写的《谷歌的意识形态回音室》一文抨击了谷歌的多元性政策,认为女性天分上的不足导致了她们天生就不适合从事技术工作。文中提到:“女性在科技领域的任职人数不足,并不是因为她们在工作场所面临偏见和歧视,而是由于男女之间固有的生物学上的差距。”可见,即使在硅谷这样的“科技圣地”,传统固化的思想仍在制约着女性在科技行业中的发展。(James Damore撰文后被谷歌CEO桑德尔·皮蔡以违反员工守则为由解雇,这件事在美国科技界引发了广泛讨论。)

在中国的数据科学领域中,女性从业者同样面临着“性别偏见”的困扰。

为了更加深入地了解这一群体,数据侠社群联合了科技女性社群Ladies Who Tech(LWT)发起了“女性数据科学从业者职业发展与领导力调研”。

在问卷调研结果中,有一半的女性从业者称在职业发展过程中偶尔感受到过性别偏见,有约9%的女性经常感受到性别偏见。而在“企业性别多元化”的问题中,只有约20%的女性认为所在企业很重视员工中的性别多元化,仍然有约14%的人认为企业不重视这一点。

超越偏见之后,拥抱数据科学的美

不管是从日常经验来看,还是从女性从业者的感知来看,Data Girls都看起来是“弱势群体”。难道说,在数据科学领域,女性真的不能做得像男性那样好吗?

数据侠数据科学50人专访的两位女性数据科学家不会同意这样的观点。

其中一位是杜晓梦,她是国内领先的大数据与人工智能技术服务公司百分点的首席数据科学家。

杜晓梦是一个喜欢问问题、喜欢刨根问底的人,她从小就展露出对数字的敏感,“喜欢用数据去解释问题”。这样的性格特质帮助她成为了一名出色的数据科学家。所以,她认为个体之间的差异已经超过了性别的差异,关键是看个人的兴趣。因此女孩儿们只要喜欢与数字打交道,对数据世界充满兴趣,就能在这个领域有所成就。

不仅如此,女性往往更能胜任业务沟通的工作。杜晓梦在访谈中提到了技术人员与业务人员的认知差异问题。在实际的工作中,经常会遇到技术人员不了解实际业务,而业务人员不懂数据的情况,双方的互不理解有时甚至会触发激烈的争执,这时候,双方的沟通就显得尤为重要。数据科学家经常要直接面对客户,这些情况下女性的沟通能力往往能发挥优势。她们能够把具体业务中的关键问题提出来,让数据科学家和客户互相理解对方的诉求。

另一位优秀的女性数据科学家是万菁,她是美国最大的汽车房屋保险司State Farm 的首席数据科学家。

她认为,女性数据科学家数量少的原因是本来进入理工科学习的女生就相对较少,进一步发展到数据科学行业的女性就更少。对于女性来说,从小时候开始可能就存在着这样的误区:认为理工科专业比如数学很难学,但是真正在学习这些学科的过程中,会发现男性和女性的差异并不大。

“在进入数据科学行业后,也会发现女性的编程能力和其他能力也不差。女性数据科学家的优势体现在注重细节,在做数据分析时能够发挥这个优势。在面对女性不如男性的偏见时,女性从业者可以用工作结果和工作能力来证明自己。”

在女性如何平衡事业与生活的问题上,万菁认为,男女平等不仅应该体现在职场上,还应该体现在家庭生活中。在美国的生活期间,她观察到很多场合的活动都是父亲带着孩子参加,父亲会积极地行使他们的角色,这样妈妈们可以有时间去学习和工作。

两位业界顶尖的女性数据科学家的经历告诉我们,女孩儿们应该勇于超越性别偏见,同时发挥自身沟通能力强和细心的特质,在数据科学领域,女性可以与男性一样玩转儿数据科学。

女性独特的领导力 

数据侠与科技女性社群Ladies Who Tech(LWT)发起的调研也体现了女性在数据科学领域有着独特的领导力。

(图片说明:科技女性社群Ladies Who Tech,简称LWT)

有接近一半的受访者认为女性从业者最出色的能力是情商和洞察力,有三成的受访者认为女性从业者的优势是沟通能力强、擅长跨部门合作。除此之外,将数据进行形象化展示的思维能力也被认为是女性的优势。女性或许可以发挥这些优势,在数据科学领域找到自己的定位,发挥独特的领导力量。

卓越的领导力是LWT社群中的科技女性非常重视的特质。作为LWT社群的顾问,Vivian Tian目前是eBay全球副总裁、eBay中国研发中心(CCOE)总经理,她引领下的eBay中国研发中心致力于大数据分析、大规模分布式计算等数据科学方面的专业知识和技术。

(图片说明:eBay全球副总裁、eBay中国研发中心总经理 Vivian Tian)

Vivian对女性在数据科学领域的领导力有独到的理解。她认为,数据科学是个比较独特的领域,不仅要有很强的逻辑思维能力和工程开发基础,同时又需要有深入的业务知识,这样才能把数据和业务场景完美结合。这都需要和不同的人、组织进行大量的沟通,在这些情形下,女性所擅长的沟通能力、团队亲和力和协调力往往能发挥出优势,而这些又是数据行业领导者所需要的特质。

她还认为,社会上的固有偏见,以及在这种集体意识环境下,女性的心理暗示带来的“自我受限”,是影响女性在科技界发展的最大障碍。

她鼓励女性们要学会“去标签化”,在数据科学领域,女性与男性的工作规划应该是无差异的。作为女性,要学会倾听自己的内心,正如在《向前一步》中,Sheryl认为,女性不敢向前一步最重要的原因是没有克服内在的障碍,所以女性更应该勇于尝试,迅速学习、抓住机遇不断提升。

数据没有性别,在每个女性数据科学从业者的背后,都是当代女性不断打破偏见、不断超越自己的蜕变之路。没有哪一条科学之路是没有阻碍的,随着数据科学在这个时代更广泛更深入地渗透到社会生活的方方面面,女性也应该更多地参与进来,在这一历史洪流中拥抱数据科学的美,找到属于女性的“半边天”。

社群调研 | DT数据侠社群、LWT社群

数据 | 猎聘大数据

数据科学50人

数据科学50人”项目是DT财经旗下数据侠计划重点内容产品,与数据科学领域KOL挖掘数据内容的价值。我们从商业数据科学领域选出最具代表性的50位先锋进行深度专访,50人由DT财经独立评审并发布,第一财经数据科技及合作伙伴倾力支持。

加入数据侠

数据侠计划是由第一财经旗下DT财经发起的数据社群,包含数据侠专栏、数据侠实验室系列活动和数据侠联盟,旨在聚集大数据领域精英,共同挖掘数据价值。申请入群请添加微信公号dtcaijing004并备注“数据社群”,合作请联系datahero@dtcj.com。

 

分享这篇文章到