京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA数据分析师 出品
作者: Lydia Dishman
编译: Mika
LinkedIn通过对用户数据的深入挖掘,列出了美国最具吸引力的40强企业。
查看完整TOP40名单:
https://lists.linkedin.com/2016/top-attractors/en/us
前20名中只有可口可乐,Under Armour和Black Rock不属于科技行业。如今,许多企业都认为自己属于科技领域,比如高盛集团的CEO,他将这家金融公司称为科技公司。
同时值得注意的是,编程已经成为各行各业最重要的工作技能。
正如LinkedIn报告所指出的那样,随着每家公司都在进行技术驱动化转型,能否吸引更多人才将决定企业的兴衰。
在美国最受欢迎的40强企业中,谷歌位居首位。除了提供免费餐饮和按摩等福利外,谷歌还拥有支持多样性和打造“完美”团队的企业文化,这也是为什么谷歌能让顶尖的人才趋之若鹜。一位前谷歌招聘人员估计,他在一年内曾查看了300万份简历。
那么在顶尖公司工作需要哪些技能呢?
毋庸置疑,科技知识是必备技能之一。
同时,大数据平台Paysa的CEO兼联合创始人Chris Bolte表示,对于那些不具备传统计算机科学的人才来说,还有另一个趋势。
“近年来呈现爆炸性发展的是深度学习,”Bolte说,“这是利用神经网络的机器学习和人工智能的一个分支。”
简单的说,神经网络就像计算机内部由相互连接的脑细胞构成网络,可以解析图像或视频等信号。它能以人类的模式学会识别模式和做出决策。
“深度学习扩展了许多层,比之前计算力达到的层次更深,”Bolte解释说,“有了互联网巨头创造的数据量加上计算的进步,因此这些深度学习方法能够更完整地模拟信号。”
作为更广泛的技能,人工智能和机器学习为各种技术人才提供了机会。
微软的资深机器学习招聘人员Amanda Papp透露:“我们的员工中并非每个人都必须有计算机科学博士学位。还有许多人具有物理、生物学等背景。”
Paysa的数据显示,在顶尖科技公司中,编程技能仍然非常关键。
在谷歌,6万名员工中近一半(45%)会Java,42%的人使用Python。只有13%的人会Git(开源软件开发),14%的人掌握云计算技能。
谷歌中83%员工拥有学士学位,7%的人毕业于斯坦福大学。其他的毕业院校包括科罗拉多矿业学院,卡内基梅隆大学和都柏林大学等。
排名第二的Salesforce公司有2万名员工,但员工的技能特点与谷歌略有不同。46%的人掌握云计算技术,39%的人精通敏捷方法(软件开发的项目管理)。
80%的员工具有学士学位,毕业院校主要包括加州大学伯克利分校,东南大学,亚利桑那州立大学和伊利诺伊大学厄巴纳分校等学校。
在Facebook,熟练掌握编程语言至关重要。Paysa的数据显示,Facebook中46%的员工使用Java,44%的人使用Python。其他技能包括C ++,分布式系统,算法和机器学习等。
与前两家公司类似,大多数员工(84%)拥有学士学位,但同时42%的员工也拥有硕士学位。最近的一项研究表明,越来越多的雇主更青睐具有高学历的人才,这也证明了这点。
但苹果并不太推崇员工具备高学历。苹果公司的10万名员工中有71%具有学士学位,28%的员工并没有学位。这在一定程度上是因为,并非所有员工都在Cupertino总部从事开发工作。
苹果公司员工掌握的普遍技能也可以看出这点,其中软件开发占28%,其次是Java占27%。
排在第五位的是亚马逊,这家电子商务巨头从西雅图附近的华盛顿大学吸引了大量人才。其中83%的员工具有学士学位,超过一半(57%)的员工精通Java,45%掌握软件开发技能。
令人惊讶的是,作为为众多网站提供服务的公司而言,只有不到四分之一(21%)的人精通网络服务技能。
尽管Facebook和谷歌等注重技术实力,但这些公司在招聘时并不只看重硬技能。
谷歌人事业务负责人Laszlo Bock称,他们在招聘时需要看重以下四个方面:
1. 一般的认知能力
不仅仅是智力,还包括吸收信息的能力。
2. 应急式领导力
当你看到问题时,你会介入并尝试解决它。之后当不再需要你时,能及时放下,能够放下权力也很重要。
3. 文化契合力
我们称之为Googleyness(谷歌精神),包括上进心和团队精神、倾听及沟通能力等特质。
4. 职位的相关专业知识
这些技能对于刚开始找工作的求职者来说尤为重要。
根据PayScale的一项调查显示,招聘人员正在寻找具备沟通,团队合作和领导力等软技能的求职者。多达60%的雇主认为初级求职者缺乏批判性思维和解决问题的能力。
PayScale研究的共同发起人,Future Workplace的研究主管Dan Schawbel 曾表示,“每天如果没有新的挑战就不完整,越早掌握这些技能,你就越有可能被聘用。“
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14