招聘广告的数量能一定程度上反应每一种软件的流行程度，并从中预测出哪一种在将来会更加流行。以美国大的招聘网站Indeed.com为统计平台，通过对某一天数据科学职位的招聘数量进行统计分析，得出数据科学软件的变化趋势。
为了公平，本文采用了一种专门的方法，用来在数据科学职位范围内统计每种软件的招聘数量，文中所有的图片也都是在这个前提下取得的，统计日期为2017年2月24日。
正文
各种软件招聘量见下图。其中最多的是SQL，将近18000，然后分别是Python和JAVA(13000左右)，Hadoop(10000左右)，R，C系列和SAS(这是R首次在在数据科学职位报告中超过SAS)，Apache Spark，Tableau(5000左右，限数据科学职位)，Apache Hive(3900左右)，Scala，SAP，MATLAB，SPSS。其中Scala，SAP，MATLAB，SPSS均为2500左右。
招聘量小于250的软件列在了下图中，分别是：Alteryx(240)，Microsoft(Azure Machine Learning and Microsoft Cognitive Toolkit，157)，Julia，FORTRAN，Apache Flink(125)，H2O(100)。以操作容易为卖点的SAS Enterprise Miner、RapidMiner和KNIME招聘量都是90左右，大概是因为各公司认为没有必要聘请专家?SPSS模块也是同样类型的接口，但却只有50个职位。开源的MXNet深度学习框架有34个职位，而Tensorflow是它的12倍，但是两者都很年轻，有足够大的潜力在未来快速发展。
下面我们先来看一下R是如何超过SAS的。从下图可以看出，在2012年到2017年2月28日这个时间段，SAS的职位需求一直都很稳定，而R则稳定增长并最终在2016年早期超过了SAS。另外根据blog post所述，R于2015年就已经在学术出版物中超过SAS。
再来看一下Python和R。Python和R谁更流行的争论是由来已久，但是从来都没有多少数据支持。但是单从招聘职位上来看，Python于2013年就已经超过了R(如下图)。当然我们要清楚，R只是单纯用来进行数据分析，而Python在数据科学领域用途更广泛。
热门专题
