声明：本文来自于微信公众号硅谷密探（ID：guigudiyixian），作者：硅谷密探，授权站长之家转载发布。

提到开源代码，不少人一定会想到“全球最大同性交友网站”GitHub 。

成立于 2008 年的全球开发者社区GitHub 是当之无愧的极客聚集地，目前已有超过 4000 万个开发者用户，甚至吸引了诸多科技巨头也慕名而来。然而，这样一个站在科技前沿的硬核平台，等到成立后的第 11 年，才终于迎来自己的官方App。

11 月 13 日， GitHub 在年度盛会 GitHub Universe 上宣布，将在 Android 和 iOS 平台上线自己的第一个官方 App ，让开发者能够直接通过手机回复用户的问题，读取故障报告，向其他开发者分配工作。

(GitHub App 界面)

曾经，GitHub的高层认为，开发 App 并不是其工作重点，因为开发者们更倾向于在电脑上进行复杂的工作。然而，随着 GitHub 上的开发者越来越多，尤其在 2018 年 6 月被微软以 75 亿美元收购之后，单纯的网站已经无法满足开发者随时随地使用GitHub  的需求，他们需要在手机上也能查看代码、与其他开发者沟通。

那么，开发者的哪些需求增长最快，以至于推动GitHub在这个时候发布App呢?

数据科学热度剧增，开发者需求推动App发布

根据根据 GitHub 发布的 2019 Octoverse 年度报告，从去年 9 月 30 日到今年 10 月 1 日，GitHub 新增4400 万个仓库、 8700 万个拉取请求和1000 万用户，其中， 130 万人首次在开源中贡献。

飞速增长的需求，离不开Python、数据科学和机器学习的盛行。

报告显示，在最受开发者欢迎的编程语言中，尽管 JavaScript 仍然高居首位，但 Python 已经超过 Java ，成为 GitHub 上第二常用的编程语言。除了 Python 以外，随着越来越多的社区专注于数据科学，深度学习、自然语言处理和机器学习等与数据科学有关的仓库热度剧增。 

(编程语言流行趋势)

“尽管很长一段时间，GitHub 都是软件开发者的聚集地，但全球代码在不断发展变化。在 Python 飞速发展的背后，数据科学专业人员和爱好者群体的不断壮大，他们每天使用的工具和框架逐渐增多。”报告写道。

“这些工具和框架包括许多由 Python 提供支持的核心数据科学软件包，它们既降低了数据科学工作的难度，又为学术界和公司等项目奠定了基础。”

可以说，数据科学的重要度和需求的日益提升，强有力的推动了GitHub的蓬勃发展。

第四次工业革命需要数据科学来推动

由于场景丰富、需求量大，外媒对数据科学这一领域和这一职业普遍看好。

2015 年，世界经济论坛(WEF)主席 Klaus Schwab 提出了“第四次工业革命”。在《第四次工业革命》一书中， Schwab表示，我们目前正处于第四次工业革命的开端，与历次工业革命不同，第四次工业革命有其显著特点，比如互联网变得无所不在、移动性大幅提高，传感器体积变得更小、性能更强大、成本也更低，同时，人工智能和机器学习也开始展露锋芒。

基于 Schwab 的观点，《福布斯》的特约作者 Bryce Welker 认为，第四次工业革命需要数据科学来推动。在他看来，第四次工业革命创造的技术和商业公司的提供了新的数据，这些数据都需要通过数据科学加以利用。

通过数据科学，公司和机构能够洞察行业信息和客户喜好，从而优化决策能力和解决方案。早在 2013 年，《纽约时报》的一篇文章就对 Netflix 首部原创节目《纸牌屋》的成功做过详细介绍。通过从平台收集的大量数据， Netflix 确定了决定电视节目流行的关键因素，并将整合到节目中，确保了其成功。

此外，数据科学也能够帮助各行业直接带来收益。根据美国管理咨询公司McKisey估算，通过大数据，美国医疗健康系统能够减少3， 000 亿至4， 500 亿美元的医疗健康支出，占美国2. 6 万亿美元基准医疗保健成本的12%至17%。

数据科学家，高薪从何而来

近几年，越来越多的企业都设立了数据科学的相关职位。

根据求职网站 Indeed.com 的统计，从 2017 年到 2019 年，该网站上的数据科学职位数量增长 55%，预期年薪达到了 12.1 万美元左右，在旧金山等需求量更大的科技中心，年薪会更高。

(美国数据科学职位工资最高的 5 大城市)

数据科学家之所以高薪，是因为他们需要从大量不相关的数据中找出有价值的问题，并给出解决方式，这些都是为了帮助企业做出准确、明智的决策。

以音乐流媒体服务商 Spotify 为例，该平台的数据科学家需要将TB级的数据转换为听众细分模型，帮助工程师构建个性化的音乐推荐清单，如“每周发现”等自定义播放列表。此外，Spotify 还有另一支数据科学团队，专注分析用户行为，研究货币化，以优化广告的精准投放。

为了顺利完成这些任务，数据科学家们既要了解机器学习，也要会写Python、R等编程语言。这也解释了为什么在 GitHub 上，Python 已经超过 Java 成为 GitHub 上第二常用的编程语言，而深度学习、自然语言处理和机器学习等与数据科学有关的仓库也越来越多。

如何成为一名数据科学家?

问题来了，如何才能学到这些知识和技能，成为一名棒棒的数据科学家?

同样，Welker给出了不少解决方案。比如，现在许多大学都有提供数据科学方面的课程，而公司员工也通过在线教育课程来学习数据科学。