当我们看到聘用了数据工程师的具体公司时，他们在科技领域的受欢迎程度就更加明显了。在前十的公司里，只有两家公司不是专门从事技术或数据的：一家电信公司（Verizon）和一家金融机构（Capital One）。

【图表：TOP 50 聘用数据工程师的公司】

▲ 经常在数据大会上分享经验的 Amazon、Facebook，Netflix，CapitalOne 等公司，都是业界数据应用的非常成功的公司，和其雇佣的数据工程师的人数呈正相关。

很有趣的是，一些公司聘用了不成比例的数据工程师。比如 Spotify（1600+ 雇员）比起必能宝（Pitney Bowes）（16,000 雇员）要小得多，但他们聘用的数据工程师数量相当。

这些数据清晰显示，现在的一些科技 “独角兽” 高度重视数据工程师一职。同时，考虑到三藩市目前有 6600 家公司在找数据工程师，这个趋势短期内似乎不会改变。

7、数据工程师的基础技能

数据工程师干的活大体分为两个部分：

在整个业务流程，让消费者能接触到数据

打造 “产品化” 的算法，将其变为数据产品

总体而言，直接与数据相关的技能获得了越来越多的重视，另一方面，某些核心的软件技能也为数据工程师所青睐。

【图表：TOP 20 数据工程师的基本技能】

▲从图上可以看出用 SQL 来回答分析型的问题、写脚本来做数据集成、清洗这样的 ETL 任务和使用Hadoop生态的工具是数据工程师的主要工作。

No.1 SQL（Structured Query Language：结构化查询语言）：

即便在数据技术领域，很多 NoSQL 倡导者 “欲除之而后快”，但 SQL 仍是数据工程师最普遍具备的技能。

No. 2 Java：

Java 是最受数据工程师欢迎的编程语言。自从分布式系统基础架构 Hadoop 在 2000 年左右被开发出来后，JVM（Java Virtual Machine：Java 虚拟机）便处于数据处理的中心。

No.3 Python：

不仅被应用于数据工程，还能为分析任务服务——相较而言，总是和 Python 一同出现在新闻里的 R 语言，更专精于分析与统计，这应该也是 R 没有上榜的主要原因——在数据科学圈，数据工程和分析二者并重。