📖 ZKIZ Archives

深扒一個獨角獸公司標配，但仍被低估的崗位

峰瑞資本 2016-12-29 11:03

本文由峰瑞資本（微信ID:freesvc）授權i黑馬發布，來源Stitch Data，編輯張瀟冉。

美國數據工程概況

目前，LinkedIn 上有 6500 人稱自己是數據工程師。而僅在舊金山，就有 6600 個這樣的工作機會虛位以待。去年，數據工程師的數量翻了一倍，但工程主管們卻仍覺得人才匱乏。

數據人才的旺盛需求源自一個根本性的變化：科技公司現如今都成了數據公司。

像 Uber、Airbnb、Spotify 這些公司都在大力發展數據產品，結果便造成數據系統開發和維護人才的激烈爭奪。

Josh Wills 是 Slack 的數據工程師，在 2016 數據工程大會（DataEngConf 2016）上半開玩笑地說：“我的數據工程師都在會場了，請你們別挖墻角。” 即使 Slack 這樣當紅的矽谷企業，也在擔憂如何留住這些寶貴人才。

我們的研究著重於說明以下幾個方面：

目前市場上數據工程師的數量；

數據工程師的背景和核心技能 —— 這些信息對於主管們研究如何將軟件工程轉換至數據工程特別有用（編者按：以緩解招聘數據工程師的壓力）；

數據工程師的就業信息 —— 幫助你說明為什麽要投資（時間/精力/金錢）到這項昂貴的技能中來。 

從 Stripe、MIT、Looker 的工程主管對數據人才的發現、留任和對數據工程師團隊項目的開發等一系列策略的分享中，我們找到了這些問題的答案，使得這份報告清晰地呈現出數據工程的現狀。

關鍵指標：

人數：6500 人在 LinkedIn （領英）上稱自己是數據工程師。

發展：2013 到 2015 年，數據工程師的數量至少翻了一倍。

分布：50% 的數據工程師都在美國。

之前的職務：42% 的數據工程師都是軟件工程出身。

產業：數據工程師主要供職於信息科技與服務產業。

技能：數據工程師前 5 項主要技能是：SQL, Java, Python, Hadoop, 和Linux。R語言甚至都沒進前 20。

分析方法：

本報告基於 Linkedin 上的用戶資料，包括所有公開可見的個人及公司檔案、技能與工作經驗，數據以 2016 年 3 月份的統計為準。

我們根據檔案上的職業標題和頭銜識別出數據工程師，這里只納入了那些可確認公司的數據工程師檔案。

【圖表：LinkedIn 個人檔案總結】

▲ 截止 2016 年 3 月 1 日，Linkedin 上的個人檔案大約 4.3 億，此次參考了 2.6 億例檔案，其中列有至少一項經歷的近 1.9 億， 有一項已認證經歷的超過 1 億，當前經歷已認證的近 8000 多萬。

在這些數據工程師中，我們分析了：

3 萬項工作經驗

8.2 萬條個人經歷

3400 個公司

分析工具：

分析采用 Python, SQL 和 Jupyter。

HighCharts 和 HighMaps 中的交互式可視化效果采用 Python 的制圖包和 Python-highchairs 實現。

數據采用 AWS Redshift 進行存儲和處理。

1、數據工程師有多少

“數據工程師”（所有以某種方式與數據打交道的軟件工程師）的定義仍有很大的模糊性，目前並沒有一個完美答案，我們覺得由這些從業者自己來解讀是最好的方式。

我們發現在 Linkedin 上有 6500 人稱自己是“數據工程師”。

6500，這個數目並不大。

實際上，我們有些驚訝“數據工程師”竟如此之少。而在寫這篇報道的時候，Indeed 上有 6600 個 數據工程師的招聘啟事，這還僅僅是在舊金山和灣區。

薪酬數據也證實了數據工程師很受歡迎。據說，在 Facebook, Amazon 和 Google 這樣的巨頭公司工作的頂級數據工程師工資超 50 萬美金。Indeed 的數據分布更保守一些，盡管如此，薪資也達到了 6 位數。

【圖表： 舊金山地區數據工程師的數量和薪酬比】

▲ 截止從上圖可以看出，薪酬在 10 萬美元以上的職位超過 80%, 其中 110k-120k， 120k-130k 和 130k+ 的職位都很多，均超過了 20%。數據工程師成為當下的黃金職業！

專家洞見 

Jonathan Coveney，Stripe 數據工程師：“對數據工程師型人才的需求”。

近十年來，Jonathan 都在數據領域深耕，曾在 Twitter、Spotify 等公司建立數據系統。在他看來，有三種主要趨勢在推動著對數據工程師類人才的需求：

公司在對數據和管理數據的人的思考上更加精深。“數據不再是副產品，而是一個公司運作的核心”。

對機器學習愈加倚重。由於機器學習的進步，對專有數據的掌握逐漸成為各個領域的公司最重要的競爭優勢。

公司開始建造數據產品。“以地圖為例，機器學習主要作用於交通路線的偵測與規劃，而地圖的基礎建設則在於管理和組織大規模的數據，這就是數據工程。”

2、數據工程師的數量隨時間的變化

LinkedIn 的簡歷顯示了一個人聲明的自己的職業發展歷史，包括了在各個時間段內的職務。這些數據讓我可以構建出某個職務的不斷演變。

下圖就展示了”數據工程師“這個職務的飛速發展：

【圖表】累計數據工程師的數量（單位：千）

▲ 數據工程師的數量從 2013 年到 2015 年增長超過了一倍。而且基於上文中相關崗位需求的數據，該增長趨勢並不會減慢。

相比之下，數據科學家的數量大約是數據工程師的兩倍（大約 11,400 人），但是數據工程師的增長速度卻要更高：在同一時期，數據科學家數量“僅”增長了 50%。

3、數據工程師從哪里來

數據工程師的瘋狂增長讓人產生了一個疑問：這些人從哪里來？他們之前是什麽職業？

我們通過觀察數據，調查了數據工程師這一職業的 DNA —— 他們之前的職業。

在我們的調查前有以下幾個猜測： 

數據工程師是軟件工程師和數據科學家之間的橋梁：他們編寫了生產代碼來方便數據科學家們進行大規模的運算實驗。因此，我們猜測有很大一部分數據工程師的前身是軟件工程師或數據科學家；

因為數據工程師很大部分的工作都圍繞著運算的規模，他們同時也是軟件工程師和運維開發 ( Devops ) 的橋梁。因此我們猜測一部分人由運維開發轉來；

數據庫管理員曾在一個企業中扮演類似的角色。因而，不難假設一部分數據庫管理員投身到這一更加先進的職業中。

結果顯示，我們的猜測部分是正確的，有一點是非常明確的：數據工程師的 DNA 和軟件工程師最接近 。

【圖表 ：TOP 10 數據工程師的來源】

▲ 數據工程師前職調查，最多依次為軟件工程師、分析師、咨詢師、商業分析師、數據架構師、數據分析師、數據庫管理員、數據科學家、實習生、研究助理等 

4、數據工程師都在哪

50% 的數據工程師在美國。這並不奇怪，因為數據科學家這個稱謂的本身和很多基礎技術都是來自於美國的科技公司和大學。

【圖表：數據科學家全球化】

▲ 大部分的數據科技或是來自於一小部分大學——特別是伯克利大學 AMP 實驗室，或者是來自於全球最大的網絡公司軟件工程團隊。

谷歌、臉書、領英和亞馬遜在領先該產業其他對手很久，就已經開始挑戰大數據，並投入了大量資源。他們不僅創造了很多的數據科技，他們成為了數據人才的培育基地。

然而，這張圖有些誤導。

美國至今有著最多的數據工程師，也同樣在全球有著最多的數據工程師檔案：接近4倍多於排名第二的印度。

為了標準化數據，我們圖中排名前十的國家展開詳細，看他們各自數據工程師人數與在領英（LinkedIn）檔案數的對比，以及與總人口的對比。

【圖表：TOP 10 數據工程師最多的國家】

▲ 這張統計中沒有以色列，以色列是我們此前的參考標準，它曾經在每百萬人中的數據科學家占比排名中排名最高。上文提及，以色列長期被認為是數據科學的起源國度，在以色列“矽溪”有著強勁科技展現。但意外的是，這卻沒能轉化為高密度的數據工程師人才。

5、哪個行業聘用的數據工程師最多

在擴大存儲、傳輸和處理數據方面遇到挑戰的公司對數據工程人才需求最甚。這些挑戰多在科技公司出現，但是像電信、生物科技和保險這些行業呢？難道這些行業不需要數據擴張方面的幫助嗎？

當我們考察數據工程師的工作領域時，我們發現一系列的行業都需要數據人才。

【圖表：TOP 20 數據工程師的行業分布】

▲ 與預期一致，電信和金融服務接近頂端，但是在生物科技中 DNA 的拍字節（Petabytes）的排序卻沒有朝排名靠前的位置發展。

從該表格中，我們不應該認為這些行業之外的領域就不需要或者不聘用擔任數據工程師功能的人才。相反，盡管“數據工程師”在某一個領域內已經流行開來，互聯網科技公司—— 這個特定職位的用法仍處於初始階段。這個領域內的技術、流程和思維方式正在開始延伸到其它的行業。

6、哪些公司聘用的數據工程師最多

當我們看到聘用了數據工程師的具體公司時，他們在科技領域的受歡迎程度就更加明顯了。在前十的公司里，只有兩家公司不是專門從事技術或數據的：一家電信公司（Verizon）和一家金融機構（Capital One）。

【圖表：TOP 50 聘用數據工程師的公司】

▲ 經常在數據大會上分享經驗的 Amazon、Facebook，Netflix，CapitalOne 等公司，都是業界數據應用的非常成功的公司，和其雇傭的數據工程師的人數呈正相關。

很有趣的是，一些公司聘用了不成比例的數據工程師。比如 Spotify（1600+ 雇員）比起必能寶（Pitney Bowes）（16,000 雇員）要小得多，但他們聘用的數據工程師數量相當。

這些數據清晰顯示，現在的一些科技 “獨角獸” 高度重視數據工程師一職。同時，考慮到三藩市目前有 6600 家公司在找數據工程師，這個趨勢短期內似乎不會改變。

7、數據工程師的基礎技能

數據工程師幹的活大體分為兩個部分：

在整個業務流程，讓消費者能接觸到數據

打造 “產品化” 的算法，將其變為數據產品

總體而言，直接與數據相關的技能獲得了越來越多的重視，另一方面，某些核心的軟件技能也為數據工程師所青睞。

【圖表：TOP 20 數據工程師的基本技能】

▲ 從圖上可以看出用 SQL 來回答分析型的問題、寫腳本來做數據集成、清洗這樣的 ETL 任務和使用Hadoop生態的工具是數據工程師的主要工作。

No.1 SQL（Structured Query Language：結構化查詢語言）：

即便在數據技術領域，很多 NoSQL 倡導者 “欲除之而後快”，但 SQL 仍是數據工程師最普遍具備的技能。

No. 2 Java：

Java 是最受數據工程師歡迎的編程語言。自從分布式系統基礎架構 Hadoop 在 2000 年左右被開發出來後，JVM（Java Virtual Machine：Java 虛擬機）便處於數據處理的中心。

No.3 Python：

不僅被應用於數據工程，還能為分析任務服務——相較而言，總是和 Python 一同出現在新聞里的 R 語言，更專精於分析與統計，這應該也是 R 沒有上榜的主要原因——在數據科學圈，數據工程和分析二者並重。

專家洞見 

Mike Xu, Looker 的數據架構師：“弄明白你想要哪款數據工程師？”

Mike 的職責之一是傾聽開發者的心聲：哪些事情讓他們開心？哪些讓他們不爽？最多的抱怨是什麽呢？嗯，不同的數據工程角色間是有細微差別的，但很多公司卻不懂行。

在 Mike 看來，數據工程師主要有 4 種角色——這也是招聘者應該弄明白的事情：

數據倉庫：專註於為分析來優化數據倉庫，主要是負責數據的讀寫和管理。

工具：總能在一系列數據工具箱里，極其擅長一、兩樣特定的工具（編者按：類似於 Hive, Hbase，ElasticSearch 等）。

架構：才華通透、“端到端” 的思考者，無論是數據收集，還是收集後幫助團隊使用數據，他們需要考慮的事情多而雜，貫穿業務的很多環節。

運維（Ops）：主要把時間花在建立數據庫等事項，還要管理權限、操心數據安全。

8、數據工程師的技能如何隨著公司規模的變化而改變

作為數據工程師，同樣需要認真應對公司和業務的規模化所帶來的挑戰——業務更多，數據集 （Dataset）的規模也更大，所需求的數據能力和工作方式也要隨之演化。

姑且做個猜測：規模越大的公司，對規模化相關的技能越加看重。是否真的如此？我們先查看查看下面的圖表。

【圖表：不同公司的數據工程師之間的差別】

▲ 縱軸表示技能，橫軸則表示相對偏差（Relative Difference：某一次測量的絕對偏差占平均值的百分比）。深藍色、天藍色、橘色分別代表三種公司規模：1-200人、200-1000人、1000人以上。越接近圖表頂部，該技能越應用於較小的公司，反之，位於底部的技能更普遍地出現在 1000 人及以上的公司里。

看完表，我們可以用數據回答先前的猜測：NO。

真實情況是，在規模更大的公司，數據工程師更在意 “企業級” 相關的技能，比如 ETL（Extract-Transform-Load）、BI（Business Intelligence：商業智能）、數據倉庫等，而在較小的公司，數據工程師更多的把心力花在 Python、Java 等編程語言上（編者按：Python 和 Java 作為普通的編程語言，可以用來構建產品，這對於小公司來說屬於核心業務。）

專家洞見 

Will Smith，MIT 的主數據工程師 / 架構師：“數據工程 @大公司 VS. 初創公司”

Will 曾為 Nokia、Warner Bros Games 這種大公司打造過數據技術。在他看來，數據工程師所仰賴的技術，不那麽取決於公司規模本身，而更應該從這麽一種角度出發：你所負責的數據是“寫時模式”（schema-on-write）還是“讀時模式”（schema-on-read）？

他認為，大公司往往在處理數據工程的 BI 方面有所積累，Informatica、Oracle、SAP 都會接觸和使用。這類公司往往在“寫時模式”的環境里工作。

但現如今，很多打造數據科技的公司實際作業的環境是“讀時模式”。“想象一下，公司交給你幾個 TB 的日誌數據，用的 JSON，是關於廣告效果的。數據工程師不知道能從這堆數據中挖掘出什麽，所以你需要開發者寫代碼去做數據發掘，而不是一上來就直接套用 SQL。這和大公司在 ‘寫時模式’ 的環境中做事很不一樣。”

2011年時，Will 正效力於諾基亞 （Nokia）。盡管當時主要經手 “企業級的數據”，但團隊卻選擇“讀時模式”的思路去開展相關工作。

“現在很多數據工程師都這麽做，比較適合規模化的需求。這樣設計和開發出來的東西，可以消化掉來自於各種來源的數據。傳統老舊的 BI 系統就沒這能耐——主要是因為以’寫時模式’為基礎吧，這種老技術不知道在一堆數據里都有什麽，這麽一來我們這些工程師也沒啥頭緒了。” 

9、數據工程師與數據科學家的技能差異是怎樣的

這個數據集體現了數據工程師與數據科學家之間的明顯的技能差異，由此可以將數據工程師與數據科學家的技能構成看作一個頻譜的兩個對立面。

以下這張圖表顯示了一張數據技能頻譜圖，頻譜圖頂端的技能在數據工程師的簡歷中更為常見，而頻譜底端的技能更常出現在數據科學家的簡歷中。

【圖表：數據工程師與數據科學家的區別】

▲ 從圖表的技能構成可以看出，數據工程師更傾向於掌握 “戰術層面” 的具體數據技能，專註於使數據可用並能夠在生產環境中對數據進行處理，如具體的編程語言、操作系統與數據庫等；而數據科學家更傾向於“戰略層面”的數據技能，如數據分析、數據挖掘、統計分析、機器學習等。

10、數據工程師與軟件工程師的技能差異是怎樣的

數據工程師與數據科學家之間的差異是十分明顯的，那麽數據工程師與軟件工程師之間的技能差異又是怎樣的呢？畢竟，正如我們之前所展示的那樣，大部分的數據工程師都具有軟件工程師的背景。

【圖表：數據工程師與軟件工程師之間的區別】

▲ 以數據工程師為中心的最多人選擇的技能是 Hadoop，數據倉庫和 BI——正如你所期望的那樣。與之相反，在軟件工程師端列出的所有技能幾乎都與 web 前端開發相關。最大的兩個例外是 C 語言和 C++ 語言，這是在現代大數據技術棧開發中不常用到的編程語言。

雖然許多數據工程師具有軟件工程師背景，但他們並不是簡單的為了博取加薪而轉換一個新的工作頭銜；他們不得不通過學習新的技能來適應新的角色。

專家洞見 

Ryan Orban，Galvanize CTO：“在數據工程師和數據科學家之間建立更好的關系”

“想一想設計師和前端開發工程師之間的關系，” Ryan Orban 說，“一個角色負責通過想法完成工作，而另一個角色負責將想法付諸實施，這之間可能會導致很多的緊張對立情緒。” Ryan 認為，數據工程師和數據科學家之間的關系與之類似，因此緩解兩者之間的緊張情緒的方法也是相似的。“正如設計師經常被告知需要學習編寫一些代碼，而前端開發工程師也經常被告知要制作一些原型，我鼓勵數據科學家和數據工程師相互學習一些對方所需要掌握的數據技能。”

那麽，數據工程師需要多深入的了解數據科學家的世界呢？

“數據工程師應該對機器學習有一些基本的了解”，Ryan 說，“他們不需要了解所有的數學理論，但是他們應該能夠判斷效率和準確性。相反，數據科學家應該了解架構，以及如何對架構進行擴展，並初步了解生產級的編程語言。”

這種深入了解其他相關學科專業知識的轉變也發生在其他領域。公司習慣於聘請數據科學家來負責市場、產品或者業務分析方面的工作，而聘請數據工程師來完成更廣泛的工程功能。這造成了目標錯位。Ryan 認為這種趨勢正在改變：“ ‘數據團隊’ 是由數據科學家和數據工程師共同構成的這一概念越來越受歡迎。這一如此簡單的改變將很大的改善兩組人員之間的關系。”

文章評論

匿名用戶

發布

全部評論：10

發布

與特朗普會面後 孫正義將為美國創造8000個工作崗位

據日本經濟新聞報道，12月28日，朗普透露，日本軟銀集團旗下的美國移動運營商Sprint與軟銀已決定出資的美國衛星通信新創企業OneWeb將在美國總共雇用8000人。12月6日，孫正義與特朗普舉行會談，承諾將在美國實施500億美元的投資和創造5萬個工作崗位，此次應該是其中的一項具體計劃。

特朗普28日在佛羅里達州接受記者采訪時表示，Sprint和OneWeb將分別雇用5000人和3000人。特朗普同時說：“孫正義是很優秀的人，對他表示感謝”。

Sprint在28日公布的資料顯示，到2017年3月底，將通過再雇用和新雇用的方式提供5000個工作崗位，主要將在客戶接洽和銷售部門擴大招聘規模。

Sprint的年度報告顯示，截至2016年3月底的員工人數約為3萬人，1年時間將增加約17%。而近年來Sprint在美國市場持續陷入苦戰。5年前的2011年12月底的員工人數約為4萬人，通過裁員等舉措在2016年3月底之前裁掉了約1萬人。

此前，軟銀於12月19日公布了對OneWeb出資10億美元的計劃，預計將在2017年3月底之前獲得該公司的股份。軟銀計劃在佛羅里達州建設超小型衛星工廠，從2018年開始投產。

響應新總統號召 斯普林特將把5千個工作崗位遷回美國

12月29日消息，據《華爾街日報》報道，美國候任總統特朗普(Donald Trump)周三表示，他從斯普林特公司(Sprint Corp., S)處得知，這家電信公司將把5,000個工作崗位從海外遷回美國。特朗普認為，這是受自己選舉所傳達的精神和希望的鼓舞。

特朗普在佛羅里達州棕櫚灘的私人宅邸向等候在外面的記者發表簡短聲明說，斯普林特高管給他打了電話，告訴他斯普林特將把5,000個崗位遷回美國。

截至去年年底，斯普林特擁有員工3萬人。斯普林特表示，這些遷回的工作崗位將主要來自海外經銷商管理的銷售職務和呼叫中心客服;斯普林特將立即與美國各州及市政府接洽，尋找合適的安置地點，2018年3月底將全部到位。

斯普林特發言人說，目前還不清楚這5,000名新雇員將隸屬於斯普林特還是第三方經銷商;如果依靠美國的呼叫中心客服，成本會更高，不過公司計劃通過其他渠道削減總成本。

本月早些時候，掌控斯普林特的軟銀集團CEO孫正義在紐約特朗普大廈與特朗普會晤，孫正義當時表示，將在美國投資500億美元並創造5萬個新工作。

特朗普在周三的講話中還表示，一家名為OneWeb的新公司將雇用3,000名員工，這很令人振奮。而此前軟銀也宣布將對衛星互聯網初創公司OneWeb投資10億美元。軟銀當時表示，這項投資將在美國創造3,000個工程、制造和支持性崗位。

物流驅動經濟轉型 菜鳥網絡生態圈帶來大量就業崗位

1月3日消息，第一財經獲悉，作為阿里巴巴戰略鐵三角之一的菜鳥網絡，其構建的物流生態圈正在成為中國新實體經濟重要的一支力量。其生態圈內的合作夥伴，不僅支撐了全國95%以上的快遞包裹運送，也為社會創造大量的勞動崗位，帶來巨額稅收。

2016年，中國快遞業開始全面進入資本時代。圓通、中通、申通、韻達等一批數百億、上千億市值的快遞公司陸續上市。而“三通一達”70%的物流都使用菜鳥網絡的大數據服務。國家郵政局局長馬軍勝介紹，快遞業年均新增的就業崗位約20萬個，對緩解就業壓力作用巨大。

據北京交通大學、阿里研究院和菜鳥網絡聯合發布的《全國社會化電商物流從業人員研究報告》數據顯示，當前物流從業員員已達203.3萬，相較於十年前已增長近13倍。

阿里研究院物流專家粟日表示，“我們發現每增加10000個快遞，可以帶動一個人就業，快遞物流行業已經成為中國經濟轉型的重要新引擎。”

而快遞轉型升級也將帶來很多新的就業崗位，粟日指出，當前互聯網時代的全新快遞行業運營模式，已不限於簡單送貨上門，而是各行各業貿易往來的連接者，包括一線快遞員、倉庫操作員、基層管理人員、客服人員、貨運司機、分揀員以及總部職能人員、智能化設備操作員等等。粟日認為，10年內電商物流行業會向技術工種過度，中國快遞員將成為體面受尊重的職業。

此前國家郵政局局長馬軍曾勝表示，中國快遞業已經連續6年每年增長超過50%，中國已成全球第一快遞大國。在全球每年約700億件的快遞量中，中國占了300億件。

數據顯示，去年1—11月份，全國快遞服務企業業務量累計完成同比增長52.8%，業務收入累計完成3544.1億元，同比增長44.3%。按照最新的300億件快遞量和13億人口計算，2016年中國相當於人均發送了23件快遞。

數據說話：被特朗普密集發難的車企，其實創造的崗位最多

近日，美國候任總統特朗普頻頻對美國車企發難，福特、豐田等大型汽車制造廠商也陸續做出回應。

繼福特公司3日宣布取消16億美元的墨西哥新廠建設計劃，轉而向位於美國密歇根州的一家制造廠投入7億美元並增加就業崗位之後，菲亞特-克萊斯勒也於當地時間1月8日宣布，將在美國投資10億美元用於車廠現代化，並有望創造2000個就業崗位。

這一切似乎都令人產生一種錯覺：美國汽車行業正在迅速將就業崗位轉移至墨西哥。

事實上，據美國勞工統計局的追蹤數據，美國汽車行業創造就業崗位的速度超過任何其他主要行業。

美國勞工統計局於上周五發布的最新數據顯示，自2009年奧巴馬政府上臺以來，美國汽車、卡車和交通運輸工具零部件制造商所支付的薪資報酬增長了近35%，超過勞工統計局追蹤的所有主要行業表現。

奧巴馬上臺前12個月，美國汽車制造商及零配件供應商流失了25萬個就業崗位，超過整個行業就業人數的四分之一。

自那之後，盡管汽車行業雇傭人數仍然遠低於2000年6月時的高位(130萬人)，但該行業已經“收複”了金融危機時期流失的幾乎所有崗位，部分原因是奧巴馬政府對車企進行了救助。

圖片來源：CNBC

從美國勞工統計局的數據可以看出，2010~2016年間，汽車及零配件企業創造的就業崗位數量遙遙領先於其他行業。

圖片來源：CNBC

此外，車企雇員的薪資在美國勞動力市場中也居於前列。

消息稱沃爾瑪計劃1月底前裁撤數百工作崗位 將影響HR部門

據華爾街日報引述知情人士的話稱，沃爾瑪計劃在1月底前裁撤數以百計的工作崗位。

沃爾瑪計劃裁撤總部阿肯色州本頓維(Bentonville)地區的店面支援人員。報導稱，其中許多職位的裁撤將影響沃爾瑪的人力資源部門，公司部分高管認為人力資源團隊規模龐大，效率有待加強，可以將業務交由外部顧問公司處理。而其他部門亦可能受影響。

“雖然我們不斷檢視公司結構，但並未做出任何聲明，”沃爾瑪發言人Randy Hargrove透過電郵表示。

沃爾瑪周二收盤下跌0.7%，報68.23美元。

特朗普笑了！沃爾瑪也宣布今年將在美國創造1萬個就業崗位

1月17日消息，據路透報道，沃爾瑪公司表示，2017年將在美國創造約10,000個工作崗位，主要通過新開或改造店鋪，並投資於電子商務業務實現。

沃爾瑪是美國最大的零售商和私營雇主，沃爾瑪發言人Lorenzo Lopez表示，創造的就業數量與前幾年一致，並無區別。

自從特朗普獲得大選勝利，成功當選為美國總統後，他就曾多次在Twitter上表示不滿，批評各行業的美國公司不在國內擴大生產，從而導致就業率不高。

隨後一些美國公司，特別是汽車制造商，開始陸續宣布在美國投資和擴大生產計劃。在周二通用汽車公司也宣布將向美國制造業務增加10億美元投入，並創造7000個崗位，同時將部分崗位由墨西哥挪回美國。

“末日博士”魯比尼評特朗普政策：刺激美元走強，導致40萬崗位流失

知名經濟學家、“末日博士”魯比尼認為，美國候任總統特朗普的政策“沒道理”，並可能傷害制造業、導致就業崗位流失。

“末日博士”魯比尼評特朗普政策

“市場確實在走高，但請想想(特朗普的)經濟政策……他的政策沒道理，”魯比尼在達沃斯世界經濟論壇上如是對媒體表示。

魯比尼解釋說，特朗普的財政刺激措施和減稅方案將導致更高的長期利率，並使美元進一步強勢，而這將傷害制造業。

“供應側的涓滴經濟學政策並不會幫助白人勞動階級，”他補充說，“強勢美元則會迫使他變得更加保護主義、更加抨擊全球化、貿易和移民。”

魯比尼稱，未來一年半，美元進一步走強將導致制造業流失40萬個工作崗位。

英特爾送特朗普大禮：70億美元本土建廠 創造一萬崗位

2月9日消息，據Business Insider報道， 周三英特爾首席執行官 布萊恩·科茲安尼克 (Brian Krzanich) 和美國總統特朗普舉行了會談，隨後英特爾宣布將在亞利桑那州的半導體工廠投資70億美元。Krzanich說，該公司將完成在亞利桑那州Chandler的一家工廠的建設，將創建其新的7納米半導體。

一名白宮官員援引英特爾的消息將上述計劃中的工廠形容為“全球最先進的半導體工廠”。同時據悉，該工廠將在三至四年內在亞利桑那州直接雇用3000名工人。英特爾還表示，該工廠將創造10,000個總工作崗位。

上述工廠將生產的部分芯片將用於英特爾的新興技術，該公司在其個人電腦業務成熟之際正尋求擴大新興技術業務。這些新領域包括5G互聯網和無人機。

上述白宮官員表示，此舉會影響從汽車到醫療保健等一系列行業。

目前尚不清楚特朗普政府在推動該工廠的開張計劃中可能發揮何種作用。該官員周三表示，英特爾高管料將強調特朗普政府的稅務和監管整頓議程。

亞馬遜計劃在英國創造逾5000個就業崗位

據新華社報道，美國網絡零售業巨頭亞馬遜公司日前宣布，計劃今年在英國創造逾5000個就業崗位。

亞馬遜英國公司發表聲明說，此舉將使亞馬遜在英國的員工人數升至24000人以上。雖然英國決定“脫歐”，但公司在英國的投資計劃不會受到影響。 亞馬遜計劃今年在歐洲創造15000個就業崗位。該公司還計劃在明年年中之前為美國本土提供10萬個就業崗位。

亞馬遜公司此前公布財報顯示，去年第四季度，亞馬遜凈利潤為7.49億美元，同比大幅增長。公司預計今年第一季度營收在332.5億至357.5億美元之間。