学习新的数据工具可以提高你的价值和工资。但最好的选择其实取决于你现在熟悉的工具，不理解没关系，继续往下看，看有哪些工具可以加进你的工具包中。

数据专家是当今IT界的明星之一。这些专业人员可以执行从分析到工程，到编码的各种任务，并且经常被要求为整个企业具有战略意义的项目做贡献。

在数字化时代，数据量持续增长，对所有数据的洞察力已经成为成功的关键，而数据专家恰恰是这一切的核心。

数据专家的薪水也承认了这一点。行政招聘公司Burtch Works年度数据科学家工资调查显示，经验不足的工作者大概是97,000美元，而经验丰富的则可以达到152,000美元，居于管理层的数据科学家的薪资更是高达240,000美元。据外媒报道，截至2016年11月1日，美国数据科学家的平均工资为113,436美元，而数据工程师的平均工资是95,526美元。

了解各行业的薪水范围，或许可以帮助你选一个不错的就业方向。但一旦你早已选定方向，就应该想想怎么做可以提高薪水了。针对这一问题，O'Reilly 2016年数据科学家薪资调查组提供了一个十分独到的见解。

O'Reilly报告不是仅提供一个简单的观点，相反，它提供了一个数据模型，为这个问题提供了十分个性化的答案。如果你现在熟悉的工具是Excel，每天工作用到的也是Excel，那我跟你推荐Apache Spark或Apache Kafka，可能没有任何帮助，这就是为什么最好的推荐是基于你现在熟悉的工具的原因了。工具到底好不好，取决于对你的工作是否有帮助。即使我们都知道会Apache Spark的人可能赚的钱很多，但如果你现在只用得到Excel，学习Spark也并不会增加你的薪水，你下一个最好的选择应该是SQL。

以下给出的列表是基于一些数据分析得出的，学习顺序就是下图工具排列的前后顺序(表中第一行表示你现在已经掌握的工具)。

本文转自d1net（转载）