CSDN：2018-2019中國開發者調查報告(84頁).pdf

1、 版權聲明 2018-2019中國開發者調查報告版權歸屬CSDN， 并受法律保護。轉載、摘編或利用其他方式使用本調 查報告文字或觀點， 應注明 “來源CSDN” 。 2018-2019 中國開發者調查報告 2018-2019 中國開發者調查報告 2 目錄 CONTENTS 第一章 報告概述 4 1.1 背景和方法 4 1.2 數據處理方法 5 1.3 樣本處理方法 5 1.4 特邀專家顧問 6 第二章 重要發現 7 第三章 軟件開發者現狀分析 9 3.1 軟件開發者基本特征 9 3.2 軟件開發者薪資狀況分析 14 3.3 軟件開發者學習特點分析 20 3.4 軟件開發工具使用特點分析 25

2、3.5 軟件開發者大學畢業就業特點分析 30 第四章 大數據技術應用現狀分析 34 4.1 企業大數據平臺構建及應用情況 34 4.2 企業處理數據及平臺集群規模情況 37 4.3 企業構建大數據平臺所用技術情況 38 第五章 企業使用云服務現狀分析 43 5.1 企業使用云服務方式分析 43 目錄 CONTENTS 第一章 報告概述 4 1.1 背景和方法 4 1.2 數據處理方法 5 1.3 樣本處理方法 5 1.4 特邀專家顧問 6 第二章 重要發現 7 第三章 軟件開發者現狀分析 9 3.1 軟件開發者基本特征 9 3.2 軟件開發者薪資狀況分析 14 3.3 軟件開發者學習特點分析

3、20 3.4 軟件開發工具使用特點分析 25 3.5 軟件開發者大學畢業就業特點分析 30 第四章 大數據技術應用現狀分析 34 4.1 企業大數據平臺構建及應用情況 34 4.2 企業處理數據及平臺集群規模情況 37 4.3 企業構建大數據平臺所用技術情況 38 第五章 企業使用云服務現狀分析 43 5.1 企業使用云服務方式分析 43 | 報告概述 3 5.2 企業云平臺部署特點 45 5.3 企業構建云服務平臺技術選型分析 47 第六章 人工智能技術應用現狀分析 52 6.1 企業人工智能應用狀況及面臨挑戰 52 6.2 人工智能技術應用現狀 55 6.3 人工智能行業應用及展望 57

4、第七章 區塊鏈技術應用現狀分析 59 7.1 區塊鏈開發者認知度 59 7.2 區塊鏈技術開發特點 62 7.3 區塊鏈應用前景展望 66 第八章 物聯網技術應用現狀分析 69 8.1 物聯網技術應用狀況 69 8.2 物聯網技術開發現狀 71 附錄： 中國城市線具體劃分 76 5.2 企業云平臺部署特點 45 5.3 企業構建云服務平臺技術選型分析 47 第六章 人工智能技術應用現狀分析 52 6.1 企業人工智能應用狀況及面臨挑戰 52 6.2 人工智能技術應用現狀 55 6.3 人工智能行業應用及展望 57 第七章 區塊鏈技術應用現狀分析 59 7.1 區塊鏈開發者認知度 59 7.2

5、區塊鏈技術開發特點 62 7.3 區塊鏈應用前景展望 66 第八章 物聯網技術應用現狀分析 69 8.1 物聯網技術應用狀況 69 8.2 物聯網技術開發現狀 71 附錄： 中國城市線具體劃分 76 2018-2019 中國開發者調查報告 4 第一章 報告概述 1.1 背景和方法 本報告是基于一年一度的CSDN軟件開發者大調查數據分析結果形成的。CSDN最早從2004年開始 針對中國軟件開發者進行大規模調查， 是迄今為止覆蓋國內各類軟件開發者人群數量最多， 輻射地 域、行業分布最廣的調查活動。該調查旨在全面和深入地了解中國軟件開發者群體整體現狀、應用 開發技術以及開發工具、平臺的狀況和發展趨勢

6、等， 它是各相關行業了解中國軟件開發者群體以及 軟件開發服務領域市場的重要參考資料。 2018-2019年中國軟件開發者大調查針對軟件開發技術、應用開發領域等方面對調查問卷進行了重 新設計。本次調查具有以下特點： 調查內容 緊扣技術熱點、把握知識趨勢 我們根據2018年的技術趨勢和熱點以及市場上出現的新產品、新技術， 對調研選項進行了調整和補 充， 力求準確、及時地反映出未來中國軟件開發技術發展變化趨勢。 調查報告 提供定制方案服務、打造調研精品 本次報告依舊在以往簡版報告、完整報告分類基礎上， 提供定制報告分析服務。根據客戶的需求， 我 們以調查的原始數據為基礎， 進行不同維度的數據交叉分析

7、和專家點評， 為企業客戶制定市場及產 品開發策略提供更有針對性的決策依據。 專家介入 行業資深團隊、全面洞悉業界 本次大調查特別成立了專家顧問團隊， 針對調查中涉及的技術領域， 特邀了相關領域的技術專家， 共 同參與調查項的設計并對報告中的部分數據進行專業點評。 本次調查數據的獲取采用大規模線上問 卷數據調查和社區平臺數據挖掘相結合的方式， 除了利用CSDN自身平臺資源之外， 還聯合部分合作 伙伴渠道進行大力推廣以增加數據采集的全面性， 力求調查結果更加客觀、準確。 2018-2019 中國開發者調查報告 4 第一章 報告概述 1.1 背景和方法 本報告是基于一年一度的CSDN軟件開發者大調查

8、數據分析結果形成的。CSDN最早從2004年開始 針對中國軟件開發者進行大規模調查， 是迄今為止覆蓋國內各類軟件開發者人群數量最多， 輻射地 域、行業分布最廣的調查活動。該調查旨在全面和深入地了解中國軟件開發者群體整體現狀、應用 開發技術以及開發工具、平臺的狀況和發展趨勢等， 它是各相關行業了解中國軟件開發者群體以及 軟件開發服務領域市場的重要參考資料。 2018-2019年中國軟件開發者大調查針對軟件開發技術、應用開發領域等方面對調查問卷進行了重 新設計。本次調查具有以下特點： 調查內容 緊扣技術熱點、把握知識趨勢 我們根據2018年的技術趨勢和熱點以及市場上出現的新產品、新技術， 對調研選

9、項進行了調整和補 充， 力求準確、及時地反映出未來中國軟件開發技術發展變化趨勢。 調查報告 提供定制方案服務、打造調研精品 本次報告依舊在以往簡版報告、完整報告分類基礎上， 提供定制報告分析服務。根據客戶的需求， 我 們以調查的原始數據為基礎， 進行不同維度的數據交叉分析和專家點評， 為企業客戶制定市場及產 品開發策略提供更有針對性的決策依據。 專家介入 行業資深團隊、全面洞悉業界 本次大調查特別成立了專家顧問團隊， 針對調查中涉及的技術領域， 特邀了相關領域的技術專家， 共 同參與調查項的設計并對報告中的部分數據進行專業點評。本次調查數據的獲取采用大規模線上問 卷數據調查和社區平臺數據挖掘相

10、結合的方式， 除了利用CSDN自身平臺資源之外， 還聯合部分合作 伙伴渠道進行大力推廣以增加數據采集的全面性， 力求調查結果更加客觀、準確。 | 報告概述 5 1.2 數據處理方法 數據處理流程 1.3 樣本處理方法 本次調查采取樣本有效性系統方法來保證樣本的有效性： 包括重復填寫問卷排除法、答題邏輯矛盾 排除法、不完整問卷排除法等。 統計分析工具 利用目前流行的大規模數據統計分析工具SPSS， 根據分析目的采用了描述性統計、交叉分析等數據 處理方法。 | 報告概述 5 1.2 數據處理方法 數據處理流程 1.3 樣本處理方法 本次調查采取樣本有效性系統方法來保證樣本的有效性： 包括重復填寫問

11、卷排除法、答題邏輯矛盾 排除法、不完整問卷排除法等。 統計分析工具 利用目前流行的大規模數據統計分析工具SPSS， 根據分析目的采用了描述性統計、交叉分析等數據 處理方法。 2018-2019 中國開發者調查報告 6 1.4 特邀專家顧問（排名不分先后） 開發平臺及工具領域 范懷宇 前豌豆莢技術負責人， 現輕芒聯合創始人 大數據領域 畢洪宇 前餓了么大數據平臺總監 云計算領域 李明宇 奧思數據創始人&CTO 人工智能領域 鮑捷 文因互聯CEO&聯合創始人 區塊鏈領域 孟巖 CSDN副總裁、通正道捷首席架構師 物聯網領域 劉洪峰 葉帆科技創始人兼CEO 教育領域 錢興會楚門智能數據學院創始人 感

12、謝以上專家對調查報告的指導與支持！ 2018-2019 中國開發者調查報告 6 1.4 特邀專家顧問（排名不分先后） 開發平臺及工具領域 范懷宇 前豌豆莢技術負責人， 現輕芒聯合創始人 大數據領域 畢洪宇 前餓了么大數據平臺總監 云計算領域 李明宇 奧思數據創始人&CTO 人工智能領域 鮑捷 文因互聯CEO&聯合創始人 區塊鏈領域 孟巖 CSDN副總裁、通正道捷首席架構師 物聯網領域 劉洪峰 葉帆科技創始人兼CEO 教育領域 錢興會 楚門智能數據學院創始人 感謝以上專家對調查報告的指導與支持！ | 重要發現 7 第二章 重要發現 我們在本次調研過程中有如下主要發現： 1. 30歲以下軟件開發者

13、人數占比超7成， 全國近半數的開發者工作在一線城市 互聯網、軟件、 IT服務三個技術領域涵蓋了國內64%以上的開發者 3140歲的開發者以工程師、高級工程師、架構師、項目經理、總監等職位居多 40歲以上的開發者從事架構設計崗位的比例最高， 達到23% 全國有4成以上開發者月均收入過萬， 其中超6成來自一線城市 8成架構設計師月薪過萬， 其中超4成的架構師平均月薪超過2萬元 2. 軟件開發者學習熱情高漲， 9成開發者通過技術媒體、技術社區、技術論壇等渠道了解行業最新 動態、獲取新知識 超9成開發者計劃通過學習新技術來提升自己的競爭力， 6成開發者每周學習6小時以上 超5成人員愿意為學習購買視頻課

14、程、 圖文課程 38%的開發者未來半年有參加培訓的計劃， 其中超過8成的開發者參加培訓的預算來自個人 3. 7成開發者在使用Java語言， 近6成開發者近期最想學Python語言 開發者的云容器使用率僅15%， 超6成開發者在使用Notepad文本編輯器 Eclipse是最受歡迎的IDE， jQuery、Spring是較受歡迎的Framework 在自動構建工具方面， Maven較受歡迎， 有4成開發者在使用 4. 超7成軟件開發者主要來自二本以上院校， 超8成畢業于計算機與軟件專業 近7成開發者畢業前就找到工作， 超過6成開發者未曾參加過針對大學生的就業培訓 學生就業情況良好， 培訓機構的學

15、生就業也較樂觀。78%的軟件開發者所在公司招聘大學生， 44%的開發者所在公司招聘培訓機構的學生 5. 大數據技術應用開始普及， 但大數據應用場景相對單一 77%的企業在運用大數據技術 | 重要發現 7 第二章 重要發現 我們在本次調研過程中有如下主要發現： 1. 30歲以下軟件開發者人數占比超7成， 全國近半數的開發者工作在一線城市 互聯網、軟件、 IT服務三個技術領域涵蓋了國內64%以上的開發者 3140歲的開發者以工程師、高級工程師、架構師、項目經理、總監等職位居多 40歲以上的開發者從事架構設計崗位的比例最高， 達到23% 全國有4成以上開發者月均收入過萬， 其中超6成來自一線城市 8

16、成架構設計師月薪過萬， 其中超4成的架構師平均月薪超過2萬元 2. 軟件開發者學習熱情高漲， 9成開發者通過技術媒體、技術社區、技術論壇等渠道了解行業最新 動態、獲取新知識 超9成開發者計劃通過學習新技術來提升自己的競爭力， 6成開發者每周學習6小時以上 超5成人員愿意為學習購買視頻課程、 圖文課程 38%的開發者未來半年有參加培訓的計劃， 其中超過8成的開發者參加培訓的預算來自個人 3. 7成開發者在使用Java語言， 近6成開發者近期最想學Python語言 開發者的云容器使用率僅15%， 超6成開發者在使用Notepad文本編輯器 Eclipse是最受歡迎的IDE， jQuery、Spri

17、ng是較受歡迎的Framework 在自動構建工具方面， Maven較受歡迎， 有4成開發者在使用 4. 超7成軟件開發者主要來自二本以上院校， 超8成畢業于計算機與軟件專業 近7成開發者畢業前就找到工作， 超過6成開發者未曾參加過針對大學生的就業培訓 學生就業情況良好， 培訓機構的學生就業也較樂觀。78%的軟件開發者所在公司招聘大學生， 44%的開發者所在公司招聘培訓機構的學生 5. 大數據技術應用開始普及， 但大數據應用場景相對單一 77%的企業在運用大數據技術 8 2018-2019 中國開發者調查報告 目前61%的企業對大數據的應用更多地體現在統計分析、報表及數據可視化上 Spark、

18、 Redis和Kafka正在成為企業大數據平臺通用技術組件 6. 86%的企業正在使用云服務， 近8成企業利用云平臺已經開發應用或正在開發應用 安全是企業選擇公有云服務時最大的顧慮， 也是進行云技術相關開發時的最大問題 企業在虛擬機、 網絡存儲、負載均衡方面應用云計算較為普遍， 使用率分別是61%、50%、42% 基于Docker或OpenStack是當前云平臺部署的兩種主流框架 7. 區塊鏈技術近兩年剛剛興起， 27%開發者有應用或準備應用， 66%開發者尚處于初步了解階段， 7%開發者完全不了解， 但是相比于2017年， 這項技術被了解和關注的程度大幅度提高 比特幣和以太坊是當前兩種主流的

19、區塊鏈開發平臺 近五成開發者看好區塊鏈與大數據結合， 近八成考慮1年內進入區塊鏈行業 未來一年有79%的開發者會考慮進入區塊鏈行業 8. 人工智能技術日益受到企業和市場的關注， 應用前景廣闊 近4成開發者表示其技術領域正在嘗試使用AI/機器學習/深度學習 73%的開發者通過自學方式學習AI/機器學習/深度學習技術， 47%開發者通過工作中實踐、線上 培訓課程來學習AI技術 9. 物聯網產業鏈上企業主要集中在智能設備環節， 智能家居是物聯網最大的應用領域 48%的開發者表示物聯網正處于發展迅速階段， 39%表示剛起步 Wi-Fi是應用最普遍的物聯網通信技術 8 2018-2019 中國開發者調查

20、報告 目前61%的企業對大數據的應用更多地體現在統計分析、報表及數據可視化上 Spark、 Redis和Kafka正在成為企業大數據平臺通用技術組件 6. 86%的企業正在使用云服務， 近8成企業利用云平臺已經開發應用或正在開發應用 安全是企業選擇公有云服務時最大的顧慮， 也是進行云技術相關開發時的最大問題 企業在虛擬機、 網絡存儲、負載均衡方面應用云計算較為普遍， 使用率分別是61%、50%、42% 基于Docker或OpenStack是當前云平臺部署的兩種主流框架 7. 區塊鏈技術近兩年剛剛興起， 27%開發者有應用或準備應用， 66%開發者尚處于初步了解階段， 7%開發者完全不了解， 但

21、是相比于2017年， 這項技術被了解和關注的程度大幅度提高 比特幣和以太坊是當前兩種主流的區塊鏈開發平臺 近五成開發者看好區塊鏈與大數據結合， 近八成考慮1年內進入區塊鏈行業 未來一年有79%的開發者會考慮進入區塊鏈行業 8. 人工智能技術日益受到企業和市場的關注， 應用前景廣闊 近4成開發者表示其技術領域正在嘗試使用AI/機器學習/深度學習 73%的開發者通過自學方式學習AI/機器學習/深度學習技術， 47%開發者通過工作中實踐、線上 培訓課程來學習AI技術 9. 物聯網產業鏈上企業主要集中在智能設備環節， 智能家居是物聯網最大的應用領域 48%的開發者表示物聯網正處于發展迅速階段， 39%

22、表示剛起步 Wi-Fi是應用最普遍的物聯網通信技術 | 軟件開發者現狀分析 9 第三章 軟件開發者現狀分析 3.1 軟件開發者基本特征 我們將開發者根據年齡范圍劃分成三類， 對不同年齡段開發者群體進行特征分析后呈現出如下特點： 圖表1：軟件開發者基本特征2018-2019中國開發者調查報告 | 軟件開發者現狀分析 9 第三章 軟件開發者現狀分析 3.1 軟件開發者基本特征 我們將開發者根據年齡范圍劃分成三類， 對不同年齡段開發者群體進行特征分析后呈現出如下特點： 圖表1：軟件開發者基本特征2018-2019中國開發者調查報告 10 2018-2019 中國開發者調查報告 圖表2：軟件開發者年齡

23、占比對比2018-2019中國開發者調查報告 30歲以下軟件開發者人數占比超7成， 全國近半數的開發者工作在一線城市（北京、上海、廣州、 深圳、天津）， 本科及以上學歷占8成， 91%的開發者是男性 互聯網、軟件、 IT服務三個技術領域涵蓋了國內64%以上的開發者 3140歲的開發者以工程師、高級工程師、架構師、項目經理、總監等職位居多 40歲以上的開發者從事架構設計崗位的比例最高， 達到23% 10 2018-2019 中國開發者調查報告 圖表2：軟件開發者年齡占比對比2018-2019中國開發者調查報告 30歲以下軟件開發者人數占比超7成， 全國近半數的開發者工作在一線城市（北京、上海、廣

24、州、 深圳、天津）， 本科及以上學歷占8成， 91%的開發者是男性 互聯網、軟件、 IT服務三個技術領域涵蓋了國內64%以上的開發者 3140歲的開發者以工程師、高級工程師、架構師、項目經理、總監等職位居多 40歲以上的開發者從事架構設計崗位的比例最高， 達到23% | 軟件開發者現狀分析 11 圖表3：不同工作方向的年齡分布2018-2019中國開發者調查報告 和國外開發者年齡分布趨勢基本一致， 國內的軟件開發群體一直呈現出越來越年輕化的特點。從我 們2015年到2018年的調研數據來看， 30歲以下的開發者人群占比在7成以上， 一直是軟件開發領域 的主力軍。 | 軟件開發者現狀分析 11

25、圖表3：不同工作方向的年齡分布2018-2019中國開發者調查報告 和國外開發者年齡分布趨勢基本一致， 國內的軟件開發群體一直呈現出越來越年輕化的特點。從我 們2015年到2018年的調研數據來看， 30歲以下的開發者人群占比在7成以上， 一直是軟件開發領域 的主力軍。 12 2018-2019 中國開發者調查報告 女性開發者相對更多地集中在前端開發、測試及數據分析相關職位。 圖表4：不同崗位軟件開發者的性別分布2018-2019中國開發者調查報告 12 2018-2019 中國開發者調查報告 女性開發者相對更多地集中在前端開發、測試及數據分析相關職位。 圖表4：不同崗位軟件開發者的性別分布2

26、018-2019中國開發者調查報告 | 軟件開發者現狀分析 13 圖表5：不同行業軟件開發者的工作方向分布2018-2019中國開發者調查報告 從不同行業對云計算大數據、人工智能、 區塊鏈等新技術的關注來看， 銀行、外包服務、交通物 流運輸等行業對大數據云計算關注更多， 電子技術半導體集成電路、教育培訓學術科 研院校、計算機硬件網絡設備等行業對人工智能的關注更多。 | 軟件開發者現狀分析 13 圖表5：不同行業軟件開發者的工作方向分布2018-2019中國開發者調查報告 從不同行業對云計算大數據、人工智能、 區塊鏈等新技術的關注來看， 銀行、外包服務、交通物 流運輸等行業對大數據云計算關注更多

27、， 電子技術半導體集成電路、教育培訓學術科 研院校、計算機硬件網絡設備等行業對人工智能的關注更多。 14 2018-2019 中國開發者調查報告 3.2 軟件開發者薪資狀況分析 全國有48%以上開發者月均收入過萬， 其中超6成來自一線城市 月薪在8千元及以下的占32%， 8千至1萬的占20%， 1-2萬占36%， 2萬以上占12%。 圖表6：軟件開發者月薪分布2018-2019中國開發者調查報告 圖表7：不同級別城市的月薪過萬開發者比例（城市劃分詳見附錄）2018-2019中國開發者調查報告 在一線城市（北京、 上海、 廣州、 深圳）中， 月薪過萬的軟件開發者占比為63%， 該比例遠高于國內其

28、它 城市。 對比2017年數據可以發現， 在各級城市中， 月入過萬的軟件開發者比重均有所提升。 14 2018-2019 中國開發者調查報告 3.2 軟件開發者薪資狀況分析 全國有48%以上開發者月均收入過萬， 其中超6成來自一線城市 月薪在8千元及以下的占32%， 8千至1萬的占20%， 1-2萬占36%， 2萬以上占12%。 圖表6：軟件開發者月薪分布2018-2019中國開發者調查報告 圖表7：不同級別城市的月薪過萬開發者比例（城市劃分詳見附錄）2018-2019中國開發者調查報告 在一線城市（北京、 上海、 廣州、 深圳）中， 月薪過萬的軟件開發者占比為63%， 該比例遠高于國內其它

29、城市。 對比2017年數據可以發現， 在各級城市中， 月入過萬的軟件開發者比重均有所提升。 | 軟件開發者現狀分析 15 圖表8：月薪過萬開發者所在城市分布2018-2019中國開發者調查報告 圖表9：不同性別開發者月薪對比2018-2019中國開發者調查報告 在所有受訪的月薪過萬軟件開發者中， 來自一線城市的占63%， 新一線城市和二線城市各占15%， 其他 城市合計僅占7%（城市劃分詳見附錄） 。 數據顯示， 男女軟件開發者薪資水平有一定的差異。 在男性軟件開發者中， 月收入超過萬元的占49%， 而女性月入過萬的僅38%。 | 軟件開發者現狀分析 15 圖表8：月薪過萬開發者所在城市分布2

30、018-2019中國開發者調查報告 圖表9：不同性別開發者月薪對比2018-2019中國開發者調查報告 在所有受訪的月薪過萬軟件開發者中， 來自一線城市的占63%， 新一線城市和二線城市各占15%， 其他 城市合計僅占7%（城市劃分詳見附錄） 。 數據顯示， 男女軟件開發者薪資水平有一定的差異。 在男性軟件開發者中， 月收入超過萬元的占49%， 而女性月入過萬的僅38%。 16 2018-2019 中國開發者調查報告 通過結合受教育程度和薪資水平的數據特點來看， 學歷越高的人群中， 月薪2萬元以上的高收入比例 越高。 近八成開發者本年度月薪增加幅度在3000元以內 本次調研數據顯示， 近8成的

31、開發者月薪增長數字在3000元以內， 僅2成的開發者工資增長幅度達到 3000元及以上。 圖表10：不同教育程度的軟件開發者月薪分布2018-2019中國開發者調查報告 圖表11：軟件開發者月薪增長范圍分布2018-2019中國開發者調查報告 16 2018-2019 中國開發者調查報告 通過結合受教育程度和薪資水平的數據特點來看， 學歷越高的人群中， 月薪2萬元以上的高收入比例 越高。 近八成開發者本年度月薪增加幅度在3000元以內 本次調研數據顯示， 近8成的開發者月薪增長數字在3000元以內， 僅2成的開發者工資增長幅度達到 3000元及以上。 圖表10：不同教育程度的軟件開發者月薪分布

32、2018-2019中國開發者調查報告 圖表11：軟件開發者月薪增長范圍分布2018-2019中國開發者調查報告 | 軟件開發者現狀分析 17 通信（設備/運營/增值）行業的軟件開發者高收入人群比例最高 通信（設備/運營/增值）行業的軟件開發者高收入人群占比最高， 62%的人群月薪超過1萬元。 網絡游 戲、 互聯網行業的月薪過萬的高收入者比重也較高， 占比為53%。 圖表12：軟件開發者不同行業的薪資范圍分布2018-2019中國開發者調查報告 | 軟件開發者現狀分析 17 通信（設備/運營/增值）行業的軟件開發者高收入人群比例最高 通信（設備/運營/增值）行業的軟件開發者高收入人群占比最高，

33、62%的人群月薪超過1萬元。 網絡游 戲、 互聯網行業的月薪過萬的高收入者比重也較高， 占比為53%。 圖表12：軟件開發者不同行業的薪資范圍分布2018-2019中國開發者調查報告 18 2018-2019 中國開發者調查報告 從事軟件架構設計崗位的開發者8成月薪過萬 通過數據交叉對比分析發現， 超8成架構設計師月薪過萬， 超4成的架構師平均月薪超過2萬元。 圖表13：軟件開發者不同崗位薪資范圍分布2018-2019中國開發者調查報告 18 2018-2019 中國開發者調查報告 從事軟件架構設計崗位的開發者8成月薪過萬 通過數據交叉對比分析發現， 超8成架構設計師月薪過萬， 超4成的架構師

34、平均月薪超過2萬元。 圖表13：軟件開發者不同崗位薪資范圍分布2018-2019中國開發者調查報告 | 軟件開發者現狀分析 19 從業年限在20年以上的人群超5成月薪過2萬 從業年限越長， 收入越高。從業年限20年以上的人群中， 52%收入在2萬元以上。在從業年限6-10年 的人群中， 這一比例下降至34%， 在3-5年從業年限的人群中， 僅有10%。 周工作時長在51-60小時的人群中， 近6成收入過萬 周工作時長在51-60小時的人群中， 58%收入過萬。周工作不足40小時的人群中， 僅有36%的人收入 過萬。 圖表14：軟件開發者不同從業年限薪資范圍分布2018-2019中國開發者調查報

35、告 圖表15：軟件開發者不同周工作時長薪資范圍分布2018-2019中國開發者調查報告 | 軟件開發者現狀分析 19 從業年限在20年以上的人群超5成月薪過2萬 從業年限越長， 收入越高。從業年限20年以上的人群中， 52%收入在2萬元以上。在從業年限6-10年 的人群中， 這一比例下降至34%， 在3-5年從業年限的人群中， 僅有10%。 周工作時長在51-60小時的人群中， 近6成收入過萬 周工作時長在51-60小時的人群中， 58%收入過萬。周工作不足40小時的人群中， 僅有36%的人收入 過萬。 圖表14：軟件開發者不同從業年限薪資范圍分布2018-2019中國開發者調查報告 圖表15

36、：軟件開發者不同周工作時長薪資范圍分布2018-2019中國開發者調查報告 20 2018-2019 中國開發者調查報告 3.3 軟件開發者學習特點分析 信息技術類網站是開發者了解行業動態和學習知識的主要渠道 在本次調研中， 92%的開發者會通過技術媒體、技術社區、技術論壇等網站了解行業最新動態、獲取 新知識， 閱讀技術類書籍也是開發者進行系統性學習的主要方式， 占比56%。 超5成人員愿意為學習購買視頻課程、 圖文課程 24%的人群愿意通過購買圖書雜志方式進行學習， 17%愿意為線上視頻課程付費， 愿為線下培訓付 費的僅占15%。 圖表16：軟件開發者獲取知識來源分布（調查項為多選）2018

37、-2019中國開發者調查報告 圖表17：軟件開發者愿意付費的學習方式分布（調查項為單選）2018-2019中國開發者調查報告圖表17：軟件開發者愿意付費的學習方式分布（調查項為單選）2018-2019中國開發者調查報告 20 2018-2019 中國開發者調查報告 3.3 軟件開發者學習特點分析 信息技術類網站是開發者了解行業動態和學習知識的主要渠道 在本次調研中， 92%的開發者會通過技術媒體、技術社區、技術論壇等網站了解行業最新動態、獲取 新知識， 閱讀技術類書籍也是開發者進行系統性學習的主要方式， 占比56%。 超5成人員愿意為學習購買視頻課程、 圖文課程 24%的人群愿意通過購買圖書雜

38、志方式進行學習， 17%愿意為線上視頻課程付費， 愿為線下培訓付 費的僅占15%。 圖表16：軟件開發者獲取知識來源分布（調查項為多選）2018-2019中國開發者調查報告 圖表圖表圖表171717：軟件開發者愿意付費的學習方式分布（調查項為單選）：軟件開發者愿意付費的學習方式分布（調查項為單選）：軟件開發者愿意付費的學習方式分布（調查項為單選）2018-20192018-20192018-2019中國開發者調查報告中國開發者調查報告中國開發者調查報告 | 軟件開發者現狀分析 21 圖表18：軟件開發者計劃提升事業的方式分布（調查項為多選） 2018-2019中國開發者調查報告 圖表19：軟件

39、開發者每周學習時長 2018-2019中國開發者調查報告 圖表20：軟件開發者未來6個月是否有培訓計劃 2018-2019中國開發者調查報告 圖表21：開發者參加培訓的預算來源 2018-2019中國開發者調查報告 超9成開發者計劃通過學習新技術來提升自己的事業， 6成開發者每周學習6小時以上 超9成開發者計劃通過學習新技術來提升自己的事業。近5成開發者愿意參與到開源社區項目中。 62%的開發者每周學習6小時以上。 38%的開發者未來半年有培訓計劃， 超過8成的開發者參加培訓的預算來自個人 38%的開發者未來半年有培訓計劃。超過8成的開發者參加培訓的預算來自個人，來自公司的僅占 15%。 |

40、軟件開發者現狀分析 21 圖表18：軟件開發者計劃提升事業的方式分布（調查項為多選） 2018-2019中國開發者調查報告 圖表19：軟件開發者每周學習時長 2018-2019中國開發者調查報告 圖表20：軟件開發者未來6個月是否有培訓計劃 2018-2019中國開發者調查報告 圖表21：開發者參加培訓的預算來源 2018-2019中國開發者調查報告 超9成開發者計劃通過學習新技術來提升自己的事業， 6成開發者每周學習6小時以上 超9成開發者計劃通過學習新技術來提升自己的事業。近5成開發者愿意參與到開源社區項目中。 62%62%的開發者每周學習的開發者每周學習6 6小時以上。小時以上。 38%

41、的開發者未來半年有培訓計劃， 超過8成的開發者參加培訓的預算來自個人 38%的開發者未來半年有培訓計劃。超過8成的開發者參加培訓的預算來自個人，來自公司的僅占 15%。 22 2018-2019 中國開發者調查報告 開發者最感興趣的培訓方向是人工智能、大數據云計算 58%的開發者對人工智能培訓方向感興趣， 50%對大數據云計算感興趣。 圖表22：開發者可接受的線上培訓類型（調查項為多選） 2018-2019中國開發者調查報告 圖表23：吸引開發者線上培訓服務（調查項為多選） 2018-2019中國開發者調查報告 時長越短的線上培訓越受歡迎， 較受歡迎的線上培訓服務為講師實時答疑 時長越短的線上

42、培訓越受歡迎， 500元以下且周期1個月以內的線上培訓接受率超過5成。63的開發 者傾向于線上培訓的講師實時答疑服務。 圖表24：開發者最感興趣的培訓方向（調查項為多選）2018-2019中國開發者調查報告 22 2018-2019 中國開發者調查報告 開發者最感興趣的培訓方向是人工智能、大數據云計算 58%的開發者對人工智能培訓方向感興趣， 50%對大數據云計算感興趣。 圖表22：開發者可接受的線上培訓類型（調查項為多選） 2018-2019中國開發者調查報告 圖表23：吸引開發者線上培訓服務（調查項為多選） 2018-2019中國開發者調查報告 時長越短的線上培訓越受歡迎， 較受歡迎的線上

43、培訓服務為講師實時答疑 時長越短的線上培訓越受歡迎， 500元以下且周期1個月以內的線上培訓接受率超過5成。63的開發 者傾向于線上培訓的講師實時答疑服務。 圖表24：開發者最感興趣的培訓方向（調查項為多選）2018-2019中國開發者調查報告 | 軟件開發者現狀分析 23 【顧問點評】 ： 可以看到2015年至2016年， 企業運用大數據技術開發應用的比例僅有24%， 而到了2017年至2018年 有78%的企業正在應用大數據技術， 達到了50%的增加， 我們可以說大數據已經深入了廣大企業內 部。而對于大數據平臺來講， 在2018年有40%的企業選擇基于私有云平臺進行部署， 這意味著與云 融

44、合， 是以后大數據技術的趨勢。而對于大數據團隊的規模來講， 一般在30人左右， 說明大數據團隊 在整個IT團隊中的比例應該占到5%-10%之間， 這表明大數據團隊已經逐漸成為企業IT部門中非常重 要的一個環節， 按照阿里中臺戰略， 可以預見的是， 未來AI、BI、數據中心， 可能都會統一到大數據 團隊， 大數據團隊會與數據一樣， 成為企業核心的驅動力。所以對于該行業從業者來講， 未來無論是 薪酬還是地位都會逐漸地提高， 整體呈一個上升趨勢。 而在企業大數據應用類型中，統計分析、報表、用戶畫像、個性化推薦等已經是大數據應用中的主 力， 這個原因值得推敲， 從我個人的經驗來看， 這一切的核心要素是

45、因為企業正在逐漸面向以客戶為 中心的轉型中， 希望通過數據更好的了解客戶， 更好的為客戶服務， 進而提升企業的收入， 品牌形象 等。所以作為大數據從業者， 應該加強用戶畫像建模， 個性化推薦等應用的學習與研發能力。 從企業的大數據集群規模來看， 80%集中在500節點以下， 一般情況， 這樣規模的集群， 需要3-10名 維護人員， 這意味著， 大數據維護人員的數量在整個企業內部的人不是特別多， 主要多的還是數據應 用開發。所以相對來講， 從事開發工作會更好的接觸業務， 更有利于自身的發展。 而從技能工具的角度來看， Spark正在成為主流的技術， ElasticSearch技術也正在受關注，

46、在Spark 中， 因為主要是開發數據分析應用， Spark SQL與PySpark會應用比較多， 因為我們開發機器學習組 件主要是Python語言， 所以與Spark結合的組件主要是PySpark， 那么對于學習者來講， 應該加大學 習這兩項技術， 同時結合消息中間件， 例如Redis， Kafka目前是主流的中間件技術， 主要是因為大數 據處理的數據， 日志居多， 使用Kafka比較適合， 同時大數據需要存儲很多中間結果為前臺調用， 例 如我們在實現推薦系統的時候， 需要保存針對每個用戶的推薦內容， 那么Redis緩存是不二選擇。 而從整體的變化來講， 大數據人才缺乏， 大數據應用落地困難

47、， 更重視數據分析挖掘、建模， 注重實 時化， 已經成為了大數據新的發展趨勢， 我們也可以相信， 大數據會在企業里面應用越來越廣泛。 對于大數據相關技術的學習者來講， 我們可以看到視頻+圖文教程， 購買圖書/雜志， 線上視頻課程， 已經基本得到了知識付費者認可， 因為目前生活節奏變快， 導致大家無法按照固定的學習時間進行 學習， 所以通過視頻等方式， 具有非常好的便捷性。課程的價格在1000以下， 時間1-2個月也是主流。 面對線上學習這種特點， 其實對于課程設計人員提出了更高的要求。課程開發人員， 需要將課程知識 | 軟件開發者現狀分析 23 【顧問點評】 ： 可以看到2015年至2016年

48、， 企業運用大數據技術開發應用的比例僅有24%， 而到了2017年至2018年 有78%的企業正在應用大數據技術， 達到了50%的增加， 我們可以說大數據已經深入了廣大企業內 部。而對于大數據平臺來講， 在2018年有40%的企業選擇基于私有云平臺進行部署， 這意味著與云 融合， 是以后大數據技術的趨勢。而對于大數據團隊的規模來講， 一般在30人左右， 說明大數據團隊 在整個IT團隊中的比例應該占到5%-10%之間， 這表明大數據團隊已經逐漸成為企業IT部門中非常重 要的一個環節， 按照阿里中臺戰略， 可以預見的是， 未來AI、BI、數據中心， 可能都會統一到大數據 團隊， 大數據團隊會與數據

49、一樣， 成為企業核心的驅動力。所以對于該行業從業者來講， 未來無論是 薪酬還是地位都會逐漸地提高， 整體呈一個上升趨勢。 而在企業大數據應用類型中，統計分析、報表、用戶畫像、個性化推薦等已經是大數據應用中的主 力， 這個原因值得推敲， 從我個人的經驗來看， 這一切的核心要素是因為企業正在逐漸面向以客戶為 中心的轉型中， 希望通過數據更好的了解客戶， 更好的為客戶服務， 進而提升企業的收入， 品牌形象 等。所以作為大數據從業者， 應該加強用戶畫像建模， 個性化推薦等應用的學習與研發能力。 從企業的大數據集群規模來看， 80%集中在500節點以下， 一般情況， 這樣規模的集群， 需要3-10名 維護人員， 這意味著， 大數據維護人員的數量在整個企業內部的人不是特別多， 主要多的還是數據應 用開發。所以相對來講， 從事開發工作會更好的接觸業務， 更有利于自身的發展。 而從技能工具的角度來看， Spark正在成為主流的技術， ElasticSearch技術也正在受關注， 在Spark 中， 因為主要是開發數據分析應用， Spark SQL與PySpark會應用比較多， 因為我們開發機器學習組 件主要是P