如何成為一名數(shù)據(jù)學(xué)家?不僅取決于你的技能和經(jīng)驗(yàn)，還有教育和培訓(xùn)，都是你成為數(shù)據(jù)學(xué)家的過(guò)程中的重要因素。如果全部具備，那么你的數(shù)據(jù)科學(xué)事業(yè)將會(huì)變得更加順利。

什么是數(shù)據(jù)科學(xué)家?

Data scientists are responsible for discovering insights from massive amounts of structured and unstructured data to help shape or meet specific business needs and goals. The data scientist role is becoming increasingly important as businesses rely more heavily on data analytics to drive decision-making and lean on automation and machine learning as core components of their IT strategies.

數(shù)據(jù)科學(xué)家的目標(biāo)

通常使用專(zhuān)門(mén)設(shè)計(jì)的軟件來(lái)組織和分析大量的數(shù)據(jù)。數(shù)據(jù)科學(xué)家分析的最終結(jié)果應(yīng)該讓投資者能夠輕易的理解，最好通俗易懂， 尤其是對(duì)于非專(zhuān)業(yè)人士。

數(shù)據(jù)科學(xué)家所運(yùn)營(yíng)的數(shù)據(jù)分析方法一般取決于他們的具體需求。在數(shù)據(jù)科學(xué)家從數(shù)據(jù)中發(fā)現(xiàn)個(gè)性化之前，業(yè)務(wù)負(fù)責(zé)人必須告訴他們需要什么。因此，數(shù)據(jù)科學(xué)家必須具備足夠的專(zhuān)業(yè)知識(shí)才能將目標(biāo)轉(zhuǎn)化為可交付的數(shù)據(jù)成果，如預(yù)測(cè)引擎，模式檢測(cè)分析，優(yōu)化算法等。

數(shù)據(jù)科學(xué)家的職責(zé)

數(shù)據(jù)科學(xué)家的主要職責(zé)是數(shù)據(jù)分析，這是一個(gè)從數(shù)據(jù)收集開(kāi)始，到以最終數(shù)據(jù)分析結(jié)果為基礎(chǔ)做出業(yè)務(wù)決策的流程。

數(shù)據(jù)科學(xué)家分析的數(shù)據(jù)，通常稱為大數(shù)據(jù)。有兩類(lèi)數(shù)據(jù)屬于大數(shù)據(jù)：結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)通常按照類(lèi)別進(jìn)行組織，使計(jì)算機(jī)可以輕松進(jìn)行排序，自動(dòng)閱讀和組織。這包括由服務(wù)，產(chǎn)品和電子設(shè)備收集的數(shù)據(jù)，但很少?gòu)娜祟?lèi)輸入收集數(shù)據(jù)。通過(guò)智能手機(jī)收集的網(wǎng)站流量數(shù)據(jù)，銷(xiāo)售數(shù)據(jù)，銀行賬戶或GPS坐標(biāo) - 這些都是結(jié)構(gòu)化的數(shù)據(jù)形式。

非結(jié)構(gòu)化數(shù)據(jù)是大數(shù)據(jù)增長(zhǎng)最快的形式，一般來(lái)源于客戶評(píng)論，電子郵件，視頻，社交媒體帖子等。這些數(shù)據(jù)通常難以通過(guò)技術(shù)進(jìn)行分類(lèi)。由于沒(méi)有簡(jiǎn)化，非結(jié)構(gòu)化數(shù)據(jù)可能需要大量人力來(lái)管理。一般是依靠關(guān)鍵字來(lái)理解非結(jié)構(gòu)化數(shù)據(jù)，以此作為使用可搜索條件提取相關(guān)數(shù)據(jù)的一種方式。

通常情況下，企業(yè)需要數(shù)據(jù)科學(xué)家來(lái)處理這些非結(jié)構(gòu)化數(shù)據(jù)，而其他人員將負(fù)責(zé)管理和維護(hù)結(jié)構(gòu)化數(shù)據(jù)。所以數(shù)據(jù)科學(xué)家可能會(huì)在他們的職業(yè)生涯中處理大量結(jié)構(gòu)化數(shù)據(jù)，但企業(yè)越來(lái)越希望利用非結(jié)構(gòu)化數(shù)據(jù)來(lái)服務(wù)他的利潤(rùn)目標(biāo)。

數(shù)據(jù)科學(xué)家的薪水

數(shù)據(jù)科學(xué)是一個(gè)快速增長(zhǎng)和利潤(rùn)豐厚的行業(yè)，BLS預(yù)測(cè)到這個(gè)行業(yè)職位將在2024年前增長(zhǎng)11%。數(shù)據(jù)科學(xué)家目前正是一個(gè)熱門(mén)的職業(yè)。在Glassdoor的美國(guó)50年最佳職位報(bào)告中，數(shù)據(jù)科學(xué)家的職位空缺，薪水和總體滿意度評(píng)級(jí)，在各行業(yè)中均名列前茅。

根據(jù)Robert Half's 2018年技術(shù)與IT薪資指南的數(shù)據(jù)，數(shù)據(jù)科學(xué)家根據(jù)經(jīng)驗(yàn)得出的平均薪水分解如下：

• 25th percentile: $100,000
• 50th percentile: $119,000
• 75th percentile: $142,750
• 95th percentile: $168,000

數(shù)據(jù)科學(xué)家的要求

每個(gè)行業(yè)都有自己的大數(shù)據(jù)資料供數(shù)據(jù)科學(xué)家分析。根據(jù)BLS，以下是每個(gè)行業(yè)中更常見(jiàn)的大數(shù)據(jù)形式，以及數(shù)據(jù)科學(xué)家可能需要執(zhí)行的分析類(lèi)型。

1. 業(yè)務(wù)：今天，數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)幾乎成為每家公司的戰(zhàn)略 - 但企業(yè)需要數(shù)據(jù)科學(xué)家來(lái)理解信息。業(yè)務(wù)數(shù)據(jù)的數(shù)據(jù)分析可以提供更高效率，更合理庫(kù)存，更少生產(chǎn)錯(cuò)誤以及登高的客戶忠誠(chéng)度等方面的決策信息。
2. 電子商務(wù)：網(wǎng)站收集的不僅僅是購(gòu)買(mǎi)數(shù)據(jù)，數(shù)據(jù)科學(xué)家還可以幫助電子商務(wù)企業(yè)改善客戶服務(wù)，發(fā)現(xiàn)趨勢(shì)從而開(kāi)發(fā)更合理的服務(wù)或產(chǎn)品。
3. 金融：在金融行業(yè)，關(guān)于賬戶、信用、借記交易以及類(lèi)似財(cái)務(wù)數(shù)據(jù)的數(shù)據(jù)，對(duì)于正常運(yùn)營(yíng)的業(yè)務(wù)至關(guān)重要。但對(duì)于這一領(lǐng)域的數(shù)據(jù)科學(xué)家來(lái)說(shuō)，包括欺詐檢測(cè)在內(nèi)的安全性和規(guī)范性也是主要關(guān)注點(diǎn)。
4. 政府：大數(shù)據(jù)有助于政府制定決策，支持三方成員并監(jiān)督總體滿意度。像金融部門(mén)一樣，安全和規(guī)范是數(shù)據(jù)科學(xué)家最關(guān)心的問(wèn)題。
5. 科學(xué)：科學(xué)家一直處理數(shù)據(jù)，但通過(guò)現(xiàn)在的技術(shù)，他們可以更好地收集、分享和分析實(shí)驗(yàn)中的數(shù)據(jù)。這一過(guò)程中數(shù)據(jù)學(xué)家可以發(fā)揮他們優(yōu)勢(shì)。
6. 社交網(wǎng)絡(luò)：社交網(wǎng)絡(luò)數(shù)據(jù)能夠幫助推送更加智能化和針對(duì)性的廣告，提高客戶滿意度。對(duì)帖子，推文，博客和其他社交媒體進(jìn)行持續(xù)的數(shù)據(jù)分析可以幫助企業(yè)不斷改進(jìn)服務(wù)。
7. 醫(yī)療保健：電子醫(yī)療記錄現(xiàn)在成為醫(yī)療機(jī)構(gòu)的標(biāo)準(zhǔn)，這些都是大數(shù)據(jù)對(duì)于安全性和規(guī)范化的奉獻(xiàn)。在這里，數(shù)據(jù)科學(xué)家可以幫助改善醫(yī)療服務(wù)，并發(fā)現(xiàn)可能不被注意到的趨勢(shì)。
8. 電信：所有電子收集數(shù)據(jù)需要被存儲(chǔ)，管理，維護(hù)和分析。數(shù)據(jù)科學(xué)家通過(guò)提供他們想要的功能，幫助公司打擊錯(cuò)誤，改進(jìn)產(chǎn)品并讓客戶滿意。
9. 其他：沒(méi)有一個(gè)行業(yè)能夠抵御大數(shù)據(jù)的驅(qū)動(dòng)，BLS指出你會(huì)在各個(gè)行業(yè)找到工作，例如政治，公用事業(yè)，智能家電等等。

數(shù)據(jù)科學(xué)家的技能

根據(jù)Quora數(shù)據(jù)科學(xué)經(jīng)理William Chen的說(shuō)法，數(shù)據(jù)科學(xué)家的五大技能包括硬和軟技能的混合：

1. 程序設(shè)計(jì)：Chen將此引用為“數(shù)據(jù)科學(xué)家技能集合的最基本”，并指出它為數(shù)據(jù)科學(xué)技能增添了價(jià)值。編程提高了你的統(tǒng)計(jì)技能，幫助你“分析大型數(shù)據(jù)集”，并使你能夠創(chuàng)建自己的工具。
2. 定量分析：分析大型數(shù)據(jù)集的一項(xiàng)重要技能，定量分析將提高你運(yùn)行實(shí)驗(yàn)分析的能力，擴(kuò)展你的數(shù)據(jù)策略并幫助你實(shí)現(xiàn)機(jī)器學(xué)習(xí)。
3. 產(chǎn)品直覺(jué)：理解產(chǎn)品將有助于你進(jìn)行定量分析，它還將幫助你預(yù)測(cè)系統(tǒng)行為，建立指標(biāo)并提高調(diào)試技能。
4. 溝通：可能是所有行業(yè)中最重要的軟技能，強(qiáng)大的溝通技巧將幫助你“充分利用以前列出的所有技能”。
5. 團(tuán)隊(duì)合作：就像溝通一樣，團(tuán)隊(duì)合作對(duì)于成功的數(shù)據(jù)科學(xué)事業(yè)至關(guān)重要。它需要無(wú)私，接受反饋并與團(tuán)隊(duì)分享你的知識(shí)。

如何成為數(shù)據(jù)科學(xué)家

如果你沒(méi)有計(jì)算機(jī)科學(xué)或數(shù)據(jù)分析方面的背景，那么新手訓(xùn)練營(yíng)，學(xué)位課程或認(rèn)證可以提供轉(zhuǎn)換為數(shù)據(jù)科學(xué)家所需的技能。

你需要弄清楚你想要的行業(yè)和職位要求是否需要高等教育學(xué)位，或者認(rèn)證和培訓(xùn)是否能夠滿足應(yīng)聘的要求?；ㄒ恍r(shí)間研究職位要求，找到你想要的職位的共同點(diǎn)。從那里，你可以制定一個(gè)策略，成為一名具備教育，技能和經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家來(lái)獲得這份工作。

數(shù)據(jù)科學(xué)家的教育和培訓(xùn)

成為數(shù)據(jù)科學(xué)家有很多方法，但最傳統(tǒng)的途徑是獲得學(xué)士學(xué)位。根據(jù)BLS的數(shù)據(jù)，大多數(shù)數(shù)據(jù)科學(xué)家擁有碩士學(xué)位或更高的學(xué)位，但對(duì)于每位數(shù)據(jù)科學(xué)家來(lái)說(shuō)并非如此，還有其他方法可以開(kāi)發(fā)數(shù)據(jù)科學(xué)技能。在你進(jìn)入高等教育課程之前，你需要知道你將從事什么行業(yè)以找出最重要的技能，工具和軟件。

由于數(shù)據(jù)科學(xué)需要一些業(yè)務(wù)領(lǐng)域的專(zhuān)業(yè)知識(shí)，數(shù)據(jù)科學(xué)家的角色將因行業(yè)而異，如果你在高技術(shù)行業(yè)工作，則可能需要進(jìn)一步培訓(xùn)。例如，如果你在醫(yī)療保健，政府或科學(xué)領(lǐng)域工作，你需要與從事市場(chǎng)營(yíng)銷(xiāo)，商業(yè)或教育工作相關(guān)的技能。

如果你想培養(yǎng)某些技能以滿足特定的行業(yè)需求，那么可以參加在線課程，新手訓(xùn)練營(yíng)和專(zhuān)業(yè)發(fā)展課程，以幫助磨練你的技能。

數(shù)據(jù)科學(xué)認(rèn)證

除了新手訓(xùn)練營(yíng)和專(zhuān)業(yè)發(fā)展課程外，還有大量有價(jià)值的大數(shù)據(jù)認(rèn)證和數(shù)據(jù)科學(xué)認(rèn)證可以提升你的簡(jiǎn)歷和薪水。

一些流行的數(shù)據(jù)科學(xué)認(rèn)證包括以下內(nèi)容：

• 認(rèn)證分析專(zhuān)家(CAP) - 上限計(jì)劃
• 預(yù)測(cè)分析認(rèn)證專(zhuān)家(CSPA) - 中科院研究院
• Cloudera認(rèn)證專(zhuān)家：CCP數(shù)據(jù)工程師 - Cloudera
• 數(shù)據(jù)科學(xué)證書(shū) - 哈佛擴(kuò)展學(xué)院
• DASCA數(shù)據(jù)科學(xué)證書(shū) - 美國(guó)數(shù)據(jù)科學(xué)委員會(huì)
• IAPA分析憑證 - IAPA
• SAS數(shù)據(jù)科學(xué)學(xué)院 - SAS學(xué)院
• SAS認(rèn)證的大數(shù)據(jù)專(zhuān)家/數(shù)據(jù)科學(xué)家 - SAS研究所
• Simplilearn數(shù)據(jù)科學(xué)認(rèn)證培訓(xùn) - Simplilearn
• Teradata Aster Analytics認(rèn)證 - Teradata

要深入了解有價(jià)值的認(rèn)證，請(qǐng)參閱我們的數(shù)據(jù)科學(xué)認(rèn)證和大數(shù)據(jù)和數(shù)據(jù)分析認(rèn)證指南。

數(shù)據(jù)科學(xué)學(xué)位課程

如果你想走傳統(tǒng)的學(xué)位路線，那么在數(shù)據(jù)科學(xué)方面有很多碩士課程可供選擇。即使沒(méi)有科學(xué)相關(guān)的本科學(xué)位，你仍然可以申請(qǐng)數(shù)據(jù)科學(xué)碩士課程，但它可能需要額外的學(xué)分，考試或計(jì)算機(jī)科學(xué)經(jīng)驗(yàn)。

根據(jù)美國(guó)新聞和世界報(bào)道，這些是數(shù)據(jù)科學(xué)領(lǐng)域的頂尖研究生學(xué)位課程：

1. 統(tǒng)計(jì)學(xué)碩士：斯坦福大學(xué)數(shù)據(jù)科學(xué)
2. 信息與數(shù)據(jù)科學(xué)碩士：伯克利信息學(xué)院
3. 計(jì)算數(shù)據(jù)科學(xué)碩士：卡內(nèi)基梅隆大學(xué)
4. 數(shù)據(jù)科學(xué)碩士：哈佛大學(xué)John A. Paulson工程與應(yīng)用科學(xué)學(xué)院
5. 數(shù)據(jù)科學(xué)碩士：華盛頓大學(xué)
6. 數(shù)據(jù)科學(xué)碩士：約翰霍普金斯大學(xué)懷廷工程學(xué)院
7. 分析碩士：芝加哥大學(xué)格雷厄姆學(xué)院

其他數(shù)據(jù)科學(xué)工作

數(shù)據(jù)科學(xué)家只是數(shù)據(jù)科學(xué)領(lǐng)域中的一個(gè)職位，并不是每個(gè)使用數(shù)據(jù)科學(xué)的公司都在為數(shù)據(jù)科學(xué)家本身招聘。根據(jù)PayScale的數(shù)據(jù)，以下是一些與數(shù)據(jù)科學(xué)相關(guān)的最受歡迎的職位以及每個(gè)職位的平均薪水：

1. 分析經(jīng)理 - $ 92,249
2. 商業(yè)智能分析師 - 66,003美元
3. 數(shù)據(jù)分析師 - 57,768美元
4. 數(shù)據(jù)架構(gòu)師 - 112,790美元
5. 數(shù)據(jù)工程師 - $ 90,811
6. 研究分析師 - 52970美元
7. 研究科學(xué)家 - 77,330美元
8. 統(tǒng)計(jì)員 - 71,374美元

如果你正在尋找建立數(shù)據(jù)科學(xué)的職業(yè)，這些職位你可能也想考慮。數(shù)據(jù)分析是一個(gè)廣闊的領(lǐng)域，所以在開(kāi)始申請(qǐng)工作之前，你需要弄清楚你的特點(diǎn)。一旦你知道你想如何處理數(shù)據(jù)，就可以更容易地縮小與你的技能相匹配的最佳職位空缺。