什么是数据科学家?
您对解读数据以帮助企业做出更好的战略决策感兴趣吗?你可能会考虑从事数据科学家的职业!
大数据是一个术语，用来描述传统数据处理应用程序无法处理的庞大数据集。这导致对数据科学家的需求日益增长，这些人可以解释所需的数据集，帮助企业做出更好的战略决策。
数据科学家收集和报告数据，并将他们的发现以一种可能影响组织如何应对业务挑战的方式与业务和技术领导者交流。他们在计算机科学、数学和算法、人类行为以及他们所从事的行业知识方面有坚实的基础。
数据科学家做什么?
今天的企业跟踪从网站访问和客户交易到个人消费者评论的一切——我们生活在一个数据过载的世界。隐藏在这些巨大数据中的是新的收入流和业务效率。当复杂的系统产生大量需要利用的数据时，数据科学就会发挥作用。这意味着不仅仅是分析数据。这意味着用复杂的算法建立模型来解释或预测行为。这些模型需要是可测试的，这就是科学过程的作用。
数据科学家不仅要关注数据和它的含义，还要了解问题所在，知道如何将算法与这些问题匹配，并理解工程以提出解决方案。结合统计学、计算机科学和分析学的技能，数据科学家将从数据中提取意义，使企业能够实现隐藏的收入流和业务效率。
数据科学家的典型工作包括从各种来源提取数据，通过分析平台运行数据，然后创建数据的可视化。然后，他们将花数小时从多个角度筛选和分析数据，寻找可能发现问题或机会的趋势。然后将任何见解传达给业务和技术领导者，并建议调整现有的业务策略。
数据科学家的职责和要求:
- 进行广泛的研究
- 筛选来自多个内部和外部来源的大量数据
- 使用复杂的分析程序、机器学习和统计方法来准备数据
- 检查数据，丢弃无关信息
- 从不同的角度分析数据，发现潜在的弱点、趋势和/或机会
- 为紧迫的挑战想出数据驱动的解决方案
- 发明新的算法来解决问题
- 通过可视化和报告向管理层和IT部门清楚地解释发现
- 推荐具有成本效益的变化
数据科学家的工作场所是什么样的?
数据科学家这个术语可以涵盖从学术界到金融或政府的许多行业和组织中的许多角色。
金融、零售和电子商务行业在雇佣数据科学家方面走在了前列，以帮助它们更好地了解不同的受众群体，并针对他们的口味提供特定的产品。然而，随着越来越多的公司开始依赖大数据来做出影响其销售、运营和员工的决策，电信、运输、石油和天然气等行业也在取得进展。
常见问题
什么样的人才能在数据科学领域取得成功?
数据科学的优点之一是它涉及很多不同的领域。如果你是一个善于与人打交道的人，你可能更倾向于一个业务分析师的角色，或者如果你对工程和所涉及的数学更感兴趣，那么你可能更倾向于一个机器学习工程的角色。这里也有很多中间立场。
你的好奇、执着和精确是很重要的。良好的沟通能力是一个主要的加分项，对数学的兴趣和扎实的理解，以及一些编程技能是必不可少的。它们的数量和混合取决于具体的作用。
成为一名数据科学家需要多长时间?
进入这一领域的大多数人都获得硕士学位，这表明数据科学家的平均受教育时间为5至7年。
学士学位——四年
•硕士学位——一到三年
几乎一半的数据科学家拥有博士学位。
那些获得学士学位并在没有先完成硕士学位的情况下攻读博士学位的人需要8到10年的时间:
学士学位——四年
•博士学位- 4至6年
攻读硕士学位并获得博士学位的学生需要9到13年的时间:
学士学位——四年
•硕士学位——一到三年
•博士学位- 4至6年
成为数据科学家的步骤
对于大多数数据科学家来说，进入这一职业的途径包括获得硕士学位，获得专业证书，并欢迎长期的职业学习，以跟上这一不断发展的领域。
我应该成为一名数据科学家吗?
不用说，数据科学家需要数学和统计学的背景，并熟悉几种编程语言。然而，这些技术知识并不是在该领域工作的独立要求。最好的数据科学家也会把一些特殊的人格特质带到工作中:
一个好奇的天性
由于该领域有如此多的领域和如此多的数据点需要分析，数据科学家必须有一种内在的好奇心，驱使他们探索新的领域，解决问题并找到答案。
组织技能
数据科学家得出正确结论的唯一方法是跟踪数百万个数据点，并确保信息以有用的方式组织起来。
沟通技巧
数据科学家比任何人都更了解数据。然而，为了在他们的角色中取得成功，并使他们的组织从他们的服务中受益，他们必须能够向技术和非技术观众传达正确的信息和见解。
商业智慧
对数据科学家来说，业务知识和对构成成功业务模型的要素的理解至关重要。没有这些，他们的技术技能就不能有效地引导他们去发现和解决阻碍企业持续和发展的问题。
专注和坚持
数据科学家会遇到相当多的挫折，特别是当手头的问题似乎没有答案时。保持专注、不断重组、重新分析和修改数据的能力是到达“Eureka”时刻的唯一途径。
数据的直觉
毫无疑问，这是数据科学家所需要的最重要的非技术技能之一——它伴随着经验而来。数据的直觉是在表面上看不到的情况下感知模式的能力;辨别在未被探索的数据位中价值在哪里。这种技能是通过质疑数据是否有意义来培养的，通过问这样的问题，这些功能有意义吗?它们是否反映了你认为它们应该表达的意思?考虑到数据的分布方式，您应该使用哪个模型?如果一个值丢失了，这意味着什么?您应该如何处理它?
擅长处理非结构化数据
数据科学家熟悉高度组织的或结构化数据．但是，他们也必须学会如何与非组织性数据—即存储在数据库外部的信息集合，如事件或安全日志的大型聚合、电子邮件消息、客户反馈响应。，以及其他文本存储库。例如，一个数据科学家与一个营销团队一起工作，以识别消费者行为的洞察力，将更好地为项目配备理解社交媒体和这些媒体可以提供的信息或数据的类型。
对这些问题的回答为数据科学领域的职业生涯提供了一些进一步的洞察:
为什么对数据科学家的需求增加了?
在当今世界，几乎每个公司都有能力收集数据，数据的数量越来越大。这导致了对具有特定技能的人员的更高需求，这些人能够有效地组织和分析这些数据，以收集业务见解。
在数据科学领域工作的优点和缺点是什么?
优点
•薪酬水平明显高于平均水平
•多样化——有机会通过在不同的公司工作获得广泛的视角，并提出与客户保留、营销、新产品和一般业务解决方案相关的解决方案和信息
缺点
•极端的多样性——有时会因为不能完全投入到一个特定的话题而导致沮丧
•不断发展的系统和软件——有时会导致在确定哪些是最适合特定项目的时候产生混乱
数据科学家是什么样的?
根据我们的用户池，数据科学家往往主要是调查人员。他们从大型数据库中访问信息，使用代码操作数据，将数字可视化为数字格式，并将数据转换为可操作的洞察，涉及从产品开发到客户保留到新商业机会的方方面面。很难想象还有什么职业比这更重要调查．
数据科学家也被称为:
商业智能咨询