怎么成为数据科学家

谁是数据科学家？

前几天，我阅读了一篇文章，该文章揭示了高级数据分析如何帮助奥巴马赢得 2012 年总统大选！这个以及更多的故事，比如美国银行从其数据密集型技术中受益，或者 Wipro 向一家美国数据科学公司投资 3000 万美元，或者 Paypal 招聘数据科学家，都清楚地反映了数据科学家是 21 世纪最性感的工作。

在听了这么多关于数据科学的知识之后，让我们来了解一些基础知识吧！

什么是数据科学？

有人称其为数据土木工程，而另一些人则称其为一门学科。毕竟，数据科学到底是什么？

数据科学是一个由 EMC 2流行起来的术语。这是一个从“数据”中提取有价值见解的过程。

当我们生活在大数据时代时，数据科学正在成为一个非常有前途的领域，可以利用和处理从各种来源生成的大量数据。数据科学本身就是一门庞大的学科，由统计学、数学、编程、计算机科学等专业技能组成。数据科学由若干元素、技术和理论组成，包括数学、统计学、预测分析、数据建模、数据工程、数据模拟和可视化。

数据科学学科不是一夜之间发展起来的。事实上，它已经以商业分析或竞争情报的形式存在多年，但现在它的真正潜力才得以实现。数据科学的主要目的是有效地提取和解释数据，并以一种简单的、非技术性的语言将其呈现给最终用户。

因此，数据科学就是构建有用的信息，从而将其转换为数据驱动的产品！

谁是数据科学家？

他/她是不是整天都在为数据苦苦挣扎，还是在他/她的实验室里用复杂的数学做实验？so，“什么才是数据科学家的真实情况”？

这里有几个数据科学家可用的定义。简单来说，数据科学家就是实践数据科学艺术的人。“数据 科学家”这个广受欢迎的术语是由DJ Patil和Jeff Hammerbacher创造的。数据科学家是那些凭借其在某些科学学科中的强大专业知识来破解复杂数据问题的人。他们使用与数学、统计学、计算机科学等相关的几个元素（尽管他们可能不是所有这些领域的专家）。

数据科学家是业务分析师或数据分析师，但有所不同！

尽管所有这些学科的初始培训或基本要求都相似，但数据科学家需要：

农业科学家是否想知道今年小麦产量与去年相比增加的百分比（以及与之相关的原因），或者金融公司是否想根据客户的信誉对其客户进行分类（在发放贷款之前）或零售组织是否想要奖励其忠实客户的额外积分，都需要数据科学家处理大量结构化和非结构化数据，以便做出关键的业务决策。

今天的数据科学家面临的主要挑战不是找到现有业务问题的解决方案，而是确定对组织及其成功最关键的问题。

为什么数据科学家被称为“数据科学家”？

“数据科学家”一词是在考虑到数据科学家从科学领域和应用程序（无论是统计学还是数学）中提取大量信息这一事实后创造的。他们大量使用最新技术来寻找解决方案并得出对组织的成长和发展至关重要的结论。与结构化和非结构化形式的原始数据相比，数据科学家以更有用的形式呈现数据。

就像任何其他科学学科一样，数据科学家总是需要询问并找到他们可用数据的什么、如何、谁和为什么的答案。他们需要制定明确的计划，并努力在有限的时间、精力和金钱内取得成果。

数据科学的三个组成部分：

数据科学由三个部分组成，即组织、打包和交付数据（数据的OPD）。让我们简要介绍一下：

1. 组织数据：
组织是在应用数据处理的最佳实践之后，对数据的物理存储和结构进行规划和执行的地方。

2. 打包数据：
打包是创建原型、应用统计数据和开发可视化的地方。它涉及在逻辑上和美学上以可呈现的形式修改和组合数据。

3. 传递数据：
传递是讲述故事并获得价值的地方。它确保最终结果已交付给有关人员。

数据科学家具备哪些技能？

数据科学家的角色确实是一个具有挑战性的角色！尽管数据科学家所采用的技能和能力差异很大，但要成为一名高效的数据科学家，他应该：

1. 在智能应用各种技术以提取数据并获得解决业务问题和挑战的有用见解方面，他的方法非常具有创新性和独特性。
2. 具有定位和构造丰富数据源的能力。
3. 具有数据挖掘技术的实践经验，例如图形分析、模式检测、决策树、聚类或统计分析。
4. 通过应用实验和迭代方法和技术来开发操作模型、系统和工具。
5. 从各种来源和角度分析数据并找出隐藏的见解。
6. 执行数据调节——即通过应用统计、数学工具和预测分析将数据转换为有用的形式。
7. 研究、分析、执行和展示统计方法以获得实用的见解。
8. 即使在硬件、软件和带宽受限的情况下也能管理大量数据。
9. 创建可视化，帮助任何人轻松了解数据分析的趋势。
10. 成为团队领导者，并与其他业务分析师、产品经理和工程师进行有效沟通。

简而言之，数据科学家应该在任何这些技能（编程、统计、数学、商业技能）方面都非常强，同时具备相关技能的工作知识。例如，具有强大统计背景的人可以成为数据科学家，同时获得大量的编码和业务技能。

数据科学家就像一个网站管理员，他不仅需要成为多面手，而且至少要精通上述领域中的一个。

那么，数据科学家是做什么的呢？

数据科学家有双重角色——“分析师”和“艺术家”！数据科学家非常好奇，他们喜欢大量的数据，更重要的是，他们喜欢利用如此庞大的数据来得出重要的推论和发现趋势！这就是数据科学家与传统数据分析师的区别。数据科学家不仅会参考一个特定的来源，例如社交媒体网站或日志文件，还会参考各种其他来源，目的是找出对组织非常重要的隐藏洞察力。他们进行“假设”分析，提出问题并从不同角度查看数据，并将大数据转化为下一个大创意！

技能需求：

这是著名数据科学家 Drew Conway 绘制的。该图将数据科学展示为一种非常需要的技能的组合，例如黑客技能、数学技能和统计知识，包括实质性专业知识。

数据科学也是一门艺术！

数据科学不仅是一门科学或技术，它还是一门“艺术”。数据科学是一门在面对大量数据时倾听你的直觉、对其进行分类、评估并得出结论的艺术。不是每个人都喜欢这种艺术！数据科学家需要非常有创意地以各种图形形式可视化数据，并以非常简单友好的方式呈现高度复杂的数据！如果数据科学家能够将可怕的 PB 级结构化和非结构化数据（图像、视频、日志文件等）转换为非常简单的格式，那么他就是“艺术家”！

毕竟只有熟练的数据科学家才能管理麦当劳的数据库或上传到 Youtube 上的视频，或 Tesco 的海量数据或 GE 的医疗保健数据，或管理与 Apollo 的数千名患者血液样本相关的数据或 X 射线产生的非结构化数据！

数据科学家的工作

“美国面临着 140,000 至 190,000 人“具有深厚分析技能的人才短缺，以及 150 万具备利用大数据分析做出有效决策的专业知识的管理人员和分析师。”
– 麦肯锡全球研究所

由于数据科学是一个新兴领域，因此世界各地都有大量机会。
只需浏览任何工作门户；无论是 IT 或医疗保健、零售或政府办公室或学术界、生命科学、海洋学等，不同行业的数据科学家可用的职位空缺数量都会让您大吃一惊。风险投资家从未表现出如此兴奋的投资去喜爱这些数据驱动的初创企业。