什么是数据科学家？
数据科学家的职责是发现大量结构化和非结构化数据的洞察，以帮助塑造或满足特定的业务需求和目标。数据科学家在数据分析中的作用变得越来越重要，因为企业越来越依赖大数据和数据分析来推动决策，更多的企业将云技术、自动化和机器学习作为IT战略的核心组成部分。
数据科学家的主要目标是组织和分析大量数据，他们通常使用专门为此任务设计的软件。数据科学家的数据分析的最终结果要足以让所有参与投资的利益相关者能轻松地理解，特别是那些非IT领域的人。
数据科学家的数据分析方法不仅取决于他们从事的行业，还取决于他们正在开展的业务或部门的具体需求。在数据科学家可以在结构化或非结构化数据中找到意义之前，企业领导、部门和管理者需要就他们正在寻找的内容进行沟通。因此，数据科学家必须具有足够的业务领域专长，将公司或部门目标转化为基于数据的可交付成果，如预测引擎、模式检测分析、优化算法等。
数据科学家的薪水
数据科学是一个增长快速且利润丰厚的领域，BLS预测这一领域的工作将在2024年前增长11％。数据科学家也逐渐成为一个令人满意的长期的职业发展道路。在Glassdoor的“美国50大最佳工作”报告中，数据科学家根据工作机会，薪水和总体工作满意度等级，在各个行业中排名最佳。
根据Robert Half的《2018年技术与IT薪资指南》的数据，数据科学家的基于经验的平均薪水，分解如下：
• 25分位值：100000美元
• 50分位值：119000美元
• 75分位值：142750美元
• 95分位值：168000美元
数据科学家是做什么的？
数据科学家的主要职责是数据分析，这是一个以数据收集开始的过程，并以数据科学家的最终数据分析结果为基础进行的业务决策。
数据科学家分析的数据，通常被称为大数据，它们来源广泛。有两种类型的数据属于大数据：结构化数据和非结构化数据。结构化数据通常按照类别进行组织，以便于计算机自动排序、读取和组织。这包括由服务、产品和电子设备收集的数据，但很少从人类的输入收集数据。你的智能手机收集的网站流量数据、销售数据、银行账户或GPS坐标，这些都是数据的结构化形式。
非结构化数据是增长最快的大数据形式，更有可能来自人类的输入，如客户评论、电子邮件、视频‘社交媒体帖子等。这些数据通常更难分类，而且通过技术管理的效率也较低。由于非结构化数据不太精简，管理它可能需要大量的投资。企业通常依靠关键字来理解非结构化数据，用可搜索的词来提取相关数据。
通常，企业使用数据科学家处理这种非结构化数据，而其他IT人员将负责管理和维护结构化数据。是的，数据科学家可能会在自己的职业生涯中处理大量结构化数据，但是企业越来越想利用非结构化数据来满足其收入目标，从而使非结构化数据的方法成为数据科学家这个角色的关键。
数据科学家的要求
每个行业都有可供数据科学家分析的数据资料。根据BLS的说法，以下是各个行业中一些更常见的大数据形式，以及数据科学家可能需要分析的大数据形式。
• 业务：如今，数据塑造了几乎所有公司的业务战略，但企业需要数据科学家来了解信息。业务数据的数据分析可以为效率、库存、生产错误、客户忠诚度等方面的决策提供信息。
• 电子商务：现在网站收集的不仅仅是采购数据，数据科学家帮助电子商务业务改善客户服务，查找趋势并开发服务或产品。
• 金融：在金融业，账户，信贷和借记交易和类似财务数据的数据对于运营业务至关重要。但对于这一领域的数据科学家来说，安全性和合规性（包括欺诈检测）也是主要关注点。
• 政府：大数据有助于政府制定决策，支持三方成员并监督整体满意度。安全性和合规像金融部门一样，是数据科学家最关心的问题。
• 科学：科学家一直都在处理数据，但他们现在可以用技术更好地收集、分享和分析实验数据。数据科学家可以助力这个过程。
• 社交网络：社交网络数据有助于指导有针对性的广告、提高客户满意度、建立位置数据趋势并增强功能和服务。对帖子，推文，博客和其它社交媒体进行持续的数据分析有助于企业不断改进服务。
• 医疗保健：电子医疗记录如今已经成为卫生保健设施的标准，它需要人们在大数据、安全性和合规性方面做出大量的奉献。在这里，数据科学家有助于改善卫生服务，并发现可能被忽视的趋势。
• 电信：所有电子产品都收集数据，所有数据都需要存储、管理、维护和分析。数据科学家通过提供他们想要的功能来帮助企业减小错误，改善产品并保持客户满意。
• 其他：没有一个行业可以免受大数据的影响，BLS指出，你会在其它合适的地区找到工作，如政治，公用事业，智能家电等。
数据科学的技能
据Quora的数据科学家William Chen表示，数据科学家的五大技能包括硬技能和软技能的混合：
Chen将此称为“数据科学家最根本的一系列技能”，他指出这一系列技能增加了数据科学技能的价值。编程可以提高你的统计技能，帮你“分析大数据集”，并让你能够创建自己的工具。
定量分析：Chen说，定量分析是分析大数据集的重要技能，它将提高你进行实验分析的能力，拓展你的数据策略并帮你实现机器学习。
产品直觉：了解产品将有助于你进行定量分析。它还将帮助你预测系统行为、建立指标并提高调试技能。
沟通：Chen说，这可能是所有行业中最重要的软技能，强大的沟通能力将帮你“利用上述所有的技能”。
团队合作：团队合作对于成功的数据科学事业至关重要，这点和沟通如出一辙。这需要做到无私，接受反馈意见并与你的团队分享你的知识，Chen这样说道。
数据科学家的教育和培训
成为数据科学家的方式有很多，但最传统的途径是获得学士学位。根据BLS的数据，大多数数据科学家拥有硕士或以上学历，但并不是每个数据科学家都有，还有其它方法可以发展数据科学技能。在你一头扎进高等教育计划之前，要知道你将要从事什么行业，以找出最重要的技能、工具和软件。
由于数据科学需要一些业务领域的专业知识，因此数据科学家的作用将因行业而异，如果你从事高度技术化的行业，则可能需要进一步的培训。例如，如果你从事医疗保健、政府或科学方面的工作，那么你需要的技能就不同于从事营销，商业或教育方面的工作。
如果你想开发某些技能来满足特定的行业需求，那么能帮助你磨练技能的方式有在线课程、新人训练营和专业发展课程。
数据科学认证
除了开办新人训练营和专业发展课程外，还有大量有价值的大数据认证和数据科学认证，可以为你的履历添金并提高你的薪水。
数据科学认证包括以下内容：
• 戴尔易安信专家认证计划（Dell EMC Proven Professional certification program）
• 认证分析专家（CAP）
• SAS数据科学学院（SAS Academy for Data Science）
• 微软认证解决方案专家（MCSE）
• Cloudera认证协会（CCA）
• Cloudera认证专家：CCP数据工程师
• 数据科学认证——哈佛进修学校
成为数据科学家
一旦你获得必要的教育和培训，你就可以申请符合你的技能水平的职位。如果你已是IT中人，你可以伸向你的关系网络，以找到空缺的职位或潜在的工作机会。
你要弄清楚你想从事的行业和领域的就业机会是否需要高等教育学位，或者你的证书和新人训练营的经历是否足以满足招聘经理的要求。花一些时间研究工作机会，找到你期望的职位的共同点。你可以在那里制定一个策略，这个策略就是成为一个以教育、技能和经验武装的数据科学家，以获得工作。
版权声明：本文为企业网D1Net编译，转载需注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
京公网安备 11010502049343号