数据科学家

数据科学家是新一代的数据分析师，具有解决复杂问题的技术能力——以及找出需要解决哪些问题的好奇心。

他们是数学家、计算机科学家和趋势发现者的混合体。 由于他们在商业和 IT 领域都工作，因此他们的需求量也很大且报酬丰厚。 谁不想成为这个精英群体的一员？

它们也是当前时代的反映。 十年前，数据科学家并没有受到很多人的关注，但他们的崛起突显了企业现在如何处理大数据。

无法再忽视那些难以管理的非结构化数据。 这是一个可以帮助提高收入的虚拟金矿——只要有人挖掘并发现其他人没有考虑过的商业洞察力。 数据科学家进入画面。

为了建立假设、做出推断并分析客户和市场趋势，数据科学家需要大量数据。 收集和分析数据，以及使用各种形式的分析和报告工具来发现数据集中的模式、趋势和联系，都是基本职责。

商业世界中的数据科学家通常分组工作，以挖掘大量数据以获取可用于预测客户行为和发现新收入前景的信息。 在许多公司中，数据科学家还负责建立数据收集、分析和解释的最佳实践。

随着企业寻求从大数据中提取有意义的信息，数据科学技能的需求越来越大，大数据是指大型公司或物联网生成和收集的大量结构化、非结构化和半结构化数据。

必读：数据科学生命周期：所有阶段和功能

哪儿来的呢？

许多数据科学家一开始是统计学家或数据分析师。 然而，随着大数据（以及 Hadoop 等大数据存储和处理平台）的增长和扩展，这些职位也随之增长。

数据管理不再是 IT 的事后考虑。 这是需要深入研究、富有想象力的好奇心以及将高科技概念转化为新收入来源的天赋的关键信息。

数据科学家的角色也有学术根源。 几年前，大学开始注意到公司寻求程序员和团队成员。
教授们调整了他们的课程以适应这一点，某些项目，如北卡罗来纳州立大学的高级分析研究所，准备培养下一代数据科学家。 目前，全国有 60 多所大学提供类似的课程。

数据科学家的典型工作职责

当谈到数据科学家的工作描述时，没有一个。 但是，您几乎肯定会做一些事情：

• 收集并处理大量混沌数据，使其成为更可用的格式。
• 使用数据驱动的策略来解决业务困难。
• R 和 Python 以及其他编程语言
• 了解统计数据，包括统计测试和分布，从内到外。
• 掌握机器学习、深度学习和文本分析等分析技术。
• 与 IT 和业务部门进行沟通和协作。
• 寻找数据中的顺序和模式，以及发现有助于企业盈利的趋势。

另请阅读：您需要了解的数据科学主题

数据科学家的角色和职责

“数据科学家”一词来自科学、数学、统计学、化学计量学和计算机科学的组合，仅举几例最重要的现代技术学科。 由于该行业所需的个性特征、经验和分析能力的组合并不常见，因此对熟练数据科学家的需求正在上升。

根据工作满意度、工作机会数量和基本工资中位数等指标，数据科学家在 Glassdoor 的 2016 年、2017 年、2018 年和 2019 年的“美国 50 项最佳工作”名单中名列前茅。机器学习架构师职位可能与数据科学家的工作。

分析大量的定量和定性数据集是最基本的工作之一。 这些人负责为数据分析创建统计学习模型，并且必须具备统计工具的先验知识。 他们还必须具备构建复杂预测模型的必要技能。

计算机科学家、数据库和软件程序员、学科专家、策展人、专家注释者和图书馆员是一些可能从事数据科学工作或成为全职数据科学家的专业人士。

数据科学家的工具箱里有什么？

数据科学家经常使用以下术语和技术：

数据可视化：

数据以图形或图形格式显示，以便于检查。 信息和数据的图形表示称为数据可视化。 数据可视化工具通过使用图表、图形和地图等可视化元素，可以轻松检查和理解数据中的趋势、异常值和模式。

数据可视化工具和技术在大数据环境中对于分析大量数据和做出数据驱动的决策非常重要。

机器学习：

数学算法和自动化用于人工智能的这一分支。 机器学习是一种数据分析，可以自动创建分析模型。 这是一个人工智能领域，其前提是计算机可以从数据中学习，识别模式，并在很少或不需要人工输入的情况下做出判断。

模式识别

模式识别技术是一种识别数据模式的技术（通常与机器学习互换使用）。 使用机器学习算法识别模式的过程称为模式识别。 基于先验知识或从模式和/或其表示中获取的统计信息对数据进行分类称为模式识别。 模式识别的应用潜力是其最本质的特征之一。

示例：语音识别、说话人识别、多媒体文档识别 (MDR)、自动医疗诊断。

数据准备

将原始数据转换为更容易被吸收的格式的过程。 在处理和分析之前清理和更改原始数据的过程称为数据准备。 这是处理前的关键阶段，通常包括重新格式化数据、更改数据以及集成数据集以丰富数据。

文本分析：

分析非结构化数据以获得重要业务洞察力的过程。 文本分析是自动将大量非结构化文本转换为数字数据以识别洞察力、趋势和模式的行为。 这种方法与数据可视化工具结合使用时，可以让企业理解数字背后的故事并做出更好的决策。

如何成为一名数据科学家？

准备一份数据科学的工作可能是一个明智的决定。 你将有大量的工作机会，以及在科技行业工作的机会，在那里你可以探索和发挥创造力。 那么，你的计划是什么？

如果你是学生：

第一步是找到一所提供数据科学学位的大学——或者至少是数据科学和分析课程。 提供数据科学课程的大学包括俄克拉荷马州立大学、阿拉巴马大学、肯尼索州立大学、南卫理公会大学、北卡罗来纳州立大学和德克萨斯农工大学。

如果你是一个想要转行的专业人士

虽然大多数数据科学家曾担任数据分析师或统计学家，但其他人则具有非技术领域的背景，例如商业或经济学。 具有如此不同背景的人如何最终在同一领域工作？ 考虑他们的共同点至关重要：解决问题的天赋、出色的沟通技巧以及对事物运作方式的强烈好奇心。

除了这些品质之外，您还需要牢牢掌握以下内容：

• 统计和机器学习。
• 编码语言，例如 SAS、R 或 Python。
• MySQL 和 Postgres 等数据库。
• 数据可视化和报告技术。
• Hadoop 和 MapReduce。

企业何时准备好聘请数据科学家？

在接受数据科学家职位之前，您应该了解公司的以下方面：

它是否处理大量数据并有需要解决的复杂问题？

实际需要数据科学家的组织有两个共同点：他们每天处理大量数据并处理复杂的问题。 它们通常出现在金融、政府和制药等行业。

它重视数据吗？

公司的文化会影响它是否应该聘请数据科学家。 它是否有适合分析的环境？ 它得到董事会的支持吗？ 否则，聘请数据科学家将是浪费金钱。

准备好改变了吗？

作为一名数据科学家，您希望得到认真对待，看到您的工作取得成果就是其中的一部分。 你把时间花在弄清楚如何让你的公司运行得更顺利。 因此，公司必须准备并愿意执行您的调查结论。

对于一些企业来说，聘请数据科学家来指导数据驱动的业务选择是一个冒险的举动。 检查你正在考虑为之工作的公司是否有正确的心态——并且愿意改变。

依赖数据科学的行业

数据科学家专家对以下行业和部门产生重大影响，但不限于这些：

• 农业
• 大数据
• 数字经济
• 经济学
• 欺诈识别
• 卫生保健
• 人力资源
• 它
• 营销分析
• 营销优化
• 公共政策
• 风险管理
• 机器人技术
• 机器翻译
• 制造业
• 医学信息学
• 社会科学
• 语音识别
• 旅行

阅读：数据科学项目