数据科学家的角色因行业而异，但有一些共同的技能、经验、教育和培训可以帮助你在数据科学职业生涯中占据一席之地。
什么是数据科学家？
数据科学家是分析数据专家，他们使用数据科学从大量结构化和非结构化数据中发现见解，以帮助塑造或满足特定的业务需求和目标。数据科学家在企业中变得越来越重要，因为组织越来越依赖数据分析来推动决策制定，并将自动化和机器学习作为其 IT 战略的核心组成部分。
数据科学家职位描述
数据科学家的主要目标是组织和分析数据，通常使用专为该任务设计的软件。数据科学家分析的最终结果必须足够容易让所有投资的利益相关者理解——尤其是那些在 IT 之外工作的利益相关者。
数据科学家的数据分析方法取决于他们所在的行业以及他们所服务的业务或部门的具体需求。在数据科学家在结构化或非结构化数据中找到意义之前，业务领导者和部门经理必须传达他们正在寻找的东西。因此，数据科学家必须具备足够的业务领域专业知识，才能将公司或部门目标转化为基于数据的可交付成果，例如预测引擎、模式检测分析、优化算法等。
有关从招聘角度来看数据科学家职位描述的更多信息，请参阅“数据科学家职位描述：吸引顶尖人才的技巧”。
数据科学家与数据分析师
数据科学家经常与数据分析师一起工作，但他们的角色差异很大。数据科学家通常从事长期研究和预测，而数据分析师则通过报告和临时查询来支持业务领导者制定战术决策，这些查询旨在根据当前和历史数据描述其组织的当前现实状态。
因此，数据分析师和数据科学家的工作之间的差异通常归结为时间尺度。数据分析师可能会帮助组织更好地了解其客户当前如何使用其产品，而数据科学家可能会使用从数据分析中产生的见解来帮助设计预测未来客户需求的新产品。
数据科学家薪水
数据科学是一个快速增长的领域，BLS 预测从 2020 年到 2030 年就业增长 22%。数据科学家也被证明是一条令人满意的长期职业道路，在 Glassdoor 的美国 50 个最佳工作中，数据科学家排名第三美国最好的工作。
根据 Robert Half 的 2021 年技术和 IT 薪资指南的数据，数据科学家的平均薪资根据经验细分如下：
- 第 25 个百分位：109,000 美元
- 第 50 个百分位：129,000 美元
- 第 75 个百分位：156,500 美元
- 第 95 个百分位：185,750 美元
数据科学家的职责
数据科学家的主要职责是数据分析，它从数据收集开始，到基于分析结果的业务决策结束。
数据科学家分析的数据来自许多来源，包括结构化、非结构化或半结构化数据。数据科学家可以获得的高质量数据越多，他们可以在给定模型中包含的参数就越多，他们手头用于训练模型的数据就越多。
结构化数据通常按类别进行组织，使计算机可以轻松地自动排序、读取和组织。这包括服务、产品和电子设备收集的数据，但很少是从人工输入中收集的数据。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——这些都是结构化的数据形式。
非结构化数据是增长最快的数据形式，更有可能来自人工输入——客户评论、电子邮件、视频、社交媒体帖子等。这些数据更难以分类，并且使用技术管理效率较低，因此需要更大的投资来维护和分析。企业通常依靠关键字来理解非结构化数据，以使用可搜索的术语提取相关数据。
半结构化数据介于两者之间。它不符合数据模型，但确实具有可用于对其进行分组的相关元数据。示例包括电子邮件、二进制可执行文件、压缩文件、网站等。
通常，企业聘请数据科学家来处理非结构化数据和半结构化数据，而其他 IT 人员则管理和维护结构化数据。是的，数据科学家确实处理了大量结构化数据，但企业越来越多地寻求利用非结构化数据来实现收入目标，这使得处理非结构化数据的方法成为数据科学家角色的关键。
要进一步了解数据科学家的工作生活，请参阅“数据科学家做什么？其中 7 位炙手可热的专业人士提供了他们的见解。”
数据科学家要求
每个行业都有自己的数据配置文件供数据科学家分析。根据 BLS 的说法，以下是一些常见的分析数据科学家可能会在各种行业中执行的形式。
- 业务：业务数据的数据分析可以为有关效率、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购买数据，数据科学家帮助电子商务企业改善客户服务、发现趋势并开发服务或产品。
- 财务：账户、贷记和借记交易数据以及类似的财务数据对于正常运作的企业至关重要。但对于金融行业的数据科学家来说，包括欺诈检测在内的安全性和合规性也是主要关注点。
- 政府：大数据帮助政府制定决策、支持选民并监控整体满意度。与金融部门一样，安全性和合规性是数据科学家最关心的问题。
- 科学：由于最近的 IT 进步，今天的科学家可以更好地收集、共享和分析实验数据。数据科学家可以帮助完成这个过程。
- 社交网络：社交网络数据可以为有针对性的广告提供信息，提高客户满意度，确定位置数据的趋势，并增强功能和服务。
- 医疗保健：电子病历需要致力于大数据、安全性和合规性。在这里，数据科学家可以帮助改善医疗服务并发现可能被忽视的趋势。
数据科学家技能
根据 Quora 数据科学经理 William Chen 的说法，数据科学家的前五项技能包括硬技能和软技能：
- 编程：作为“数据科学家最基本的技能”，编程可以提高你的统计技能，帮助你“分析大型数据集”，并让你能够创建自己的工具，Chen 说。
- 定量分析：定量分析提高了您运行实验分析、扩展数据策略并帮助您实施机器学习的能力。
- 产品直觉：了解产品将帮助您执行定量分析并更好地预测系统行为、建立指标并提高调试技能。
- 沟通：可能是每个行业中最重要的软技能，强大的沟通技巧将帮助您“利用之前列出的所有技能，”陈说。
- 团队合作：就像沟通一样，团队合作对于成功的数据科学事业至关重要。陈说，这需要无私、接受反馈并与您的团队分享知识。
Intelligent World 的首席执行官 Ronald Van Loon 将商业头脑添加到了名单中。 Van Loon 表示，强大的商业头脑是引导数据科学家技术技能的最佳方式。有必要识别组织发展需要解决的问题和潜在挑战。
要更深入地了解如何成为一名优秀的数据科学家，请参阅“精英数据科学家的基本技能和特质”。
数据科学家教育和培训
成为数据科学家的方法有很多，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学位或更高学位，但并非每个数据科学家都拥有，还有其他方法可以培养数据科学技能。在进入高等教育课程之前，您需要了解自己将从事的行业，以找出最重要的技能、工具和软件。
因为数据科学需要一些业务领域的专业知识，所以角色因行业而异，如果你在一个技术含量很高的行业工作，你可能需要进一步的培训。例如，如果您在医疗保健、政府或科学领域工作，那么您需要的技能组合与您在营销、商业或教育领域工作时需要的技能不同。
如果您想培养某些技能以满足特定行业的需求，可以使用在线课程、新兵训练营和专业发展课程来帮助您磨练技能。对于那些考虑读研究生的人，有许多高质量的数据科学硕士课程，包括：
- 统计学硕士：斯坦福大学数据科学
- 信息与数据科学硕士：伯克利信息学院
- 计算数据科学硕士：卡内基梅隆大学
- 数据科学理学硕士：哈佛大学约翰·保尔森工程与应用科学学院
- 数据科学理学硕士：华盛顿大学
- 数据科学理学硕士：约翰霍普金斯大学怀廷工程学院
- 分析硕士：芝加哥大学格雷厄姆学院
数据科学认证
除了新兵训练营和专业发展课程，还有很多有价值的大数据认证和数据科学认证可以提升你的简历和薪水。
- 认证分析专家 (CAP)
- Cloudera 数据平台通才认证
- 美国数据科学委员会 (DASCA) 高级数据科学家 (SDS)
- 美国数据科学委员会 (DASCA) 首席数据科学家 (PDS)
- IBM 数据科学专业证书
- Microsoft 认证：Azure AI 基础知识
- Microsoft 认证：Azure 数据科学家助理
- 开放认证数据科学家 (Open CDS)
- SAS 认证的人工智能和机器学习专家
- 使用 SAS 9 的 SAS 认证高级分析专家
- SAS 认证数据科学家
- TensorFlow 开发者证书
其他数据科学工作
数据科学家只是不断扩大的数据科学领域中的一个职位，并不是每家利用数据科学的公司本身都在招聘数据科学家。根据 PayScale 的数据，以下是与数据科学相关的一些最受欢迎的职位以及每个职位的平均工资：
- 分析经理——100,099 美元
- 商业智能分析师——70,868 美元
- 数据分析师——62,723 美元
- 数据架构师——122,882 美元
- 数据工程师——93,145 美元
- 研究分析师——57,615 美元
- 研究科学家 – 82,957 美元
- 统计学家 – $77,545
原文：https://www.cio.com/article/230532/what-is-a-data-scientist-a-key-data-analytics-role-and-a-lucrative-career.html
本文：https://cio.ceo/node/107
- 登录 发表评论