数据科学家

数据科学家使用数据来理解和解释他们周围的现象，并帮助组织做出更好的决策。
作为一名数据科学家，在智力上具有挑战性，在分析上令人满意，并使你处于新技术进步的前沿。随着大数据在组织决策方式中越来越重要，数据科学家变得越来越普遍，需求也越来越大。下面我们来仔细看看他们是什么，做什么，以及如何成为一个。

数据科学家是做什么的？

数据科学家确定他们的团队应该问的问题，并找出如何使用数据回答这些问题。他们经常开发用于理论化和预测的预测模型。

数据科学家可能每天都要完成以下任务：

• 在数据集中查找模式和趋势以揭示见解
• 创建算法和数据模型以预测结果
• 使用机器学习技术来提高数据或产品的质量
• 向其他团队和高级员工传达建议
• 在数据分析中部署Python、R、SAS或SQL等数据工具
• 掌握数据科学领域的创新

数据分析师与数据科学家：有什么区别？

数据分析师和数据科学家的工作可能看起来很相似——他们都能发现数据的趋势或模式，揭示组织更好地决策运营的新方法。但数据科学家往往承担更多的责任，通常被认为比数据分析师更资深。

数据科学家通常会对数据提出自己的问题，而数据分析师可能会支持已经设定目标的团队。数据科学家还可能花费更多时间开发模型、使用机器学习或结合高级编程来查找和分析数据。
数据科学家的薪水和工作增长
根据Lightcast™[1]的数据，数据科学家在美国的平均工资为108659美元。

对数据专业人员的需求很高——根据美国劳工统计局的数据，数据科学家的职业预计在未来10年内增长36%（远高于平均水平）[2]。

高需求与大数据的兴起及其对企业和其他组织日益重要有关。

如何成为一名数据科学家

成为一名数据科学家通常需要一些正式的培训。以下是一些需要考虑的步骤。

1.获得数据科学学位。

雇主通常喜欢看到一些学术证书，以确保你有处理数据科学工作的专业知识，尽管这并不总是必需的。也就是说，相关的学士学位肯定会有所帮助——试着学习数据科学、统计学或计算机科学，以在该领域取得进展。
 

2.提高相关技能。

如果你觉得自己可以提高一些硬数据技能，可以考虑参加一门在线课程或参加相关的训练营。以下是你想要掌握的一些技能。

• 编程语言：数据科学家可能会花时间使用编程语言对大块数据进行排序、分析和管理。数据科学的流行编程语言包括：

  • Python

  • R

  • SQL

  • SAS

• 数据可视化：能够创建图表是数据科学家的重要组成部分。熟悉以下工具应能使您做好工作准备：

  • Tableau

  • PowerBI

  • Excel

• 机器学习：将机器学习和深度学习融入你作为数据科学家的工作中，意味着不断提高你收集的数据的质量，并有可能预测未来数据集的结果。机器学习课程可以让你从基础知识开始。
• 大数据：一些雇主可能希望看到你对处理大数据有一些熟悉。一些用于处理大数据的软件框架包括Hadoop和Apache Spark。
• 沟通：如果科学家不能很好地沟通他们的发现，那么最优秀的数据就无法影响任何变化。以口头和书面语言分享想法和结果的能力是数据科学家经常寻求的技能。
   

3.找一份入门级的数据分析工作。

尽管成为一名数据科学家有很多途径，但从相关的入门级工作开始可能是一个很好的第一步。寻找与数据密切相关的职位，如数据分析师、商业智能分析师、统计学家或数据工程师。从那里开始，你可以在扩展知识和技能的同时，努力成为一名科学家。

4.为数据科学访谈做准备。

有了几年的数据分析工作经验，你可能会觉得自己已经准备好进入数据科学领域了。一旦你在面试中取得了分数，就要准备好面试中可能出现的问题的答案。

数据科学家的职位可能具有高度的技术性，因此您可能会遇到技术和行为问题。两者兼而有之，通过大声说出你的答案来练习。从你过去的工作或学术经历中准备例子可以帮助你在面试官面前显得自信和知识渊博。

以下是您可能遇到的几个问题：

• 线性模型的优点和缺点是什么？
• 什么是随机森林？
• 如何使用SQL查找数据集中的所有重复项？
• 描述你的机器学习经验。
• 举一个你遇到一个不知道如何解决的问题的例子。你做了什么？