《哈佛商业评论》曾评价，“数据科学家”是21世纪最“性感”的工作。性感不性感不知道，但是“有钱”是真的。在某求职网站随便输入“数据科学家”，跳出来的薪资怕都是小编的10倍了……

数据科学是数学plus？

事实上，数据科学现今的概念还较为模糊。它是一门基于数据价值研究的交叉学科，堪称“全方位、多层次、宽领域”。既包含大量应用技术，与应用数学、统计学、运筹学等多个学科相关，又与最新的技术领域，机器学习、深度学习、人工智能、物联网等紧密相联。

简而言之，数据科学家就是可以通过定量和编程方法以及所研究领域的知识，从数据中创造知识和价值的高素质人才。他们同时拥有程序员和数学家的部分基础技能。

知识和技能领域

数据科学家应具备以下领域的技能和知识：

1. 数据、统计、数学或其他定量方法

2. 编程、计算机科学或计算机系统工程

3. 正在调查的域名

要成为一名全面的数据科学家，应对每个领域中的内容都有所涉猎。如果没有运行高级机器学习和部署生产模型的编程技能，只在统计学方面做得好，一个人不一定能成为优秀的数据科学家。

数据，统计或其他定量方法

数据科学的核心是将数据转化为知识。这些知识可以包括对事物的分类或估计。分类是离散值(即整数值或类别)的预测，并且可以包括将电子邮件分组为垃圾邮件或非垃圾邮件，估计或回归是连续变量的预测。例如，预测客户的未来收入。

数据是根据世界上观察到的内容创建的。由于无法观察所有现实，它几乎总是现实的样本。数据样本来自一组数据——完全观察到的宇宙。

为了创造知识，数据科学家应该理解描述性和推论性统计数据。描述性统计表征现实样本并且包括诸如中心(例如，平均值，中值)，离差(即，观察的分布如何)，形状(例如分布的偏度)之类的度量。如果测量多个变量，它还测量变量之间的依赖关系。

推论统计基于样本数据的描述得出关于总体的结论。数据科学家需要了解先进的推理技术，例如机器学习——基于观察创建新知识的技术和手头任务的绩效测量。

数据科学家也可能了解其他定量方法，包括预测。比如：服装店的未来销售预测——这取决于季节。

数据科学家遵循数据分析流程来创建知识。一个常见的过程是跨行业标准数据挖掘过程(CRISP-DM)，其中包括以下六个步骤：

1. 业务理解：将在下文中描述的领域知识。

2. 数据理解：描述性统计和数据质量评估。

3. 数据准备：数据清理、构建新变量和合并数据集。

4. 建模：模型是对数据观察样本的假设结构的描述。建模包括选择技术(机器学习有许多构建模型的算法)并运行它们。

5. 评估：评估所选模型与业务目标的匹配程度。

6. 部署：部署模型，以便用户可以将其与未来数据一起使用，以及制定维护计划。

数据科学家需要充分了解数据收集和通用的数据管理方法。

他们还需要使用适当的数据可视化来传达数据的结果。这些可视化包括饼图、条形图和折线图。

编程、计算机科学或计算机系统工程

编程是构建执行任务的计算机程序的过程。编程通常是计算机科学和计算机系统工程等领域的中心。

数据科学家需要先进的编程技能来处理数据，计算复杂的指标以及进行高级机器学习。这些程序需要结构良好，以便于维护和性能——计算机科学或计算机系统工程的技能和知识。编程语言包括Python、R、SAS和SPSS。

数据科学家需要对数据存储技术有所了解，包括数据库、数据仓库和数据湖。

数据科学家不一定需要是合格的计算机科学家或计算机系统工程师，但他们确实需要对这些领域的技术有足够的了解，才能有效地进行数据科学研究。

领域知识

数据科学家还需要对领域知识库有一个很好的理解，以便为该领域贡献更多有价值的知识。

领域知识也有助于更好地定义问题，确定已知的内容，并准确地解释结果。

领域知识是一种捷径，数据科学家利用已有的知识更好地创造新知识，并有助于将研究范围缩小到该领域尚未知晓的范围，以便数据科学家不重复研究。

技能的结合增加了价值

数据科学家不一定必须是这三个领域中任何一个领域的专家。 然而，他们肯定需要具备良好的跨学科知识，才能从数据中创造有价值的领域知识。

举报/反馈