數據科學的實踐需要三個一般領域的技能：商業(yè)洞察、計算機技術/編程和統(tǒng)計學/數學。與詢問對象有關，具體的重要技能集合總是在變化。Dave Holts描述了得到數據科學家工作所需要的技能，Ferris Jumah通過檢查帶有“數據科學家”稱號的LinkedIn個人資料識別10項技能，BurtchWorks提供了他們的在數據科學領域中獲得成功至關 重要的技能列表，RJMetrics也使用LinkedIn數據找出了20個重要的數據科學技能。這些列表、重要技能反映了數據專業(yè)人員在他們社交媒體資 料上列出的頻率，或者只是簡單地代表了作者認為最好的技能集合。

數據科學技能和熟練程度

在正在進行的數據科學家研究中，我們要求數據專業(yè)人員指出他們在25項不同數據科學技能上的熟練程度。上表中列出了這25項技能，反映了通常與數據科學家相關的技能集合。事實上，這些技能是前述研究中所包含的。

我用“中等”熟練水平作為數據專業(yè)人員擁有該技能的標準。“中等”說明一個數據專業(yè)人員能夠按照要求完成任務，并且通常不需要他人的幫助。

重要數據科學技能

我以擁有該技能的數據專業(yè)人員百分比對這25項技能排序。

該列表在上圖顯示。圖中前十項技能（從左到右）是所有數據專業(yè)人員中最常見的。數據科學十大技能是：

• 統(tǒng)計 – 溝通（87%）
• 技術 – 處理結構化數據（75%）
• 數學&建模 – 數學（71%）
• 商業(yè) – 項目管理（71%）
• 統(tǒng)計 – 數據挖掘和可視化工具（71%）
• 統(tǒng)計 – 科學/科學方法（65%）
• 統(tǒng)計 – 數據管理（65%）
• 商業(yè) – 產品設計和開發(fā)（59%）
• 統(tǒng)計 – 統(tǒng)計學和統(tǒng)計建模（59%）
• 商業(yè) – 商業(yè)開發(fā)（53%）

許多重要的數據科學技能屬于統(tǒng)計領域：所有的五項統(tǒng)計相關技能出現在前10名中，包括溝通、數據挖掘和可視化工具、科學/科學方法、以及統(tǒng)計學和統(tǒng)計建模。另外，商業(yè)洞察力相關的三項技能出現在前10，包括項目管理、產品設計以及開發(fā)。沒有編程技能出現在前10中。

因職業(yè)角色而異的十大數據科學技能

下面，我們按不同的職業(yè)角色看看他們的十大技能。這種描述也出現在上一部分的圖2中（后面的表呈現了細節(jié)）。對于每個職業(yè)角色，我指出了該角色的數 據專業(yè)人士擁有每項技能的頻率?？梢钥吹皆趫D2中，一些重要數據科學技能在不同角色中是通用的。這包括溝通、管理結構化數據、數學、項目管理、數據挖掘和 可視化工具、數據管理、以及產品設計和開發(fā)。然而，除了這些相似之處還有相當大的差異，讓我們看看每個職業(yè)角色。

商業(yè)經理：那些認為自己是商業(yè)經理（尤其是領導者、商務人士和企業(yè)家）的數據專業(yè)人士中的十大數據科學技能：

• 統(tǒng)計 – 溝通（91%）
• 商業(yè) – 項目管理（86%）
• 商業(yè) – 商業(yè)開發(fā)（77%）
• 技術 – 處理結構化數據（74%）
• 商業(yè) – 預算（71%）
• 商業(yè) – 產品設計和開發(fā)（70%）
• 數學&建模 – 數學（65%）
• 統(tǒng)計 – 數據管理（64%）
• 統(tǒng)計- -數據挖掘和可視化工具（64%）
• 商業(yè) – 管理和兼容性（61%）

只與商業(yè)經理相關的重要技能毫無疑問的是商業(yè)領域的。這些技能包括商業(yè)開發(fā)、預算、以及管理和兼容性。

開發(fā)工作者：那些認為自己是開發(fā)工作者（尤其是開發(fā)者和工程師）的數據專業(yè)人士中的十大數據科學技能：

• 技術 – 管理結構化數據（91%）
• 統(tǒng)計 – 溝通（85%）
• 統(tǒng)計 – 數據挖掘和可視化工具（76%）
• 商業(yè) – 產品設計（75%）
• 數學&建模 – 數學（75%）
• 統(tǒng)計 – 數據管理（75%）
• 商業(yè) – 項目管理（74%）
• 編程 – 數據庫管理（73%）
• 編程 – 后端編程（70%）
• 編程 – 系統(tǒng)管理（65%）

只與開發(fā)者相關的技能是技術和編程的那些。這些重要的技能包括后端編程、系統(tǒng)管理以及數據庫管理。雖然這些數據數據專業(yè)人員具備這些技能，但是他們 中只有少數人擁有那些在大數據世界中很重要的，更加技術化、更加依賴編程的技能。例如，少于一半人掌握云管理（42%），大數據和分布式數據（48%）和 NLP以及文本挖掘（42%）。這些結果都與RJ Metrics的數據科學研究一致。我懷疑這些百分比會隨著更多數據科學項目的畢業(yè)生開始就業(yè)而上升。

創(chuàng)意工作者：那些認為自己是創(chuàng)意工作者（尤其是萬事通、藝術家和黑客）的數據專業(yè)人士中的十大數據科學技能：

• 統(tǒng)計 – 溝通（87%）
• 技術 – 處理結構化數據（79%）
• 商業(yè) – 項目管理（77%）
• 統(tǒng)計 – 數據挖掘和可視化工具（77%）
• 數學&建模 – 數學（75%）
• 商業(yè) – 產品設計和開發(fā)（68%）
• 統(tǒng)計 – 科學/科學方法（68%）
• 統(tǒng)計 – 數據管理（67%）
• 統(tǒng)計 – 統(tǒng)計學和統(tǒng)計建模（63%）
• 商業(yè) – 商業(yè)開發(fā)（58%）

創(chuàng)意工作者并沒有只對他們重要的技能。事實上，他們的重要數據科學技能列表與那些研究者緊密匹配，十項中有八項一致。

研究工作者：那些認為自己是研究工作者（尤其是研究員、科學家和統(tǒng)計學家）的數據專業(yè)人士中的十大數據科學技能：

• 統(tǒng)計 – 溝通（90%）
• 統(tǒng)計 – 數據挖掘和可視化工具（81%）
• 數學&建模 – 數學（80%）
• 統(tǒng)計 – 科學/科學方法（78%）
• 統(tǒng)計 – 統(tǒng)計學和統(tǒng)計建模（75%）
• 技術 – 處理結構化數據（73%）
• 統(tǒng)計 – 數據管理（69%）
• 商業(yè) – 項目管理（68%）
• 技術 – 機器學習（58%）
• 數學 – 最優(yōu)化（56%）

研究工作者的重要數據科學技能主要在統(tǒng)計領域。另外，只在研究工作者上體現的重要數據科學技能是高度定量性質，包括機器學習和最優(yōu)化。

總結和結論

按職業(yè)角色的重要數據科學技能

重要數據科學技能列表取決于你正在考慮成為的數據科學家類型。雖然一些技能看起來在不同專業(yè)人士間通用（尤其是溝通，處理結構化數據，數學，項目管 理，數據挖掘和可視化工具，數據管理，以及產品設計和開發(fā)），但是其他數據科學技能對特定領域也有獨特之處。開發(fā)工作者的重要技能包含編程技能；研究工作 者則包含數學相關的技能，當然商業(yè)經理的重要技能包含商業(yè)相關的節(jié)能。

這些結果對數據專業(yè)人員感興趣的領域和他們的招聘者及組織都有影響。數據專業(yè)人員可以使用結果來了解不同類型工作需要具備的技能種類。如果你有較強的統(tǒng)計能力，你可能會尋找一個有較強研究成分的工作。了解你的技能并找那些對應的工作。

招聘人員需要了解不同類型的數據科學角色，以更好的招募與空缺職位的角色需求最匹配的專業(yè)人員。避免關注應聘者的職位，而是確定他們的技能符合要求。組織可以確保數據科學團隊包含不同類型的數據科學家，讓每個人解決最合適的問題，以此來優(yōu)化他們的數據科學團隊。