1.教育背景

88%的數(shù)據(jù)科學(xué)家受過(guò)高等教育且擁有碩士學(xué)位，其中46%擁有博士學(xué)位。雖然有些人是例外，但通常需要非常強(qiáng)大的教育背景才能擁有成為數(shù)據(jù)科學(xué)家所必需的知識(shí)深度。要想成為數(shù)據(jù)科學(xué)家，你可以先獲得計(jì)算機(jī)科學(xué)、社會(huì)科學(xué)、物理科學(xué)和統(tǒng)計(jì)學(xué)的學(xué)士學(xué)位，最常見(jiàn)的是數(shù)學(xué)和統(tǒng)計(jì)學(xué)(32%)，其次是計(jì)算機(jī)科學(xué)(19%)和工程學(xué)(16%)，任何這些課程的學(xué)位都可以為你提供處理和分析大數(shù)據(jù)所需的技能。

完成學(xué)位課程后，大多數(shù)數(shù)據(jù)科學(xué)家還進(jìn)行在線培訓(xùn)，例如學(xué)習(xí)如何使用Hadoop或大數(shù)據(jù)查詢等特殊技能。除課堂學(xué)習(xí)外，你還可以通過(guò)構(gòu)建應(yīng)用程序或探索數(shù)據(jù)分析來(lái)練習(xí)你在課堂上學(xué)到的知識(shí)，以便你了解更多信息。

2.R編程

對(duì)于數(shù)據(jù)科學(xué)家來(lái)說(shuō)，R的至少是所有分析工具最應(yīng)該深入了解工具，因?yàn)镽專為滿足數(shù)據(jù)科學(xué)需求而設(shè)計(jì)。你可以使用R來(lái)解決數(shù)據(jù)科學(xué)中遇到的任何問(wèn)題，事實(shí)上，43%的數(shù)據(jù)科學(xué)家正在使用R來(lái)解決統(tǒng)計(jì)問(wèn)題。然而，R有一個(gè)陡峭的學(xué)習(xí)曲線。如果你已經(jīng)掌握了某種編程語(yǔ)言，那么就會(huì)更難學(xué)習(xí)。不過(guò)不要擔(dān)心，互聯(lián)網(wǎng)上還有很多資源可以幫助你開(kāi)始使用R，例如Simplilearn的R編程語(yǔ)言數(shù)據(jù)科學(xué)培訓(xùn)，它是有抱負(fù)的數(shù)據(jù)科學(xué)家的重要資源。

技術(shù)技能：計(jì)算機(jī)科學(xué)

3.Python編碼

Python是適合數(shù)據(jù)科學(xué)家學(xué)習(xí)的一種優(yōu)秀編程語(yǔ)言，也是我在數(shù)據(jù)科學(xué)角色中看到的最常見(jiàn)的編碼語(yǔ)言，其中還有Java，Perl或C/C ++。O'Reilly曾經(jīng)調(diào)查過(guò)數(shù)據(jù)科學(xué)家，調(diào)查的受訪者中有40%使用Python作為他們的主要編程語(yǔ)言。

由于python的多功能性，你可以將其用于數(shù)據(jù)科學(xué)過(guò)程中涉及的幾乎所有步驟。它可以采用各種格式的數(shù)據(jù)，同時(shí)可以輕松地將SQL表導(dǎo)入代碼中，并且還允許你創(chuàng)建數(shù)據(jù)集，這樣你就可以在Google上找到所需的任何類型的數(shù)據(jù)集。

4.Hadoop平臺(tái)

雖然這個(gè)不是硬性要求，但在許多情況下它是非常有用的，擁有Hive或Pig的經(jīng)驗(yàn)也是一個(gè)很好的加分項(xiàng)。CrowdFlower對(duì)3490個(gè)LinkedIn上數(shù)據(jù)科學(xué)工作者進(jìn)行的一項(xiàng)研究發(fā)現(xiàn)Apache Hadoop被評(píng)為數(shù)據(jù)科學(xué)家第二重要技能。

作為數(shù)據(jù)科學(xué)家，你可能會(huì)遇到這樣的情況，即你擁有的數(shù)據(jù)量超過(guò)系統(tǒng)內(nèi)存或需要將數(shù)據(jù)發(fā)送到不同的服務(wù)器，這時(shí)Hadoop就能發(fā)揮其作用了。你可以使用Hadoop快速將數(shù)據(jù)傳輸?shù)礁鞣N系統(tǒng)上的點(diǎn)。同時(shí)你還可以使用Hadoop進(jìn)行數(shù)據(jù)探索、數(shù)據(jù)過(guò)濾、數(shù)據(jù)采樣和匯總。

5.SQL數(shù)據(jù)庫(kù)/編碼

盡管NoSQL和Hadoop已經(jīng)成為數(shù)據(jù)科學(xué)的一個(gè)重要組成部分，但大多數(shù)人還是希望能夠在SQL中編寫和執(zhí)行復(fù)雜查詢。SQL(結(jié)構(gòu)化查詢語(yǔ)言)是一種編程語(yǔ)言，可以幫助你執(zhí)行添加，刪除和從數(shù)據(jù)庫(kù)中提取數(shù)據(jù)等操作。它還可以幫助你執(zhí)行分析功能和轉(zhuǎn)換數(shù)據(jù)庫(kù)結(jié)構(gòu)。

作為數(shù)據(jù)科學(xué)家，你需要精通SQL，因?yàn)镾QL可以專門用于幫助你訪問(wèn)和處理數(shù)據(jù)。當(dāng)你使用它來(lái)查詢數(shù)據(jù)庫(kù)時(shí)你會(huì)發(fā)現(xiàn)，它簡(jiǎn)潔的命令可以幫助你節(jié)省時(shí)間并減少執(zhí)行困難查詢所需的編程量。學(xué)習(xí)SQL將幫助你更好地理解關(guān)系數(shù)據(jù)庫(kù)并提升你作為數(shù)據(jù)科學(xué)家的形象。

6.Apache Spark

Apache Spark正在成為深受歡迎的大數(shù)據(jù)技術(shù)。它就像Hadoop一樣是一個(gè)大數(shù)據(jù)計(jì)算框架，僅有的區(qū)別是Spark比Hadoop更快。這是因?yàn)镠adoop需要讀取和寫入磁盤，這使得速度變慢，但Spark將其計(jì)算緩存在內(nèi)存中。

Apache Spark專為數(shù)據(jù)科學(xué)而設(shè)計(jì)，它可以幫助更快地運(yùn)行復(fù)雜的算法。它還有助于數(shù)據(jù)科學(xué)家處理復(fù)雜的非結(jié)構(gòu)化數(shù)據(jù)集，你可以在一臺(tái)機(jī)器或一組機(jī)器上使用它。Apache spark使數(shù)據(jù)科學(xué)家能夠防止數(shù)據(jù)科學(xué)中的數(shù)據(jù)丟失。Apache Spark的優(yōu)勢(shì)在于其速度和平臺(tái)，這使得開(kāi)展數(shù)據(jù)科學(xué)項(xiàng)目變得容易。借助Apache spark，你可以執(zhí)行從數(shù)據(jù)采集到分布式計(jì)算的分析。

7.機(jī)器學(xué)習(xí)和AI

大量數(shù)據(jù)科學(xué)家并不精通機(jī)器學(xué)習(xí)領(lǐng)域和技術(shù)，這包括神經(jīng)網(wǎng)絡(luò)，強(qiáng)化學(xué)習(xí)，對(duì)抗性學(xué)習(xí)等。如果你想從其他數(shù)據(jù)科學(xué)家中脫穎而出，你需要了解機(jī)器學(xué)習(xí)技術(shù)，如監(jiān)督機(jī)器學(xué)習(xí)、決策樹(shù)、邏輯回歸等。這些技能將幫助你解決基于主要組織結(jié)果預(yù)測(cè)的不同數(shù)據(jù)科學(xué)問(wèn)題。

數(shù)據(jù)科學(xué)需要應(yīng)用于機(jī)器學(xué)習(xí)的不同領(lǐng)域。Kaggle在其中一項(xiàng)調(diào)查中發(fā)現(xiàn)，一小部分?jǐn)?shù)據(jù)專業(yè)的人員具備先進(jìn)的機(jī)器學(xué)習(xí)技能，如監(jiān)督機(jī)器學(xué)習(xí)、無(wú)監(jiān)督機(jī)器學(xué)習(xí)、時(shí)間序列、自然語(yǔ)言處理、異常值檢測(cè)、計(jì)算機(jī)視覺(jué)、推薦引擎、強(qiáng)化學(xué)習(xí)和對(duì)抗性學(xué)習(xí)。

8.數(shù)據(jù)可視化

商業(yè)世界經(jīng)常產(chǎn)生大量數(shù)據(jù)，這些數(shù)據(jù)需要被翻譯成易于理解的格式。與原始數(shù)據(jù)相比，人們可以更自然地以圖表和圖形的形式理解數(shù)據(jù)，常言道：“一張圖片勝過(guò)千言萬(wàn)語(yǔ)”。

作為數(shù)據(jù)科學(xué)家，你必須能夠借助數(shù)據(jù)可視化工具(如ggplot，d3.js和Matplottlib以及Tableau)可視化數(shù)據(jù)。這些工具將幫助你將項(xiàng)目中的復(fù)雜結(jié)果轉(zhuǎn)換為易于理解的格式。問(wèn)題是，很多人不了解序列相關(guān)性或p值，你需要直觀地向他們展示這些術(shù)語(yǔ)在結(jié)果中的表示。

數(shù)據(jù)可視化使組織有機(jī)會(huì)直接處理數(shù)據(jù)，他們可以快速掌握并且?guī)椭麄冊(cè)诟?jìng)爭(zhēng)中抓住新商機(jī)。

9.非結(jié)構(gòu)化數(shù)據(jù)

數(shù)據(jù)科學(xué)家能夠處理非結(jié)構(gòu)化數(shù)據(jù)至關(guān)重要。非結(jié)構(gòu)化數(shù)據(jù)是未定義的內(nèi)容，不適合數(shù)據(jù)庫(kù)表，其中包括視頻、博客文章、客戶評(píng)論、社交媒體帖子、音頻等。對(duì)這些類型的數(shù)據(jù)進(jìn)行排序很困難，因?yàn)樗鼈儧](méi)有邏輯可言。由于其復(fù)雜性，大多數(shù)人將非結(jié)構(gòu)化數(shù)據(jù)稱為“黑暗分析”。使用非結(jié)構(gòu)化數(shù)據(jù)可以幫助你揭示對(duì)決策有用的洞察力。作為數(shù)據(jù)科學(xué)家，你必須能夠理解和操縱來(lái)自不同的平臺(tái)的非結(jié)構(gòu)化數(shù)據(jù)。

非技術(shù)技能

10.好奇心

“我沒(méi)有特殊才能。我只是充滿好奇心。”-愛(ài)因斯坦。

毫無(wú)疑問(wèn)，你最近可能多次看到過(guò)這句話，因?yàn)樗c數(shù)據(jù)科學(xué)家有關(guān)。一位資深數(shù)據(jù)科學(xué)家描述過(guò)它的含義，并在幾個(gè)月前的博客中將其視為必要的“軟技能。

好奇心可以被定義為獲得更多知識(shí)的愿望。作為數(shù)據(jù)科學(xué)家，你需要能夠提出有關(guān)數(shù)據(jù)的問(wèn)題，因?yàn)閿?shù)據(jù)科學(xué)家花費(fèi)大約80%的時(shí)間來(lái)發(fā)現(xiàn)和準(zhǔn)備數(shù)據(jù)。這是因?yàn)閿?shù)據(jù)科學(xué)領(lǐng)域是一個(gè)發(fā)展非常快的領(lǐng)域，你必須學(xué)習(xí)更多以跟上節(jié)奏。

你需要通過(guò)在線閱讀內(nèi)容和閱讀有關(guān)數(shù)據(jù)科學(xué)趨勢(shì)的相關(guān)書籍來(lái)定期更新你的知識(shí)。不要被在互聯(lián)網(wǎng)上飛來(lái)飛去的大量數(shù)據(jù)所淹沒(méi)，你必須能夠知道如何理解這一切。好奇心是成為數(shù)據(jù)科學(xué)家所需要的技能之一。例如，最初你可能沒(méi)有太多了解你收集的數(shù)據(jù)。好奇心將使你能夠篩選數(shù)據(jù)以查找答案和更多見(jiàn)解。

11.商業(yè)頭腦

要成為一名數(shù)據(jù)科學(xué)家，你需要對(duì)你正在從事的行業(yè)有充分的了解，并了解貴公司正在努力解決的業(yè)務(wù)問(wèn)題。在數(shù)據(jù)科學(xué)方面，除了確定企業(yè)應(yīng)利用其數(shù)據(jù)的新方法之外，能夠識(shí)別哪些問(wèn)題對(duì)于業(yè)務(wù)而言至關(guān)重要是重要的。

為了能夠做到這一點(diǎn)，你必須了解你解決的問(wèn)題如何影響業(yè)務(wù)。這就是你需要了解企業(yè)運(yùn)營(yíng)方式的原因，以便你可以將你的工作指向正確的方向。

12.溝通技巧

尋找強(qiáng)大數(shù)據(jù)科學(xué)家的公司正在尋找能夠清晰流利地將技術(shù)發(fā)現(xiàn)轉(zhuǎn)化為非技術(shù)團(tuán)隊(duì)的人員，例如市場(chǎng)營(yíng)銷部門或銷售部門。數(shù)據(jù)科學(xué)家必須使企業(yè)能夠通過(guò)量化的洞察力來(lái)制定決策，此外還要了解非技術(shù)同事的需求，以便恰當(dāng)?shù)丶m正數(shù)據(jù)。

除了說(shuō)出公司理解的相同語(yǔ)言外，你還需要使用數(shù)據(jù)敘述進(jìn)行溝通。作為數(shù)據(jù)科學(xué)家，你必須知道如何圍繞數(shù)據(jù)創(chuàng)建故事情節(jié)，以便任何人都能輕松理解。例如，呈現(xiàn)數(shù)據(jù)表不如以敘事格式從這些數(shù)據(jù)中分享見(jiàn)解那樣有效。使用講故事將幫助你將你的發(fā)現(xiàn)正確地傳達(dá)給你的雇主。

溝通時(shí)，請(qǐng)注意嵌入在你分析的數(shù)據(jù)中的結(jié)果和值。大多數(shù)企業(yè)主不想知道你分析的內(nèi)容，他們對(duì)如何積極地影響他們的業(yè)務(wù)感興趣。學(xué)會(huì)專注于通過(guò)溝通提供價(jià)值和建立持久的關(guān)系。

13.團(tuán)隊(duì)合作

數(shù)據(jù)科學(xué)家不能單獨(dú)工作，你不得不與公司高管合作制定戰(zhàn)略，與產(chǎn)品經(jīng)理和設(shè)計(jì)師一起創(chuàng)造更好的產(chǎn)品，還要與營(yíng)銷人員合作以推出更好的營(yíng)銷活動(dòng)，最重要的還要與客戶和服務(wù)器軟件開(kāi)發(fā)人員合作創(chuàng)建數(shù)據(jù)管道并改進(jìn)工作流程，你必須與組織中的每個(gè)人(包括你的客戶)合作。

從本質(zhì)上講，你將與你的團(tuán)隊(duì)成員合作開(kāi)發(fā)應(yīng)用，以了解解決問(wèn)題所需的業(yè)務(wù)目標(biāo)和數(shù)據(jù)。你需要了解正確的方法來(lái)解決問(wèn)題以及如何將結(jié)果轉(zhuǎn)換并呈現(xiàn)​​給所有相關(guān)人員都能輕松理解的內(nèi)容。