如何成为一名合格的数据科学家（IT专家网）

【推荐原因】数据科学集合了计算机、数学、统计等领域的知识技能并应用于某个特定行业领域的业务分析，随着互联网时代的飞速发展，必将出现许多新的理论与方法。看看别人是怎么定义数据科学及数据科学家的。我比较赞同Neil Raden的定义，一类是专门研究算法的，另一类主要做模型应用。当然这两者不能绝对分离，仅仅是从工作重心上做一个简单划分。

　　数据科学家是什么?

　　这个看似简单的问题的答案，取决于你问的对象。网址缩短服务Bit.ly公司首席科学家Hilary Manson对数据科学家的定义获得了广泛接受与认可： 数据科学家指能获取、清洗、探索、建模与解释数据的人。

　　位于新墨西哥州圣达菲的咨询机构Hired Brains公司首席执行官兼首席分析师 Neil Raden则更为深入，他将数据科学家分成两种类型。

　　第一种类型--他们是真正的科学家，研究创造算法和方法，发表论文，并积极参与这些规则的沟通。这些单个的人物常见于以算法和方法为核心的研究机构和学术机构(想想谷歌、亚马逊和华尔街)，Raden表示。

　　第二种类型--这个类型的人群更接近于我们今天提到的雇佣市场上的人--他们不是科学家而是数据从业者，Raden补充道。他们都是统计学与数学建模及开发领域的专家，掌握并采用定量分析方法，设计、测试和部署模型。

　　预测分析服务提供商Opera解决方案研发中心全球负责人Jacob Spoelstra，也把在Opera工作的人大致归类为数据科学家，以及由他本人与同事负责的其他工作。

　　Opera公司的“数据科学家”--与Raden分类的第一种类型人群十分符合--在机器学习(能力)的水平上工作，开发统计模型和模式识别算法，从海量数据流中发现和提取智能预测。他们将分析发现转化为直接行动，通过减少财务欺诈或检测高风险抵押贷款等类似措施，帮助提升业务。Spoelstra估计，类似谷歌这样的公司雇佣了数百位这种类型的数据科学家，而Opera公司近700位雇员中，有三分之一是机器学习(能力)领域的专家。

　　同时，天才分析(Talent Analytics)公司CEO Greta Roberts坚信当前对数据科学家工作的理解实际上包含四大功能角色。一项针对数据科学家的调查询问了他们如何分配11项分析功能的时间，出现了四个集群：数据准备人员(他们花费绝大部分时间，进行数据的采集、制备和分析);程序员(他们创建程序并做相应的一些分析);管理人员(他们专注于数据管理、管控、展示、诠释与设计);最后一种为通才(什么都干，什么都只会一点点)。

　　“当我最开始听说这些的时候，我认为’没有人符合该定义--他们怎么可能?’”Robert说，“因为这是一个新角色，我觉得人们把什么职责都扔给了他。当你过度指定，最终只能得到一个空集”。许多商业人士视作数据科学家的，实际上是一个团体的人表现出的各种各样的功能。尽管现在依然缺乏符合这些角色的人，实际情况也与“凤毛麟角”相去甚远，有太多的人拥有这样的天赋，成长为一个或多个所需的角色。

　　必要的技能与凭据是什么?

　　正如Robert表明的那样，详细的数据科学技能如雨后春笋般在网络上列出，列表令人生畏。绝大多数指定经验要求先进的数学和统计分析(包括对类似R、SAS和Stata工具等的掌握)、创建程序(包括C、C++、Python和Java语言)、SQL数据库、平台如Hadoop/MapReduce、数据挖掘和建模、数据虚拟化、创造性和沟通能力与商务理解力。

　　当然，数据科学家的确需要与先前的数据分析人员决然不同的能力与技巧，这是事实。Raden承认，例如，他们需要有能力处理当前各种各样的有效数据，并且最终分析数组可以采用，Raden表示。

　　他们需要掌握编程技巧，也要有定量方法和调查与建模方向的背景;在涉及到数据的时候，他们必须能够辨别什么数据是有意义的，什么数据是无意义的，Raden补充道。高效的数据科学家还需要足够的业务领域知识，在复杂学科上与缺乏相应背景工具和方法的人顺畅沟通的能力，他说。

　　到底是什么导致数据科学家优于其他分析人士呢?Ripaldi解释，是沟通能力--通常的C系列--数据告诉他们结果，以及针对此结果应该如何采取行动。“你可以分析所有你想要的数据，但如果你不能清晰的表达出数据告诉你的东西，你就不能算作是数据科学家”，他说。毕竟，我们的目标是推进经营战略，如减少客户流失，提供跨渠道，化解金融风险。

　　然后再一次，Robert看到了这些需求本身存在的固有的冲突，她坦陈，“他们不得不能够坐在那里，在一段时间内寻找数据，然后翻转开关，化身为能引人入胜的主持人?这完全是两个不同的人。”

　　Opera--也雇佣了各种各样机器学习(能力)的数据科学家--在寻找这样的人，他们拥有定量领域背景，有数学和统计概念资质，能够将这些概念以计算机程序进行实例化，接受大容量数据流并对解决实际商业问题有一定兴趣。

　　“我们对那些需要学习机器学习算法的人感到自在，如果他们对数学和解决问题的能力表现出色。”Opera分析部门全球负责人Joseph Milanna表示，“他们可能不是一名合格的数学家或已经建立了神经网络，但他们应该表现出激情与兴趣，这样我们才会选择他”。

　　拥有怎样的背景，才能成为一名数据科学家?

　　在Opera，大多数成功的申请者都拥有更高水平的学术培训甚至拥有PhD。“鉴于在机器学习科学和其他新出现的新型技术的进步，科学家的确需要更高水平的训练，浸淫最新思想成果”，Milanna说。即便是在求职搜索网站Dice，半数的数据科学家都指定要求必须具备PhD学位，Silver表示，“这不是绝对必要的，但却是主要的奖励”，他补充。

　　Opera雇员跨越了各种各样的数据驱动型学科，包括计算机科学、电子工程、统计学、机械工程和心理学。这样跨学科的知识大有裨益，Milanna强调。例如，他已经看到了来自水文学的分子式应用于股票市场交易信号。

　　对于更大的数据科学家池，Raden坚信PhD学位不是必要的。如果一个人现在的工作室商业智能和定量分析，并且在那之前表现出了先进的数学和统计建模能力，就可以成长为企业的数据科学家，为企业提供如预测建模和大数据等类似关键领域的指导与培训。

　　Roberts表示同意，专注于特定技能和学历。某些时候可能会成为潜在求职者思考的代理人。“他们正示图衡量的是‘你喜欢学习吗?’但一堆方法可以用来获取该结论”，她表示。在天才分析(Talent Analytics)公司的调查中，数据科学家的先天特性包括好奇心、创造力、客观、有条理地思考能力与对细节的专注力，她强调。Milanna和Spoelstra也同意该观点，他们寻找候选人的最重要的天然特质也包括好奇心、逻辑思维、常识力、毅力、实用性和良好的判断力。

　　毫无疑问对数据科学家的需求只会不断增长，但由于该角色相对新潮，随着时间的推移，数据科学家的定义只会变化更多，不管是这些专业人士的工作范围，还是企业组织、实现并发展所需人才的方法。

　　“对于处在IT行业、项目管理和产品管理的人士来说，这是一个巨大的发展机遇，他们不再害怕学习他们行业相关的知识，也不用担心开夜车来整理头绪、解决问题。”