性感事物方面的权威《哈佛商业评论》宣布，“数据科学家”是二十一世纪最性感的职业。所谓性感，既代表着难以名状的诱惑，又说明了大家都不知道它干的是什么。
不管老板懂不懂数据科学家是干什么的，反正最近几年这个岗位的需求数正在快速攀升，Indeed.com的数据可以为证。
但是其性感在什么地方？什么是数据科学家？他们是科学家吗？还是工程师？程序员？抑或是一个商业决策与创新者的新血统？
Indeed.com的数据没有反应出来的一个事实是，尽管这个职业对应的学科在学术界经过长期的酝酿，但终究没有成立为一个新的学科。而这段时间很长的学术孵化期，也许跟今天的数据科学实践有着很大的关系。
我 们首先来简要回顾一下这段历史。早在上世纪六十年代，Peter Naur就首次提议要用“数据科学（data science、Datalogy）”来替代“计算机科学（computer science）”，后来在上世纪九十年代中期为国际分类社团联盟所用。2001年，William S. Cleveland提议将其设立为一个新的学科，吸收“计算在数据方面取得的进展”作为统计学的延伸。《数据科学（Data Science Journal ）》及《The Journal of Data Science》分别于2002年与2003年发行.2005年，国家科学委员会发表了《数字数据收集万岁：促进二十一世纪的研究与教育》，文中将数据科学家定义为“信息与计算机科学家，数据库与软件工程师及程序员，学科专家，成功管理数字数据收集的关键人物。”
到 了本世纪头十年的中期，数据科学不再屈尊于仅列为其他学科的细目清单，开始走出学术殿堂。从学术迈向新职业走出的这半步是Troy Sadkowsky于2009年完成的。他在澳大利亚的一个学术性岗位工作，但却有一个“科学性程序员”的头衔，其职责是开发支撑大规模、“大数据”科学 性研究的应用。2009年一月，数字化数据跨机构工作组发表了一份名为《驾驭科学与社会数字化数据之力》的报告，Sadkowsky从中了解到“数据科学 家”这个词，认为该词是自己所从事工作的最好描述。2009年6月，他在LinkedIn建立了一个数据科学家小组作为其 datasceintists.com网站的辅佐。
但是数据科学从学术向行业的大规模迁移此前早就在美国发生 了，那时候Web公司正在开发大数据技术，需要定量分析员对其收集得海量数据进行挖掘利用。那些不愿呆在象牙塔里的数量分析专家都会跑到华尔街。不过 2008年的时候这个地方的诱惑力下降了。Greylock Partners的数据科学家D.J. Patil跟Jeff Hammerbacher一起在Facebook和LikedIn上建立了数据与分析小组，这一举动被视为是数据科学走向职业化的标志，小组的职能是致力 于对业务能够产生即时的、大规模影响的数据应用。所谓数据科学家就是运用数据和科学创造新东西的人。
而数据科学家这个职位的头衔则是2009年由Natahn Yau首次提及的，他认为数据科学家就是能够从大型数据集中析取出数据，并提供某些可供非数据专家使用的东西的人。
数据科学家、创业家Mike Driscoll则认为数据极客有三个性感之处：建模、转换、可视化。而一种比较有诗意的表述方式是：数据科学家好比是哥伦布遇上科伦坡，目光如炬的探险家与怀疑一切的大侦探的合体。
而 在《数据科学家：二十一世纪最性感的职业》一文中，设计LinkedIn的“你可能认识的人”功能的数据科学家Jonathan Goldman的工作也许是对数据科学家工作方式的最好诠释：首先构建理论、印证预感，然后寻找出模式，对应该推出某人的哪一个网络做出预测。文章最后对 数据科学家的工作进行如下概括：
数据科学家做的，就是在数据中遨游的同时进行探索，其 显著特点是强烈的好奇—他们渴望寻找问题核心，追究问题实质，并把这些东西提炼为一组非常清晰、可以验证的假设。这往往会让人联想到这些都是任何一个领域 最有创意的科学家所具备的特质，很显然，科学家这个头衔适合于这一新兴角色。他们实现价值提升并不是靠做报表或者PPT给高管，而是靠在面向客户的产品与 流程方面所做出的创新。
不过，这一大段的阐述仍然不够简洁明了，在上述观察的基础上我们来给出一个数据科学家的简明版定义：
数据科学家就是采用科学方法、运用数据挖掘工具寻找新的数据洞察的工程师。
科 学办法就是构思假设、测试想法、精心设计实验、经由他人验证，这些是他们从统计身上掌握的知识，经科学训练出来的经验。而工具的运用则是来自其工程经验， 或者更确切地说来自于其计算机科学与编程背景。最好的数据科学家是产品与流程的创新者，有时候还是新的数据挖掘工具的开发者。
何谓性感，这就是。
【编辑推荐】
