如何成为一名数据学家?不仅取决于你的技能和经验，还有教育和培训，都是你成为数据学家的过程中的重要因素。如果全部具备，那么你的数据科学事业将会变得更加顺利。
什么是数据科学家?
Data scientists are responsible for discovering insights from massive amounts of structured and unstructured data to help shape or meet specific business needs and goals. The data scientist role is becoming increasingly important as businesses rely more heavily on data analytics to drive decision-making and lean on automation and machine learning as core components of their IT strategies.
数据科学家的目标
通常使用专门设计的软件来组织和分析大量的数据。数据科学家分析的最终结果应该让投资者能够轻易的理解，最好通俗易懂， 尤其是对于非专业人士。
数据科学家所运营的数据分析方法一般取决于他们的具体需求。在数据科学家从数据中发现个性化之前，业务负责人必须告诉他们需要什么。因此，数据科学家必须具备足够的专业知识才能将目标转化为可交付的数据成果，如预测引擎，模式检测分析，优化算法等。
数据科学家的职责
数据科学家的主要职责是数据分析，这是一个从数据收集开始，到以最终数据分析结果为基础做出业务决策的流程。
数据科学家分析的数据，通常称为大数据。有两类数据属于大数据：结构化数据和非结构化数据。结构化数据通常按照类别进行组织，使计算机可以轻松进行排序，自动阅读和组织。这包括由服务，产品和电子设备收集的数据，但很少从人类输入收集数据。通过智能手机收集的网站流量数据，销售数据，银行账户或GPS坐标 - 这些都是结构化的数据形式。
非结构化数据是大数据增长最快的形式，一般来源于客户评论，电子邮件，视频，社交媒体帖子等。这些数据通常难以通过技术进行分类。由于没有简化，非结构化数据可能需要大量人力来管理。一般是依靠关键字来理解非结构化数据，以此作为使用可搜索条件提取相关数据的一种方式。
通常情况下，企业需要数据科学家来处理这些非结构化数据，而其他人员将负责管理和维护结构化数据。所以数据科学家可能会在他们的职业生涯中处理大量结构化数据，但企业越来越希望利用非结构化数据来服务他的利润目标。
数据科学家的薪水
数据科学是一个快速增长和利润丰厚的行业，BLS预测到这个行业职位将在2024年前增长11%。数据科学家目前正是一个热门的职业。在Glassdoor的美国50年最佳职位报告中，数据科学家的职位空缺，薪水和总体满意度评级，在各行业中均名列前茅。
根据Robert Half's 2018年技术与IT薪资指南的数据，数据科学家根据经验得出的平均薪水分解如下：
- 25th percentile: $100,000
- 50th percentile: $119,000
- 75th percentile: $142,750
- 95th percentile: $168,000
数据科学家的要求
每个行业都有自己的大数据资料供数据科学家分析。根据BLS，以下是每个行业中更常见的大数据形式，以及数据科学家可能需要执行的分析类型。
- 业务：今天，数据驱动业务几乎成为每家公司的战略 - 但企业需要数据科学家来理解信息。业务数据的数据分析可以提供更高效率，更合理库存，更少生产错误以及登高的客户忠诚度等方面的决策信息。
- 电子商务：网站收集的不仅仅是购买数据，数据科学家还可以帮助电子商务企业改善客户服务，发现趋势从而开发更合理的服务或产品。
- 金融：在金融行业，关于账户、信用、借记交易以及类似财务数据的数据，对于正常运营的业务至关重要。但对于这一领域的数据科学家来说，包括欺诈检测在内的安全性和规范性也是主要关注点。
- 政府：大数据有助于政府制定决策，支持三方成员并监督总体满意度。像金融部门一样，安全和规范是数据科学家最关心的问题。
- 科学：科学家一直处理数据，但通过现在的技术，他们可以更好地收集、分享和分析实验中的数据。这一过程中数据学家可以发挥他们优势。
- 社交网络：社交网络数据能够帮助推送更加智能化和针对性的广告，提高客户满意度。对帖子，推文，博客和其他社交媒体进行持续的数据分析可以帮助企业不断改进服务。
- 医疗保健：电子医疗记录现在成为医疗机构的标准，这些都是大数据对于安全性和规范化的奉献。在这里，数据科学家可以帮助改善医疗服务，并发现可能不被注意到的趋势。
- 电信：所有电子收集数据需要被存储，管理，维护和分析。数据科学家通过提供他们想要的功能，帮助公司打击错误，改进产品并让客户满意。
- 其他：没有一个行业能够抵御大数据的驱动，BLS指出你会在各个行业找到工作，例如政治，公用事业，智能家电等等。
数据科学家的技能
根据Quora数据科学经理William Chen的说法，数据科学家的五大技能包括硬和软技能的混合：
- 程序设计：Chen将此引用为“数据科学家技能集合的最基本”，并指出它为数据科学技能增添了价值。编程提高了你的统计技能，帮助你“分析大型数据集”，并使你能够创建自己的工具。
- 定量分析：分析大型数据集的一项重要技能，定量分析将提高你运行实验分析的能力，扩展你的数据策略并帮助你实现机器学习。
- 产品直觉：理解产品将有助于你进行定量分析，它还将帮助你预测系统行为，建立指标并提高调试技能。
- 沟通：可能是所有行业中最重要的软技能，强大的沟通技巧将帮助你“充分利用以前列出的所有技能”。
- 团队合作：就像沟通一样，团队合作对于成功的数据科学事业至关重要。它需要无私，接受反馈并与团队分享你的知识。
如何成为数据科学家
如果你没有计算机科学或数据分析方面的背景，那么新手训练营，学位课程或认证可以提供转换为数据科学家所需的技能。
你需要弄清楚你想要的行业和职位要求是否需要高等教育学位，或者认证和培训是否能够满足应聘的要求。花一些时间研究职位要求，找到你想要的职位的共同点。从那里，你可以制定一个策略，成为一名具备教育，技能和经验的数据科学家来获得这份工作。
数据科学家的教育和培训
成为数据科学家有很多方法，但最传统的途径是获得学士学位。根据BLS的数据，大多数数据科学家拥有硕士学位或更高的学位，但对于每位数据科学家来说并非如此，还有其他方法可以开发数据科学技能。在你进入高等教育课程之前，你需要知道你将从事什么行业以找出最重要的技能，工具和软件。
由于数据科学需要一些业务领域的专业知识，数据科学家的角色将因行业而异，如果你在高技术行业工作，则可能需要进一步培训。例如，如果你在医疗保健，政府或科学领域工作，你需要与从事市场营销，商业或教育工作相关的技能。
如果你想培养某些技能以满足特定的行业需求，那么可以参加在线课程，新手训练营和专业发展课程，以帮助磨练你的技能。
数据科学认证
除了新手训练营和专业发展课程外，还有大量有价值的大数据认证和数据科学认证可以提升你的简历和薪水。
一些流行的数据科学认证包括以下内容：
- 认证分析专家(CAP) - 上限计划
- 预测分析认证专家(CSPA) - 中科院研究院
- Cloudera认证专家：CCP数据工程师 - Cloudera
- 数据科学证书 - 哈佛扩展学院
- DASCA数据科学证书 - 美国数据科学委员会
- IAPA分析凭证 - IAPA
- SAS数据科学学院 - SAS学院
- SAS认证的大数据专家/数据科学家 - SAS研究所
- Simplilearn数据科学认证培训 - Simplilearn
- Teradata Aster Analytics认证 - Teradata
要深入了解有价值的认证，请参阅我们的数据科学认证和大数据和数据分析认证指南。
数据科学学位课程
如果你想走传统的学位路线，那么在数据科学方面有很多硕士课程可供选择。即使没有科学相关的本科学位，你仍然可以申请数据科学硕士课程，但它可能需要额外的学分，考试或计算机科学经验。
根据美国新闻和世界报道，这些是数据科学领域的顶尖研究生学位课程：
- 统计学硕士：斯坦福大学数据科学
- 信息与数据科学硕士：伯克利信息学院
- 计算数据科学硕士：卡内基梅隆大学
- 数据科学硕士：哈佛大学John A. Paulson工程与应用科学学院
- 数据科学硕士：华盛顿大学
- 数据科学硕士：约翰霍普金斯大学怀廷工程学院
- 分析硕士：芝加哥大学格雷厄姆学院
其他数据科学工作
数据科学家只是数据科学领域中的一个职位，并不是每个使用数据科学的公司都在为数据科学家本身招聘。根据PayScale的数据，以下是一些与数据科学相关的最受欢迎的职位以及每个职位的平均薪水：
- 分析经理 - $ 92,249
- 商业智能分析师 - 66,003美元
- 数据分析师 - 57,768美元
- 数据架构师 - 112,790美元
- 数据工程师 - $ 90,811
- 研究分析师 - 52970美元
- 研究科学家 - 77,330美元
- 统计员 - 71,374美元
如果你正在寻找建立数据科学的职业，这些职位你可能也想考虑。数据分析是一个广阔的领域，所以在开始申请工作之前，你需要弄清楚你的特点。一旦你知道你想如何处理数据，就可以更容易地缩小与你的技能相匹配的最佳职位空缺。
