1.教育背景
88％的數(shù)據(jù)科學家受過高等教育且擁有碩士學位，其中46％擁有博士學位。雖然有些人是例外，但通常需要非常強大的教育背景才能擁有成為數(shù)據(jù)科學家所必需的知識深度。要想成為數(shù)據(jù)科學家，你可以先獲得計算機科學、社會科學、物理科學和統(tǒng)計學的學士學位，最常見的是數(shù)學和統(tǒng)計學（32％），其次是計算機科學（19％）和工程學（16％），任何這些課程的學位都可以為你提供處理和分析大數(shù)據(jù)所需的技能。
完成學位課程后，大多數(shù)數(shù)據(jù)科學家還進行在線培訓，例如學習如何使用Hadoop或大數(shù)據(jù)查詢等特殊技能。除課堂學習外，你還可以通過構(gòu)建應(yīng)用程序或探索數(shù)據(jù)分析來練習你在課堂上學到的知識，以便你了解更多信息。
2.R編程
對于數(shù)據(jù)科學家來說，R的至少是所有分析工具最應(yīng)該深入了解工具，因為R專為滿足數(shù)據(jù)科學需求而設(shè)計。你可以使用R來解決數(shù)據(jù)科學中遇到的任何問題，事實上，43％的數(shù)據(jù)科學家正在使用R來解決統(tǒng)計問題。然而，R有一個陡峭的學習曲線。如果你已經(jīng)掌握了某種編程語言，那么就會更難學習。不過不要擔心，互聯(lián)網(wǎng)上還有很多資源可以幫助你開始使用R，例如Simplilearn的R編程語言數(shù)據(jù)科學培訓，它是有抱負的數(shù)據(jù)科學家的重要資源。
技術(shù)技能：計算機科學
3.Python編碼
Python是適合數(shù)據(jù)科學家學習的一種優(yōu)秀編程語言，也是我在數(shù)據(jù)科學角色中看到的最常見的編碼語言，其中還有Java，Perl或C/C ++。O'Reilly曾經(jīng)調(diào)查過數(shù)據(jù)科學家，調(diào)查的受訪者中有40％使用Python作為他們的主要編程語言。
由于python的多功能性，你可以將其用于數(shù)據(jù)科學過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)，同時可以輕松地將SQL表導入代碼中，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
雖然這個不是硬性要求，但在許多情況下它是非常有用的，擁有Hive或Pig的經(jīng)驗也是一個很好的加分項。CrowdFlower對3490個LinkedIn上數(shù)據(jù)科學工作者進行的一項研究發(fā)現(xiàn)Apache Hadoop被評為數(shù)據(jù)科學家第二重要技能。
作為數(shù)據(jù)科學家，你可能會遇到這樣的情況，即你擁有的數(shù)據(jù)量超過系統(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。同時你還可以使用Hadoop進行數(shù)據(jù)探索、數(shù)據(jù)過濾、數(shù)據(jù)采樣和匯總。
5.SQL數(shù)據(jù)庫/編碼
盡管NoSQL和Hadoop已經(jīng)成為數(shù)據(jù)科學的一個重要組成部分，但大多數(shù)人還是希望能夠在SQL中編寫和執(zhí)行復雜查詢。SQL（結(jié)構(gòu)化查詢語言）是一種編程語言，可以幫助你執(zhí)行添加，刪除和從數(shù)據(jù)庫中提取數(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)庫結(jié)構(gòu)。
作為數(shù)據(jù)科學家，你需要精通SQL，因為SQL可以專門用于幫助你訪問和處理數(shù)據(jù)。當你使用它來查詢數(shù)據(jù)庫時你會發(fā)現(xiàn)，它簡潔的命令可以幫助你節(jié)省時間并減少執(zhí)行困難查詢所需的編程量。學習SQL將幫助你更好地理解關(guān)系數(shù)據(jù)庫并提升你作為數(shù)據(jù)科學家的形象。
6.Apache Spark
Apache Spark正在成為全球最受歡迎的大數(shù)據(jù)技術(shù)。它就像Hadoop一樣是一個大數(shù)據(jù)計算框架，唯一的區(qū)別是Spark比Hadoop更快。這是因為Hadoop需要讀取和寫入磁盤，這使得速度變慢，但Spark將其計算緩存在內(nèi)存中。
Apache Spark專為數(shù)據(jù)科學而設(shè)計，它可以幫助更快地運行復雜的算法。它還有助于數(shù)據(jù)科學家處理復雜的非結(jié)構(gòu)化數(shù)據(jù)集，你可以在一臺機器或一組機器上使用它。Apache spark使數(shù)據(jù)科學家能夠防止數(shù)據(jù)科學中的數(shù)據(jù)丟失。Apache Spark的優(yōu)勢在于其速度和平臺，這使得開展數(shù)據(jù)科學項目變得容易。借助Apache spark，你可以執(zhí)行從數(shù)據(jù)采集到分布式計算的分析。
7.機器學習和AI
大量數(shù)據(jù)科學家并不精通機器學習領(lǐng)域和技術(shù)，這包括神經(jīng)網(wǎng)絡(luò)，強化學習，對抗性學習等。如果你想從其他數(shù)據(jù)科學家中脫穎而出，你需要了解機器學習技術(shù)，如監(jiān)督機器學習、決策樹、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)測的不同數(shù)據(jù)科學問題。
數(shù)據(jù)科學需要應(yīng)用于機器學習的不同領(lǐng)域。Kaggle在其中一項調(diào)查中發(fā)現(xiàn)，一小部分數(shù)據(jù)專業(yè)人員具備先進的機器學習技能，如監(jiān)督機器學習、無監(jiān)督機器學習、時間序列、自然語言處理、異常值檢測、計算機視覺、推薦引擎、強化學習和對抗性學習。
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：“一張圖片勝過千言萬語”。
作為數(shù)據(jù)科學家，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目中的復雜結(jié)果轉(zhuǎn)換為易于理解的格式。問題是，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)語在結(jié)果中的表示。
數(shù)據(jù)可視化使組織有機會直接處理數(shù)據(jù)，他們可以快速掌握并且?guī)椭麄冊诟偁幹凶プ⌒律虣C。
9.非結(jié)構(gòu)化數(shù)據(jù)
數(shù)據(jù)科學家能夠處理非結(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)庫表，其中包括視頻、博客文章、客戶評論、社交媒體帖子、音頻等。對這些類型的數(shù)據(jù)進行排序很困難，因為它們沒有邏輯可言。由于其復雜性，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)可以幫助你揭示對決策有用的洞察力。作為數(shù)據(jù)科學家，你必須能夠理解和操縱來自不同的平臺的非結(jié)構(gòu)化數(shù)據(jù)。
非技術(shù)技能
10.好奇心
“我沒有特殊才能。我只是充滿好奇心?！?愛因斯坦。
毫無疑問，你最近可能多次看到過這句話，因為它與數(shù)據(jù)科學家有關(guān)。一位資深數(shù)據(jù)科學家描述過它的含義，并在幾個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的愿望。作為數(shù)據(jù)科學家，你需要能夠提出有關(guān)數(shù)據(jù)的問題，因為數(shù)據(jù)科學家花費大約80％的時間來發(fā)現(xiàn)和準備數(shù)據(jù)。這是因為數(shù)據(jù)科學領(lǐng)域是一個發(fā)展非?？斓念I(lǐng)域，你必須學習更多以跟上節(jié)奏。
你需要通過在線閱讀內(nèi)容和閱讀有關(guān)數(shù)據(jù)科學趨勢的相關(guān)書籍來定期更新你的知識。不要被在互聯(lián)網(wǎng)上飛來飛去的大量數(shù)據(jù)所淹沒，你必須能夠知道如何理解這一切。好奇心是成為數(shù)據(jù)科學家所需要的技能之一。例如，最初你可能沒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解。
11.商業(yè)頭腦
要成為一名數(shù)據(jù)科學家，你需要對你正在從事的行業(yè)有充分的了解，并了解貴公司正在努力解決的業(yè)務(wù)問題。在數(shù)據(jù)科學方面，除了確定企業(yè)應(yīng)利用其數(shù)據(jù)的新方法之外，能夠識別哪些問題對于業(yè)務(wù)而言至關(guān)重要是重要的。
為了能夠做到這一點，你必須了解你解決的問題如何影響業(yè)務(wù)。這就是你需要了解企業(yè)運營方式的原因，以便你可以將你的工作指向正確的方向。
12.溝通技巧
尋找強大數(shù)據(jù)科學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)團隊的人員，例如市場營銷部門或銷售部門。數(shù)據(jù)科學家必須使企業(yè)能夠通過量化的洞察力來制定決策，此外還要了解非技術(shù)同事的需求，以便恰當?shù)丶m正數(shù)據(jù)。
除了說出公司理解的相同語言外，你還需要使用數(shù)據(jù)敘述進行溝通。作為數(shù)據(jù)科學家，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)正確地傳達給你的雇主。
溝通時，請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，他們對如何積極地影響他們的業(yè)務(wù)感興趣。學會專注于通過溝通提供價值和建立持久的關(guān)系。
13.團隊合作
數(shù)據(jù)科學家不能單獨工作，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)計師一起創(chuàng)造更好的產(chǎn)品，還要與營銷人員合作以推出更好的營銷活動，最重要的還要與客戶和服務(wù)器軟件開發(fā)人員合作創(chuàng)建數(shù)據(jù)管道并改進工作流程，你必須與組織中的每個人（包括你的客戶）合作。
從本質(zhì)上講，你將與你的團隊成員合作開發(fā)應(yīng)用，以了解解決問題所需的業(yè)務(wù)目標和數(shù)據(jù)。你需要了解正確的方法來解決問題以及如何將結(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。
作者：【方向】
