2
聯(lián)合編譯：Blake、高斐
編者注：作者Alec Smith是數(shù)據(jù)科學領(lǐng)域中資深HR，之所以寫這篇文章是因為經(jīng)常被問到一個問題：“如何才能獲得一份數(shù)據(jù)科學家的職位？” 不僅這個問題經(jīng)常被問引起了注意，另外問這個問題的人不同的背景也非常很令人感興趣。作者曾經(jīng)和以下這些職業(yè)的人有過類似對話：軟件工程師、數(shù)據(jù)庫開發(fā)者、數(shù)據(jù)架構(gòu)師、保險精算師、數(shù)學家、學術(shù)界人士（不同領(lǐng)域）、生物學家、天文學家、理論物理學家—我還能接著往下數(shù)。通過和他們的這些談話，作者發(fā)現(xiàn)在這之中有很大的誤解存在，很多人都非常困惑——為了闖入這個領(lǐng)域的話，他們需要做些什么？
作者決定深入調(diào)查這個項目，同時提供一個任何想要加入商業(yè)計算機科學都能受益的干貨資料——無論你是剛剛開始，或者早已點滿所有的技能只是沒有相關(guān)的業(yè)界經(jīng)驗。因此我打算主要回答這兩個概覽性的問題：
數(shù)據(jù)科學需要哪些技能？如何才能學會這些技能？
從求職市場的角度來看的話，怎樣做才能最大化在數(shù)據(jù)科學崗位上被錄用的機會？
你可能會疑惑，憑什么我能回答這些問題？
因為我每天都喝數(shù)據(jù)科學家打交道，并且作為一個資深的HR，我需要了解相關(guān)職業(yè)道路，怎樣才能成為一名優(yōu)秀的數(shù)據(jù)科學家，以及雇主期望能招到哪一種員工。因此對于這件事我還是相當了解的。但是我也想直接找到那些沿著這條路走下來的人，所以我以不同背景的數(shù)據(jù)科學家開始，期待能發(fā)掘到不同的東西。這一次我找到了一個前軟件工程師、前天體物理學家、甚至還有一個前粒子物理學家（這令我非常激動，因為他曾經(jīng)親身參與過21世紀以來最重大的科學突破之一）。
你已經(jīng)下定決心要做一名數(shù)據(jù)科學家了，很好你已經(jīng)開始了。但是現(xiàn)在你有了另外一種選擇：你想做哪一種數(shù)據(jù)額科學家呢？因為（認識到這個很重要）雖然數(shù)據(jù)科學被承認是一種職業(yè)已經(jīng)有很多年了，但是有關(guān)于它到底是什么還沒有一個大家都認可的定義。
在現(xiàn)實生活，“數(shù)據(jù)科學家”這個詞可以指代非常廣泛的工種，因此它存在很多種形式，考慮到工業(yè)界以及商業(yè)界各種需求的不同，還有問題中目標與輸出角色的不同。因此，在某些方面擁有技能的話比其他要更好一些，這就是為什么通向數(shù)據(jù)科學的路徑是不相同的，可以通過多種領(lǐng)域如統(tǒng)計、計算機科學與其他科學學科來實現(xiàn)。
目的是決定數(shù)據(jù)科學形式類別的最大因素，這也與相應(yīng)的A類以及B類相關(guān)聯(lián)。廣義上來說，分類可以總結(jié)如下：
面向人類的數(shù)據(jù)科學（A類），舉例：分析支持以證據(jù)為基礎(chǔ)的決策
面向軟件的數(shù)據(jù)科學（B類），舉例：智能推薦系統(tǒng)，如Netflix和Spotify
當這個領(lǐng)域越來越成熟之后，我們可以見到這些定義會愈加完善，在這里我們也要介紹我們第一個專家：Yanir Seroussi，Yanir目前是Car Next Door的首席數(shù)據(jù)科學家。
在我們深入研究之前，值得花一點時間來反思“數(shù)據(jù)科學”中的“科學”，因為在某種意義上，所有的科學家都是數(shù)據(jù)科學家，因為他們都是與各種各樣的數(shù)據(jù)進行打交道。但要考慮到通常被認為是數(shù)據(jù)科學的這個行業(yè)，究竟是什么使它成為一門科學？這個問題很好！答案應(yīng)該是：“科學方法”?？紤]到科學的多學科性，科學方法是把這些領(lǐng)域結(jié)合在一起。
然而，業(yè)界中職位名稱貌似越來越寬松了，并不是所有的數(shù)據(jù)科學家都是真正的科學家?？梢赃@樣問你自己：你能證明自己是一個科學家即便你的工作并不包含真正的科學呢？個人來說，我不認為“分析師”不能作為一個選項 ，或者其他的最合適的也能作為選項。但是這可能只是我個人意見，也許我最好稱自己為招聘科學家。
通過討論的方式我們將繼續(xù)探索，哪些領(lǐng)域的專業(yè)知識你還需要掌握（如果你還沒有的話）。
1. 解決問題
如果這個不是你清單中的首位的話，馬上去修改。所有科學核心都是解決問題：一個偉大的數(shù)據(jù)科學家也是一個偉大的問題解決者；就是這么簡單。需要更進一步的證明嗎，基本我在這個項目中碰到的每一個人（不管其背景和目前工作環(huán)境如何）都提到數(shù)據(jù)科學中最重要的因素就是解決問題。
很明顯，你需要有工具去解決問題，但是它們只是：工具。在這種情況下，即便是統(tǒng)計/機器學習技術(shù)也可以認為是你解決問題的工具。新的技術(shù)出現(xiàn)了，科技進步了。唯一不變的就是解決問題。
在某種程度上，你解決問題的能力是由天賦決定的，但是與此同時有且僅有一個方式來進行提高：那就是練習、練習、練習。在后面我們會回顧這部分內(nèi)容，但是現(xiàn)在你只需要記?。耗阒荒芡ㄟ^嘗試來掌握某件事情。
2. 統(tǒng)計/機器學習
看完上面的內(nèi)容，似乎我輕視了統(tǒng)計和機器學習。不過在這里我們并不是討論一個強力的工具；它們是非常復(fù)雜的（而且在某種程度上是非常深奧的領(lǐng)域），如果你沒有專業(yè)的知識，你也不會很快地解決數(shù)據(jù)科學問題。
進一步對這些詞進行解釋說明，機器學習可以被認為是從人工智能/計算科學與統(tǒng)計學中發(fā)展起來的多學科領(lǐng)域。它通常被認為是人工智能的一個子領(lǐng)域，這是正確的，但是很重要的是要意識到?jīng)]有統(tǒng)計學的話就沒有機器學習（機器學習非常依賴統(tǒng)計算法來工作）。很長一段時間依賴統(tǒng)計學家都被機器學習所輕視，但是在這兩個領(lǐng)域的合作才造就了最近的發(fā)展（參見統(tǒng)計學習理論），順便提下高維統(tǒng)計學習只有在統(tǒng)計學家與機器學習結(jié)果合作時才會有良好的結(jié)果。
3. 計算
編程
對于我們來說只需要簡單的接觸程序就行，因為它應(yīng)該是很直觀的：但是對數(shù)據(jù)科學家來說編程是必須要會的。設(shè)想下如果你不會編程的話，如何才能通過編寫一段獨特的算法來實現(xiàn)你的理論？又或者建立一個統(tǒng)計模型？
分布式計算
并不是所有事情都需要超級大的數(shù)據(jù)組，但是考慮到現(xiàn)代世界的情況，建議在工作中都加上大數(shù)據(jù)。簡而言之：單一計算機中的主要內(nèi)存并不能實現(xiàn)大數(shù)據(jù)處理，如果你想同時在數(shù)百臺虛擬機中訓(xùn)練模型的話，你需要能夠使用分布計算與并行算法。
軟件工程
對于A類數(shù)據(jù)科學而言，讓我明確一點：工程是一門獨立的學科。因此如果這是你想成為的數(shù)據(jù)科學家類型，你其實不需要成為一個工程師。然而，如果你想把機器學習算法轉(zhuǎn)化到應(yīng)用中（即B類），那么你將需要一個強大的軟件工程基礎(chǔ)。
手動轉(zhuǎn)換數(shù)據(jù)
數(shù)據(jù)清理/準備是數(shù)據(jù)科學的重要內(nèi)在組成部分。這將耗費你大多數(shù)時間。倘若你沒有成功地對數(shù)據(jù)集進行降噪（例如，錯誤賦值，非標準化分類等），將會對建模的準確性產(chǎn)生影響，最終導(dǎo)致產(chǎn)生錯誤的結(jié)論。因此，如果你尚未做好處理數(shù)據(jù)的準備，這將使你先前的知識積累顯得無關(guān)重要。
有一點是非常重要的且值得注意的，即在商業(yè)化組織中數(shù)據(jù)質(zhì)量一直以來成為飽受爭議的話題，在數(shù)據(jù)儲存方面，許多業(yè)務(wù)又涉及到復(fù)雜的基礎(chǔ)事務(wù)需要處理。所以，如果你尚未準備好融入這個環(huán)境中，想要處理純粹的數(shù)據(jù)集，商業(yè)數(shù)據(jù)科學可能不是最適合你的選擇。
工具與技術(shù)
直至目前，你應(yīng)當意識到，成為一名具備解決問題的能力的數(shù)據(jù)科學家相比于其他一切條件來講是重中之重：因為技術(shù)將不斷發(fā)生變化，能夠在相對較短的時間內(nèi)得到掌握。但是，我們不能對其他影響因素置之不理，因而，能夠認清楚如今應(yīng)用最廣泛的工具對于成為一名數(shù)據(jù)科學家是有用的。
讓我們先從編程語言談起，R與Python是兩種最常用的編程語言，因而，如果能夠選擇的話，希望你選用其中一種語言用于實驗研究。
尤其是在A類數(shù)據(jù)科學工作領(lǐng)域，具備能夠直觀地觀察數(shù)據(jù)的能力將會對與非技術(shù)型商業(yè)股東交流溝通產(chǎn)生重大影響。你可能具有最優(yōu)的模型和最深刻的見解，但是如果不能有效地呈現(xiàn)/解釋這些研究成果，那又將有什么用呢？事實上，你運用什么工具實現(xiàn)數(shù)據(jù)直觀可視化并不重要，可以是通過使用R或Tableau（當時最為流行的編程語言），但是，說實話，工具是不太重要的。
最后，不論我們所討論的是關(guān)系型數(shù)據(jù)庫，還是運用大數(shù)據(jù)技術(shù)獲得的SQL衍生數(shù)據(jù)庫，由于SQL是當時產(chǎn)業(yè)界用于數(shù)據(jù)庫中最為廣泛的編程語言，大多數(shù)公司都非?？粗豐QL這種編程語言。SQL對于手動轉(zhuǎn)換數(shù)據(jù)尤為重要，至少在處理更大規(guī)模的數(shù)據(jù)庫時?？傊琒QL真的值得你花費一定的時間來好好研究應(yīng)用。
交流/商業(yè)頭腦
在商業(yè)數(shù)據(jù)科學領(lǐng)域工作，具備交流溝通能力/商業(yè)頭腦是不容忽視的。除非你將要從事非常具體的工作，可能是純研究類型的工作（盡管我們要面對現(xiàn)實，在產(chǎn)業(yè)界并沒有很多這種類型的工作），絕大多數(shù)數(shù)據(jù)科學領(lǐng)域的工作都涉及到業(yè)界交流互動，通常是與非學者類型的人打交道。
具備將商業(yè)化問題和催生這些問題的環(huán)境概念化是極為重要的。將統(tǒng)計學方面的觀點轉(zhuǎn)化為可以想普通大眾推薦的行動或啟發(fā)性觀點也是重要的，特別是對于A類型數(shù)據(jù)科學領(lǐng)域的工作來講。我曾與Yanir就該話題交談過，他的觀點如下：
“我發(fā)現(xiàn)一種奇怪的現(xiàn)象，當一些技術(shù)型人才開始使用行話與人交流時，他們并不留意他們的交談?wù)摺切┓羌夹g(shù)型人才，的目光早已落到了別處。在交談過程中，能夠設(shè)身處地地為他人著想是重要的?！?/p>
搖滾明星
乍看這樣一個標題，你可能會困惑不解：事實上，我用這一標題暗含諷刺意味。當然，數(shù)據(jù)科學家可不是搖滾明星，忍者，獨角獸或其他任何一種神秘生物。如果你計劃視自己為上述任何一種生物，那你可能該對著鏡子好好大量自己一番。但是，講到這里，我離題了。我想要表達的觀點是，有一些數(shù)據(jù)科學家，他們具備頂尖的專業(yè)水平，也可能專業(yè)水平更為高端。在別人眼中，可謂稀有物種，尤為寶貴。如果你有此般天賦或愿望成為其中一員，那簡直是太棒了。但是，如果你不具備這種才能或愿望，請記得：你可能在數(shù)據(jù)科學的某些領(lǐng)域做的術(shù)業(yè)有專攻，而且通常，好的團隊是由精通于不同專業(yè)領(lǐng)域的數(shù)據(jù)科學家組成的。決定自己的研究重點在哪一領(lǐng)域，這個問題有回到我們之前講的個人興趣和能力這個話題上，我們將在下一篇文章中對該話題作繼續(xù)討論。
相關(guān)閱讀
從世界冠軍到數(shù)據(jù)科學家 他是如何煉成的？ | 硬創(chuàng)公開課
PS : 本文由雷鋒網(wǎng)獨家編譯，未經(jīng)許可拒絕轉(zhuǎn)載！
via Alec Smith
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
