数据科学是一个提供大量不同职业道路机会的领域，Glassdoor.com将其命名为近年来的头号工作。
东北大学在其网站上列出了一整套与数据科学相关的潜在工作，包括商业智能开发人员、数据/应用程序/基础设施架构师、机器学习科学家/工程师，当然还有传统的数据科学家角色。
SEE：大数据管理技巧(免费PD F)（科技共和国）
我的同事AlisonDe Nisco Rayome去年报道了数据科学，并提供了与这个主题相关的大量细节。 我最近与数据科学教育组织DataCamp的联合创始人Martijn Theuwissen进行了交谈，以了解更多关于这个概念的信息。
斯科特·马特森：作为一名数据科学家需要什么技能？
马蒂恩·特乌维森：有一个普遍的误解是，要成为一名数据科学家，就需要知道统计学、线性代数、微积分、编程、数据库、机器学习，我可以继续下去。 有人甚至说是博士。 需要D.。 这与事实相去甚远。
事实上，任何人都可以成为数据科学家。 你所需要的只是一个具有可衡量目标的学习计划，以及对SQL、Python和R等流行数据科学语言的基本理解。
但让我们退一步看看数据科学到底是什么。 数据科学通常可以分为描述性分析、预测分析和指令性分析。
西：数据科学家是做什么的？ 我们和一个人谈过，了解这个受欢迎和有利可图的领域（技术共和国）
任何人都能做到！ 我见过关于营销、商业和产品团队的数据科学家需要重新定义他们自己的角色，因为他们的“非技术”队友已经在Python或R中学习了一些SQL和数据可视化来完成工作并创造以前无法想象的价值。 这些只是我们想要帮助在全世界建立数据流畅性的一些技能。
斯科特·马特森：你能在你的组织里找到有用的技能吗？ 企业应该转向教育培训吗？？
马蒂恩·休维森：对两者都是。 每个公司都有数据科学家。 例如，建立一个导师计划，结合一个持续的学习课程，可以大大提高一个组织的数据流畅性。
而这不再是一种选择——这是一项当务之急。 数据在商业中是至高无上的。 数据科学是一种可以利用数据做出商业决策的手段。 没有基本的数据科学技能，员工就不能做出这些重要的决定。
随着您的团队对数据语言变得更加舒适，他们将更舒适地将数据用于重要的业务决策。 显然，一些团队成员使用数据技能比其他成员更舒服。 鼓励精通的人指导他人。 即使在数据营，数据科学是我们的业务，有些人也不连续地处理数据。 当他们在一个复杂的问题上需要帮助时，他们会和那些需要帮助的人配对。
SEE：作为一名数据科学家如何失败：3个常见错误（技术共和国）
这一切都是关于共享工具、技能和责任的-它们可以极大地改善员工之间的沟通和理解，最终改善工作场所文化。
斯科特·马特森：员工能接受数据科学方面的培训吗？
当然。 但首先，公司需要意识到今天的数据科学并不是数据科学家独有的。 事实上，公司的许多任务需要一定程度的数据科学-财务、营销、运营和人力资源，仅举几个例子。 这是一个文化挑战，也是一个技能挑战。
其次，公司需要实施适合员工生活方式的技能提升计划。 解决方案，如数据营，提供按需和互动学习选项，是专门为忙碌的人。 这反映了许多行业正在采取的提高技能和重杀举措的根本转变。 我们正在看到一个从L&；D功能的转变，创造面对面的培训材料到他们，规划个性化的内容为他们的员工使用在线资源。
SEE：Oracle利用数据科学为零售商提供智能优势（技术共和国）
最重要的是，不要把脚从油门踏板上摔下来。 学习不是一次性的，特别是在数据科学这样的动态空间中。 确保你已经实施的程序是可重复的，并且你正在衡量成功和成长。 在今后的工作中，不断学习是常态.. 开发的工具和解决实际业务问题所需的技能的数量正在迅速增长。 我们进入了一个不断学习对保持专业相关性至关重要的时代。 一般情况下是这样，但在数据世界中更是如此。
斯科特·马特森：数据科学家需要博士学位吗？ D.？
Martijn Theuwissen：编写代码没有捷径可走，但通过实践，任何人都可以建立使用数据解决问题所需的技能，特别是使用正确的教育工具。
例如，我们的一名员工使用数据营从客户主管转向数据科学家。 我们也听过客户的类似故事。 然后你有一些没有正式学位的知名数据科学家的例子。 克劳德拉联合创始人杰夫·哈默巴赫尔、选举预测师内特·西尔弗和金钱球脑保罗·德·波德斯塔是三个人想到的。
这并不是说拥有数据科学大学学位没有价值。 事实上，我们免费向许多大学提供数据营订阅，因为我们主张数据科学民主化，而不管教育媒体如何。
斯科特·马泰森：做一名关于技能、奉献、理解或教育的数据科学家吗？ 一种混合？
Martijn Theuwissen：作为一名有效的数据科学家，除了拥有任何学位或培训计划外，还有一个主要部分是知道如何围绕以下主题进行对话和提出正确的问题：
莫妮卡·罗加蒂是我们领域的一位摇滚明星，他就这个话题写了一篇很棒的文章，名为“数据科学的需要层次”，值得寻找。 当然，我有偏见，但我也强烈推荐我们全新的数据科学为商业领袖课程学习更多。
SEE：了解数据科学的前5件事（技术共和国）
斯科特·马特森：你能用主观的例子来描述数据科学家的日常活动吗？
Martijn Theuwissen：今天的数据科学家通过进行数据收集和数据清理、构建仪表板和构建报告、数据可视化、统计推断、向关键利益攸关方传达结果以及向决策者提供关于其结果的可量化证据，每天都能增加价值。
技术行业的数据科学家现在知道数据科学是如何工作的，以及它提供的价值。 它们每天都会从建立一个坚实的数据基础开始——这个基础将进行强有力的分析。 从那里，他们利用在线实验和其他方法，将导致可持续增长。 最后，但并非最不重要的是，他们构建机器学习管道和定制数据产品，以帮助他们更好地了解自己的业务和客户，并做出更好的决策。
斯科特·马泰森：一个人要花多长时间才能学会这种交易，并开始数据科学的职业生涯？
Martijn Theuwissen：一个合理的估计是花六个月的时间专门学习全职和完成项目。 这还包括在Jupyter/Markdown笔记本上写出来。 这项工作也应该发表在github和个人博客上。 所有这些工作都能为初级数据分析师或初级数据科学家等初级职位提供良好的装备。 从那时起，关键是持续学习，包括所有最新的工具、技术、概念、通信和问题。