學(xué)習(xí)好這8項技能做21世紀(jì)最最性感的工作—“數(shù)據(jù)科學(xué)家”

你想找到一份數(shù)據(jù)科學(xué)家的工作嗎?如果你有這樣的想法的話，那么你就有伴兒了。最近由Thomas Davenport和D.J. Patil在《哈佛商業(yè)周刊》上面發(fā)表了一篇專欄，文章稱“數(shù)據(jù)科學(xué)家”是21世紀(jì)最最性感的工作。

那么你怎樣才能找到門路呢?很多實用性的資源可以幫助你成為一名數(shù)據(jù)科學(xué)家，只是需要你可以綜合性地駕馭多個學(xué)科領(lǐng)域，比如軟件開發(fā)、數(shù)據(jù)修改、數(shù)據(jù)庫、統(tǒng)計學(xué)、機器學(xué)習(xí)以及數(shù)據(jù)可視化。

請不要擔(dān)心，以我的經(jīng)驗來看，作為一名數(shù)據(jù)科學(xué)家，事實并非如此沉重。你真的沒有必要用盡可能快地花費一生的時間學(xué)習(xí)和數(shù)據(jù)相關(guān)的信息和技能。你需要做的就是仔細地閱讀數(shù)據(jù)科學(xué)崗位職責(zé)的描述。這樣就可以讓你根據(jù)自己已經(jīng)有的經(jīng)驗和技能去申請和數(shù)據(jù)科學(xué)家崗位相關(guān)的工作，或者根據(jù)具體崗位的需要加強具體的數(shù)據(jù)技能，以便于可以和你想要的工作更好的匹配。

4種數(shù)據(jù)科學(xué)工作崗位

“數(shù)據(jù)科學(xué)家”是一種綜合性的崗位頭銜，通常用來表示該崗位與其他類別崗位有相當(dāng)大的不同之處。下面是4種數(shù)據(jù)科學(xué)崗位：

一位數(shù)據(jù)科學(xué)家就是一位居住在舊金山的數(shù)據(jù)分析師

玩笑歸玩笑，實際上很多公司里面的數(shù)據(jù)科學(xué)家就等同于一名數(shù)據(jù)分析師。你的日常工作內(nèi)容可能由以下方面組成，比如從MySQL數(shù)據(jù)庫中拉取數(shù)據(jù)，在Excel數(shù)據(jù)透視表方面你也是大拿，并且還得生成基本的數(shù)據(jù)可視化圖表(比如條形或者柱狀圖)。你可能還會偶爾分析A/B測試的結(jié)果，或者掌管公司在Google Analytics注冊的賬戶。對于渴望成為數(shù)據(jù)科學(xué)家并且想摸到竅門的你而言，這樣的公司的確是理想之地。

請放養(yǎng)我們的數(shù)據(jù)!

看起來已經(jīng)有很多企業(yè)的信息流量即將迎來高峰(而且還有不斷增長的數(shù)據(jù)量)，企業(yè)正在尋找合適的人選建立大量的數(shù)據(jù)架構(gòu)，以便于讓企業(yè)可以不斷向前發(fā)展。他們也在尋找能夠做數(shù)據(jù)分析的合適人選。你會發(fā)現(xiàn)這種類型崗位的公開招聘信息陳列在“數(shù)據(jù)科學(xué)家”和“數(shù)據(jù)工程師”的類目中。既然你想成為公司里面第一個數(shù)據(jù)方面的雇員，那么還是有個別唾手可得的崗位，這些崗位的重要性并沒有數(shù)據(jù)科學(xué)家這般重要，比如統(tǒng)計師或者機器學(xué)習(xí)專家。擁有軟件工程背景的數(shù)據(jù)科學(xué)家在公司里面的表現(xiàn)可能會更加突出，數(shù)據(jù)科學(xué)在公司里面的重要作用就是為產(chǎn)品代碼做出和數(shù)據(jù)有關(guān)的貢獻并提供基本的洞察和分析結(jié)果。但是在這種企業(yè)中，基層數(shù)據(jù)科學(xué)家崗位的員工不會太多的師徒制機會。因此，在這種環(huán)境當(dāng)中，你可以在很多考驗之后發(fā)光發(fā)熱并大紅大紫，但是這樣的環(huán)境也會缺少相對的安全性，因為單憑你的一己之力，你會面臨徹底失敗或者停滯不前的風(fēng)險。

我們就是數(shù)據(jù)，數(shù)據(jù)就是我們

對很多公司而言，他們的數(shù)據(jù)(或者說他們的數(shù)據(jù)分析平臺)就是他們自己的產(chǎn)品。對于這種情況，公司所進行的數(shù)據(jù)分析或者機器學(xué)習(xí)環(huán)境非常激烈。這樣的環(huán)境可能對于那些具有正規(guī)的數(shù)學(xué)、統(tǒng)計或者物理專業(yè)背景并希望繼續(xù)在學(xué)術(shù)道路上深造的人而言再合適不過了。處于這種崗位配置環(huán)境中的數(shù)據(jù)科學(xué)家，與回答公司一些操作方面的問題相比，他們更傾向于集中精力生產(chǎn)更好的數(shù)據(jù)驅(qū)動的產(chǎn)品。這種類型的公司也許是一種具有大量數(shù)據(jù)的面向消費者的企業(yè)或者他們專門提供以數(shù)據(jù)為基礎(chǔ)的專業(yè)性服務(wù)。

規(guī)模適度的并由數(shù)據(jù)驅(qū)動的非數(shù)據(jù)企業(yè)

在這種類型的企業(yè)當(dāng)中，你的作用就是參與到由其他數(shù)據(jù)科學(xué)家組建的團隊當(dāng)中進行協(xié)作。你所應(yīng)聘的公司很關(guān)系數(shù)據(jù)，但實際上他并非是一家數(shù)據(jù)公司。同樣重要的是你仍然需要能夠執(zhí)行分析、觸及產(chǎn)品代碼、讓數(shù)據(jù)可視化等。通常情況下，這種類型的公司要么是正在尋找綜合型的多面手，要么他們正在為公司填補團隊所缺少的專業(yè)人才，比如數(shù)據(jù)可視化或機器學(xué)習(xí)。當(dāng)你參加這種類型公司的面試時，對你最終要的技能就是熟悉使用專門為大數(shù)據(jù)所設(shè)計的軟件工具(比如Hive或者Pig)并且有處理現(xiàn)實生活中那些爛七八糟的數(shù)據(jù)庫。

但愿以上這四方面的信息可以讓你充分的了解為何一名“數(shù)據(jù)科學(xué)家”的頭銜具有如此寬泛的含義。以上這四種具有不同個性的公司對于候選人在技能、經(jīng)驗以及經(jīng)驗水平方面的要求也各有千秋。機關(guān)如此，所有公開招聘的工作都會把自己公司的崗位稱作是“數(shù)據(jù)科學(xué)家”，因此你一定要仔細地閱讀崗位職責(zé)，了解你所將要加入的團隊的情況并能夠提升你哪些方面的技能。

掌握8項技能讓你如魚得水

以下就是8項你應(yīng)該發(fā)展的數(shù)據(jù)科學(xué)崗位技能：

基本工具

無論是應(yīng)聘的公司是哪種類型，你都應(yīng)該具備了解如何使用交易工具的經(jīng)驗。比如類似R或者Python這樣的統(tǒng)計編程語言，還有SQL這樣的數(shù)據(jù)庫查詢語言。

基本統(tǒng)計學(xué)

作為數(shù)據(jù)科學(xué)家懂得至少一種基本的統(tǒng)計學(xué)非常重要。曾經(jīng)有一位面試官告訴我說他所面試過的很多人都無法正確地提供p值的正確定義。因此你一定要對統(tǒng)計測試、分布、最大相似估計等了如指掌。試著回憶以下你的統(tǒng)計學(xué)課堂吧!對于機器學(xué)習(xí)方面的問題也有和這個情況一樣的時候，但是你的統(tǒng)計學(xué)知識的最重要的一方面就是你得知道在什么時候不同的技術(shù)方有效(或者無效)。統(tǒng)計學(xué)對各種類型的企業(yè)而言都非常重要，但尤其是對那些以數(shù)據(jù)為驅(qū)動的企業(yè)而言，他們的產(chǎn)品不是以數(shù)據(jù)為專注點，而且產(chǎn)品的利益相關(guān)者會根據(jù)你提供的幫助制定決策并設(shè)計/評估試驗結(jié)果。

機器學(xué)習(xí)

如果你供職的企業(yè)有大量的數(shù)據(jù)資源，或者你所在的企業(yè)的產(chǎn)品本身受數(shù)據(jù)所驅(qū)動，在這種情況下需要你必須熟知機器學(xué)習(xí)算法。這意味著像k值臨近法、隨機森林，集成方法等和機器學(xué)習(xí)有關(guān)的所有流行詞匯都需要你有所了解。我們的確可以利用R或者Python庫執(zhí)行很多技術(shù)，因為如果你不是主導(dǎo)算法如何奏效的行業(yè)專家的話，那你沒有必要成為一名血色交易使者。最重要的是你要懂得大致的框架，而且需要知道不同的時候采用相應(yīng)合適的技術(shù)。

多變量微積分和線性代數(shù)

當(dāng)你在接受面試的時候，很可能面試官會要求你導(dǎo)出一些機器學(xué)習(xí)或者統(tǒng)計學(xué)結(jié)果。即使你不問，那么面試官也會問你一些基本的多變量微積分或者線性代數(shù)問題，因為它們是很多技術(shù)的基礎(chǔ)。也許你想知道為什么一位數(shù)據(jù)科學(xué)家需要懂得這些東西，如果我們有很多sklearn或者R方面的工具幫助我們來實現(xiàn)這些功能。因為就某一點而言，數(shù)據(jù)科學(xué)家團隊值得為此內(nèi)部開發(fā)一個執(zhí)行工具。對于就職于生產(chǎn)由數(shù)據(jù)驅(qū)動的產(chǎn)品的公司的你而言，明白這些概念非常重要，并且對預(yù)算執(zhí)行或者算法方面的優(yōu)化改進會為企業(yè)帶來更多勝利的果實。

數(shù)據(jù)修改

通常情況下你所分析的數(shù)據(jù)會變得無比凌亂，讓你的工作變得異常艱難。因此很有必要弄清楚如何對待數(shù)據(jù)中出現(xiàn)的缺陷。常見的數(shù)據(jù)缺陷包括遺漏值、不一致的字符串格式(比如“New York”對“new york”對“ny”)，還有日期格式(‘2014-01-01’ vs. ‘01/01/2014’等)。作為一名較早進入企業(yè)的數(shù)據(jù)技術(shù)人才，數(shù)據(jù)的修改工作是重中之重，無論你所在的這家公司規(guī)模很小，還是你所供職的企業(yè)所生產(chǎn)的產(chǎn)品和數(shù)據(jù)無關(guān)但是企業(yè)的發(fā)展需要依靠數(shù)據(jù)驅(qū)使，擁有這項數(shù)據(jù)修改技能非常重要。

數(shù)據(jù)可視化與信息交流

數(shù)據(jù)的可視化與通信化非常重要，尤其對與第一次制定數(shù)據(jù)驅(qū)動決策的年輕企業(yè)，或者是把數(shù)據(jù)科學(xué)家視為幫助別人做數(shù)據(jù)驅(qū)動決策的企業(yè)。我們所謂的數(shù)據(jù)交流性，指的是你向受眾描述你的發(fā)現(xiàn)或者技術(shù)奏效的方式，無論是技術(shù)層面的還是非技術(shù)層面的。熟悉諸如ggplot 和d3.js這樣的數(shù)據(jù)可視化工具對你有莫大的幫助。不僅對數(shù)據(jù)可視化所需的工具的了解至關(guān)重要，還得學(xué)會了解可視化的數(shù)據(jù)編碼和交流信息隱含的原理

軟件工程

如果你應(yīng)聘的單位規(guī)模很小，而且你還是這家公司最早應(yīng)聘來的數(shù)據(jù)科學(xué)家之一，你最好具有軟件工程專業(yè)背景。因為一開始的時候你需要處理大量的數(shù)據(jù)日志文件和數(shù)據(jù)驅(qū)動的產(chǎn)品的開發(fā)。

像數(shù)據(jù)科學(xué)家一樣思考

公司非常想看到在你被雇傭之后，你是一名(數(shù)據(jù)驅(qū)動的)問題的解決者。這就是說，在你面試過程中的某一時刻，你會被問到一些難度很高的問題。比如關(guān)于企業(yè)想運行測試的方法或者他們向開發(fā)的以數(shù)據(jù)為驅(qū)動的產(chǎn)品。對你而言你要深重的思考在這個問題當(dāng)中那些是重要的，哪些不重要。作為一名數(shù)據(jù)科學(xué)家，你應(yīng)該如何與相關(guān)的工程師以及產(chǎn)品經(jīng)理進行有效的互動?你應(yīng)該采用何種方法?近似值在什么時候會發(fā)揮功效?