“數(shù)據(jù)科學家”養(yǎng)成攻略

隨著大數(shù)據(jù)的愈演愈熱，相關(guān)大數(shù)據(jù)的職業(yè)也成為熱門，給人才發(fā)展帶來帶來了很多機會。數(shù)據(jù)科學家、數(shù)據(jù)工程師、數(shù)據(jù)分析師已經(jīng)成為大數(shù)據(jù)行業(yè)最熱門的職位。它們是如何定義的？具體是做什么工作的？需要哪些技能？讓我們一起來看看吧。

這3個職業(yè)是如何定位的？
數(shù)據(jù)科學家是個什么樣的存在
數(shù)據(jù)科學家是指能采用科學方法、運用數(shù)據(jù)挖掘工具對復雜多量的數(shù)字、符號、文字、網(wǎng)址、音頻或視頻等信息進行數(shù)字化重現(xiàn)與認識，并能尋找新的數(shù)據(jù)洞察的工程師或?qū)＜?不同于統(tǒng)計學家或分析師)。
數(shù)據(jù)工程師是如何定義的
數(shù)據(jù)工程師一般被定義成“深刻理解統(tǒng)計學科的明星軟件工程師”。如果你正為一個商業(yè)問題煩惱，那么你需要一個數(shù)據(jù)工程師。他們的核心價值在于他們借由清晰數(shù)據(jù)創(chuàng)建數(shù)據(jù)管道的能力。充分了解文件系統(tǒng)，分布式計算與數(shù)據(jù)庫是成為一位優(yōu)秀數(shù)據(jù)工程師的必要技能。
數(shù)據(jù)工程師對演算法有相當好的理解。因此，數(shù)據(jù)工程師理應(yīng)能運行基本數(shù)據(jù)模型。商業(yè)需求的高端化催生了演算高度復雜化的需求。很多時候，這些需求超過了數(shù)據(jù)工程師掌握知識范圍，這個時候你就需要打電話尋求數(shù)據(jù)科學家的幫助。
數(shù)據(jù)分析師該如何理解
數(shù)據(jù)分析師指的是不同行業(yè)中，專門從事行業(yè)數(shù)據(jù)搜集、整理、分析，并依據(jù)數(shù)據(jù)做出行業(yè)研究、評估和預(yù)測的專業(yè)人員。他們知道如何提出正確的問題，非常善于數(shù)據(jù)分析，數(shù)據(jù)可視化和數(shù)據(jù)呈現(xiàn)。
這3個職業(yè)具體有什么職責
數(shù)據(jù)科學家的工作職責
數(shù)據(jù)科學家傾向于用探索數(shù)據(jù)的方式來看待周圍的世界。把大量散亂的數(shù)據(jù)變成結(jié)構(gòu)化的可供分析的數(shù)據(jù)，還要找出豐富的數(shù)據(jù)源，整合其他可能不完整的數(shù)據(jù)源，并清理成結(jié)果數(shù)據(jù)集。新的競爭環(huán)境中，挑戰(zhàn)不斷地變化，新數(shù)據(jù)不斷地流入，數(shù)據(jù)科學家需要幫助決策者穿梭于各種分析，從臨時數(shù)據(jù)分析到持續(xù)的數(shù)據(jù)交互分析。當他們有所發(fā)現(xiàn)，便交流他們的發(fā)現(xiàn)，建議新的業(yè)務(wù)方向。他們很有創(chuàng)造力的展示視覺化的信息，也讓找到的模式清晰而有說服力。把蘊含在數(shù)據(jù)中的規(guī)律建議給Boss，從而影響產(chǎn)品，流程和決策。
數(shù)據(jù)工程師的工作職責
分析歷史、預(yù)測未來、優(yōu)化選擇，這是大數(shù)據(jù)工程師在“玩數(shù)據(jù)”時最重要的三大任務(wù)。通過這三個工作方向，他們幫助企業(yè)做出更好的商業(yè)決策
大數(shù)據(jù)工程師一個很重要的工作，就是通過分析數(shù)據(jù)來找出過去事件的特征。比如，騰訊的數(shù)據(jù)團隊正在搭建一個數(shù)據(jù)倉庫，把公司所有網(wǎng)絡(luò)平臺上數(shù)量龐大、不規(guī)整的數(shù)據(jù)信息進行梳理，總結(jié)出可供查詢的特征，來支持公司各類業(yè)務(wù)對數(shù)據(jù)的需求，包括廣告投放、游戲開發(fā)、社交網(wǎng)絡(luò)等
找出過去事件的特征，最大的作用是可以幫助企業(yè)更好地認識消費者。通過分析用戶以往的行為軌跡，就能夠了解這個人，并預(yù)測他的行為
通過引入關(guān)鍵因素，大數(shù)據(jù)工程師可以預(yù)測未來的消費趨勢。在阿里媽媽的營銷平臺上，工程師正試圖通過引入氣象數(shù)據(jù)來幫助淘寶賣家做生意。比如今年夏天不熱，很可能某些產(chǎn)品就沒有去年暢銷，除了空調(diào)、電扇，背心、游泳衣等都可能會受其影響。那么我們就會建立氣象數(shù)據(jù)和銷售數(shù)據(jù)之間的關(guān)系，找到與之相關(guān)的品類，提前警示賣家周轉(zhuǎn)庫存
根據(jù)不同企業(yè)的業(yè)務(wù)性質(zhì)，大數(shù)據(jù)工程師可以通過數(shù)據(jù)分析來達到不同的目的。以騰訊來說，能反映大數(shù)據(jù)工程師工作的最簡單直接的例子就是選項測試（AB Test），即幫助產(chǎn)品經(jīng)理在A、B兩個備選方案中做出選擇。在過去，決策者只能依據(jù)經(jīng)驗進行判斷，但如今大數(shù)據(jù)工程師可以通過大范圍地實時測試—比如，在社交網(wǎng)絡(luò)產(chǎn)品的例子中，讓一半用戶看到A界面，另一半使用B界面，觀察統(tǒng)計一段時間內(nèi)的點擊率和轉(zhuǎn)化率，以此幫助市場部做出最終選擇
數(shù)據(jù)分析師的工作職責
互聯(lián)網(wǎng)本身具有數(shù)字化和互動性的特征，這種屬性特征給數(shù)據(jù)搜集、整理、研究帶來了革命性的突破。以往“原子世界”中數(shù)據(jù)分析師要花較高的成本（資金、資源和時間）獲取支撐研究、分析的數(shù)據(jù)，數(shù)據(jù)的豐富性、全面性、連續(xù)性和及時性都比互聯(lián)網(wǎng)時代差很多
與傳統(tǒng)的數(shù)據(jù)分析師相比，互聯(lián)網(wǎng)時代的數(shù)據(jù)分析師面臨的不是數(shù)據(jù)匱乏，而是數(shù)據(jù)過剩。因此，互聯(lián)網(wǎng)時代的數(shù)據(jù)分析師必須學會借助技術(shù)手段進行高效的數(shù)據(jù)處理。更為重要的是，互聯(lián)網(wǎng)時代的數(shù)據(jù)分析師要不斷在數(shù)據(jù)研究的方法論方面進行創(chuàng)新和突破
就行業(yè)而言，數(shù)據(jù)分析師的價值與此類似。就新聞出版行業(yè)而言，無論在任何時代，媒體運營者能否準確、詳細和及時地了解受眾狀況和變化趨勢，都是媒體成敗的關(guān)鍵
此外，對于新聞出版等內(nèi)容產(chǎn)業(yè)來說，更為關(guān)鍵的是，數(shù)據(jù)分析師可以發(fā)揮內(nèi)容消費者數(shù)據(jù)分析的職能，這是支撐新聞出版機構(gòu)改善客戶服務(wù)的關(guān)鍵職能
想要從事這3個職業(yè)需要掌握什么技能？
A. 數(shù)據(jù)科學家需要掌握的技能
1，計算機科學
一般來說，數(shù)據(jù)科學家大多要求具備編程、計算機科學相關(guān)的專業(yè)背景。簡單來說，就是對處理大數(shù)據(jù)所必需的hadoop、Mahout等大規(guī)模并行處理技術(shù)與機器學習相關(guān)的技能
2，數(shù)學、統(tǒng)計、數(shù)據(jù)挖掘等
除了數(shù)學、統(tǒng)計方面的素養(yǎng)之外，還需要具備使用SPSS、SAS等主流統(tǒng)計分析軟件的技能。其中，面向統(tǒng)計分析的開源編程語言及其運行環(huán)境“R”最近備受矚目。R的強項不僅在于其包含了豐富的統(tǒng)計分析庫，而且具備將結(jié)果進行可視化的高品質(zhì)圖表生成功能，并可以通過簡單的命令來運行。此外，它還具備稱為CRAN(The Comprehensive R Archive Network)的包擴展機制，通過導入擴展包就可以使用標準狀態(tài)下所不支持的函數(shù)和數(shù)據(jù)集
3，數(shù)據(jù)可視化(Visualization)
信息的質(zhì)量很大程度上依賴于其表達方式。對數(shù)字羅列所組成的數(shù)據(jù)中所包含的意義進行分析，開發(fā)Web原型，使用外部API將圖表、地圖、Dashboard等其他服務(wù)統(tǒng)一起來，從而使分析結(jié)果可視化，這是對于數(shù)據(jù)科學家來說十分重要的技能之一
B. 數(shù)據(jù)工程師需要掌握的技能
1，數(shù)學及統(tǒng)計學相關(guān)的背景
對于大數(shù)據(jù)工程師的要求都是希望是統(tǒng)計學和數(shù)學背景的碩士或博士學歷。缺乏理論背景的數(shù)據(jù)工作者，更容易進入一個技能上的危險區(qū)域（Danger Zone）—一堆數(shù)字，按照不同的數(shù)據(jù)模型和算法總能捯飭出一些結(jié)果來，但如果你不知道那代表什么，就并不是真正有意義的結(jié)果，并且那樣的結(jié)果還容易誤導你。只有具備一定的理論知識，才能理解模型、復用模型甚至創(chuàng)新模型，來解決實際問題
2，計算機編碼能力
實際開發(fā)能力和大規(guī)模的數(shù)據(jù)處理能力是作為大數(shù)據(jù)工程師的一些必備要素。因為許多數(shù)據(jù)的價值來自于挖掘的過程，你必須親自動手才能發(fā)現(xiàn)金子的價值。舉例來說，現(xiàn)在人們在社交網(wǎng)絡(luò)上所產(chǎn)生的許多記錄都是非結(jié)構(gòu)化的數(shù)據(jù)，如何從這些毫無頭緒的文字、語音、圖像甚至視頻中攫取有意義的信息就需要大數(shù)據(jù)工程師親自挖掘。即使在某些團隊中，大數(shù)據(jù)工程師的職責以商業(yè)分析為主，但也要熟悉計算機處理大數(shù)據(jù)的方式
3，對特定應(yīng)用領(lǐng)域或行業(yè)的知識
大數(shù)據(jù)工程師這個角色很重要的一點是，不能脫離市場，因為大數(shù)據(jù)只有和特定領(lǐng)域的應(yīng)用結(jié)合起來才能產(chǎn)生價值。所以，在某個或多個垂直行業(yè)的經(jīng)歷能為應(yīng)聘者積累對行業(yè)的認知，對于之后成為大數(shù)據(jù)工程師有很大幫助，因此這也是應(yīng)聘這個崗位時較有說服力的加分項
C. 數(shù)據(jù)分析師需要掌握的技能
1、懂業(yè)務(wù)。從事數(shù)據(jù)分析工作的前提就會需要懂業(yè)務(wù)，即熟悉行業(yè)知識、公司業(yè)務(wù)及流程，最好有自己獨到的見解，若脫離行業(yè)認知和公司業(yè)務(wù)背景，分析的結(jié)果只會是脫了線的風箏，沒有太大的使用價值
2、懂管理。一方面是搭建數(shù)據(jù)分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導，如果不熟悉管理理論，就很難搭建數(shù)據(jù)分析的框架，后續(xù)的數(shù)據(jù)分析也很難進行。另一方面的作用是針對數(shù)據(jù)分析結(jié)論提出有指導意義的分析建議
3、懂分析。指掌握數(shù)據(jù)分析基本原理與一些有效的數(shù)據(jù)分析方法，并能靈活運用到實踐工作中，以便有效的開展數(shù)據(jù)分析?；镜姆治龇椒ㄓ校簩Ρ确治龇?、分組分析法、交叉分析法、結(jié)構(gòu)分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關(guān)聯(lián)分析法等。高級的分析方法有：相關(guān)分析法、回歸分析法、聚類分析法、判別分析法、主成分分析法、因子分析法、對應(yīng)分析法、時間序列等
4、懂工具。指掌握數(shù)據(jù)分析相關(guān)的常用工具。數(shù)據(jù)分析方法是理論，而數(shù)據(jù)分析工具就是實現(xiàn)數(shù)據(jù)分析方法理論的工具，面對越來越龐大的數(shù)據(jù)，我們不能依靠計算器進行分析，必須依靠強大的數(shù)據(jù)分析工具幫我們完成數(shù)據(jù)分析工作
5、懂設(shè)計。懂設(shè)計是指運用圖表有效表達數(shù)據(jù)分析師的分析觀點，使分析結(jié)果一目了然。圖表的設(shè)計是門大學問，如圖形的選擇、版式的設(shè)計、顏色的搭配等等，都需要掌握一定的設(shè)計原則。