“數(shù)據(jù)科學(xué)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(lái)帶來(lái)了很多機(jī)會(huì)。數(shù)據(jù)科學(xué)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(lái)看看吧。

這3個(gè)職業(yè)是如何定位的？
數(shù)據(jù)科學(xué)家是個(gè)什么樣的存在
數(shù)據(jù)科學(xué)家是指能采用科學(xué)方法、運(yùn)用數(shù)據(jù)挖掘工具對(duì)復(fù)雜多量的數(shù)字、符號(hào)、文字、網(wǎng)址、音頻或視頻等信息進(jìn)行數(shù)字化重現(xiàn)與認(rèn)識(shí)，并能尋找新的數(shù)據(jù)洞察的工程師或?qū)＜?不同于統(tǒng)計(jì)學(xué)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(jì)學(xué)科的明星軟件工程師”。如果你正為一個(gè)商業(yè)問題煩惱，那么你需要一個(gè)數(shù)據(jù)工程師。他們的核心價(jià)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(jì)算與數(shù)據(jù)庫(kù)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(duì)演算法有相當(dāng)好的理解。因此，數(shù)據(jù)工程師理應(yīng)能運(yùn)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(fù)雜化的需求。很多時(shí)候，這些需求超過(guò)了數(shù)據(jù)工程師掌握知識(shí)范圍，這個(gè)時(shí)候你就需要打電話尋求數(shù)據(jù)科學(xué)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(píng)估和預(yù)測(cè)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(gè)職業(yè)具體有什么職責(zé)
數(shù)據(jù)科學(xué)家的工作職責(zé)
數(shù)據(jù)科學(xué)家傾向于用探索數(shù)據(jù)的方式來(lái)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(jìng)爭(zhēng)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(xué)家需要幫助決策者穿梭于各種分析，從臨時(shí)數(shù)據(jù)分析到持續(xù)的數(shù)據(jù)交互分析。當(dāng)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(shuō)服力。把蘊(yùn)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(zé)
分析歷史、預(yù)測(cè)未來(lái)、優(yōu)化選擇，這是大數(shù)據(jù)工程師在“玩數(shù)據(jù)”時(shí)最重要的三大任務(wù)。通過(guò)這三個(gè)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(gè)很重要的工作，就是通過(guò)分析數(shù)據(jù)來(lái)找出過(guò)去事件的特征。比如，騰訊的數(shù)據(jù)團(tuán)隊(duì)正在搭建一個(gè)數(shù)據(jù)倉(cāng)庫(kù)，把公司所有網(wǎng)絡(luò)平臺(tái)上數(shù)量龐大、不規(guī)整的數(shù)據(jù)信息進(jìn)行梳理，總結(jié)出可供查詢的特征，來(lái)支持公司各類業(yè)務(wù)對(duì)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(guò)去事件的特征，最大的作用是可以幫助企業(yè)更好地認(rèn)識(shí)消費(fèi)者。通過(guò)分析用戶以往的行為軌跡，就能夠了解這個(gè)人，并預(yù)測(cè)他的行為
通過(guò)引入關(guān)鍵因素，大數(shù)據(jù)工程師可以預(yù)測(cè)未來(lái)的消費(fèi)趨勢(shì)。在阿里媽媽的營(yíng)銷平臺(tái)上，工程師正試圖通過(guò)引入氣象數(shù)據(jù)來(lái)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(huì)受其影響。那么我們就會(huì)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(kù)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(guò)數(shù)據(jù)分析來(lái)達(dá)到不同的目的。以騰訊來(lái)說(shuō)，能反映大數(shù)據(jù)工程師工作的最簡(jiǎn)單直接的例子就是選項(xiàng)測(cè)試（AB Test），即幫助產(chǎn)品經(jīng)理在A、B兩個(gè)備選方案中做出選擇。在過(guò)去，決策者只能依據(jù)經(jīng)驗(yàn)進(jìn)行判斷，但如今大數(shù)據(jù)工程師可以通過(guò)大范圍地實(shí)時(shí)測(cè)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(jì)一段時(shí)間內(nèi)的點(diǎn)擊率和轉(zhuǎn)化率，以此幫助市場(chǎng)部做出最終選擇
數(shù)據(jù)分析師的工作職責(zé)
互聯(lián)網(wǎng)本身具有數(shù)字化和互動(dòng)性的特征，這種屬性特征給數(shù)據(jù)搜集、整理、研究帶來(lái)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(shí)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(shí)性都比互聯(lián)網(wǎng)時(shí)代差很多
與傳統(tǒng)的數(shù)據(jù)分析師相比，互聯(lián)網(wǎng)時(shí)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(guò)剩。因此，互聯(lián)網(wǎng)時(shí)代的數(shù)據(jù)分析師必須學(xué)會(huì)借助技術(shù)手段進(jìn)行高效的數(shù)據(jù)處理。更為重要的是，互聯(lián)網(wǎng)時(shí)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(jìn)行創(chuàng)新和突破
就行業(yè)而言，數(shù)據(jù)分析師的價(jià)值與此類似。就新聞出版行業(yè)而言，無(wú)論在任何時(shí)代，媒體運(yùn)營(yíng)者能否準(zhǔn)確、詳細(xì)和及時(shí)地了解受眾狀況和變化趨勢(shì)，都是媒體成敗的關(guān)鍵
此外，對(duì)于新聞出版等內(nèi)容產(chǎn)業(yè)來(lái)說(shuō)，更為關(guān)鍵的是，數(shù)據(jù)分析師可以發(fā)揮內(nèi)容消費(fèi)者數(shù)據(jù)分析的職能，這是支撐新聞出版機(jī)構(gòu)改善客戶服務(wù)的關(guān)鍵職能
想要從事這3個(gè)職業(yè)需要掌握什么技能？
A. 數(shù)據(jù)科學(xué)家需要掌握的技能
1，計(jì)算機(jī)科學(xué)
一般來(lái)說(shuō)，數(shù)據(jù)科學(xué)家大多要求具備編程、計(jì)算機(jī)科學(xué)相關(guān)的專業(yè)背景。簡(jiǎn)單來(lái)說(shuō)，就是對(duì)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(jī)器學(xué)習(xí)相關(guān)的技能
2，數(shù)學(xué)、統(tǒng)計(jì)、數(shù)據(jù)挖掘等
除了數(shù)學(xué)、統(tǒng)計(jì)方面的素養(yǎng)之外，還需要具備使用SPSS、SAS等主流統(tǒng)計(jì)分析軟件的技能。其中，面向統(tǒng)計(jì)分析的開源編程語(yǔ)言及其運(yùn)行環(huán)境“R”最近備受矚目。R的強(qiáng)項(xiàng)不僅在于其包含了豐富的統(tǒng)計(jì)分析庫(kù)，而且具備將結(jié)果進(jìn)行可視化的高品質(zhì)圖表生成功能，并可以通過(guò)簡(jiǎn)單的命令來(lái)運(yùn)行。此外，它還具備稱為CRAN(The Comprehensive R Archive Network)的包擴(kuò)展機(jī)制，通過(guò)導(dǎo)入擴(kuò)展包就可以使用標(biāo)準(zhǔn)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(dá)方式。對(duì)數(shù)字羅列所組成的數(shù)據(jù)中所包含的意義進(jìn)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(lái)，從而使分析結(jié)果可視化，這是對(duì)于數(shù)據(jù)科學(xué)家來(lái)說(shuō)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(xué)及統(tǒng)計(jì)學(xué)相關(guān)的背景
對(duì)于大數(shù)據(jù)工程師的要求都是希望是統(tǒng)計(jì)學(xué)和數(shù)學(xué)背景的碩士或博士學(xué)歷。缺乏理論背景的數(shù)據(jù)工作者，更容易進(jìn)入一個(gè)技能上的危險(xiǎn)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(lái)，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(dǎo)你。只有具備一定的理論知識(shí)，才能理解模型、復(fù)用模型甚至創(chuàng)新模型，來(lái)解決實(shí)際問題
2，計(jì)算機(jī)編碼能力
實(shí)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?yàn)樵S多數(shù)據(jù)的價(jià)值來(lái)自于挖掘的過(guò)程，你必須親自動(dòng)手才能發(fā)現(xiàn)金子的價(jià)值。舉例來(lái)說(shuō)，現(xiàn)在人們?cè)谏缃痪W(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(wú)頭緒的文字、語(yǔ)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(tuán)隊(duì)中，大數(shù)據(jù)工程師的職責(zé)以商業(yè)分析為主，但也要熟悉計(jì)算機(jī)處理大數(shù)據(jù)的方式
3，對(duì)特定應(yīng)用領(lǐng)域或行業(yè)的知識(shí)
大數(shù)據(jù)工程師這個(gè)角色很重要的一點(diǎn)是，不能脫離市場(chǎng)，因?yàn)榇髷?shù)據(jù)只有和特定領(lǐng)域的應(yīng)用結(jié)合起來(lái)才能產(chǎn)生價(jià)值。所以，在某個(gè)或多個(gè)垂直行業(yè)的經(jīng)歷能為應(yīng)聘者積累對(duì)行業(yè)的認(rèn)知，對(duì)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(gè)崗位時(shí)較有說(shuō)服力的加分項(xiàng)
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(huì)需要懂業(yè)務(wù)，即熟悉行業(yè)知識(shí)、公司業(yè)務(wù)及流程，最好有自己獨(dú)到的見解，若脫離行業(yè)認(rèn)知和公司業(yè)務(wù)背景，分析的結(jié)果只會(huì)是脫了線的風(fēng)箏，沒有太大的使用價(jià)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(yíng)銷、管理等理論知識(shí)來(lái)指導(dǎo)，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(jìn)行。另一方面的作用是針對(duì)數(shù)據(jù)分析結(jié)論提出有指導(dǎo)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(yùn)用到實(shí)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?duì)比分析法、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(píng)價(jià)分析法、因素分析法、矩陣關(guān)聯(lián)分析法等。高級(jí)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(duì)應(yīng)分析法、時(shí)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(shí)現(xiàn)數(shù)據(jù)分析方法理論的工具，面對(duì)越來(lái)越龐大的數(shù)據(jù)，我們不能依靠計(jì)算器進(jìn)行分析，必須依靠強(qiáng)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(jì)。懂設(shè)計(jì)是指運(yùn)用圖表有效表達(dá)數(shù)據(jù)分析師的分析觀點(diǎn)，使分析結(jié)果一目了然。圖表的設(shè)計(jì)是門大學(xué)問，如圖形的選擇、版式的設(shè)計(jì)、顏色的搭配等等，都需要掌握一定的設(shè)計(jì)原則。