什么是数据科学？UC Berkeley 告诉你答案!

本文整理自UC Berkerly信息学院对于Data Science 数据科学项目的介绍，目的是细致地介绍数据科学，包括需要学习哪些技能以及相关的职位和前景。

数据科学的持续蓬勃发展，成为技术专业人员最有前途和需求的职业道路之一。今天，成功的数据专业人员明白，他们必须超越分析大量数据、数据挖掘和编程技能的传统技能。为了为其组织发现有用的情报，数据科学家必须掌握数据科学生命周期的全部内容，并拥有一定的灵活性和理解力，以便在流程的每个阶段实现收益最大化。

图片代表了数据科学生命周期的五个阶段。采集(数据采集、数据输入、信号接收、数据提取)；维护(数据仓储、数据清洗、数据暂存、数据处理、数据架构)；处理(数据挖掘、聚类/分类、数据建模、数据汇总)；分析(探索/确认、预测分析、回归、文本挖掘、定性分析)；交流(数据报告、数据可视化、商业智能、决策)。

"数据科学家 "一词是在2008年被创造出来的，当时许多公司意识到需要数据专业人员，他们擅长组织和分析海量数据。在2009年麦肯锡公司的一篇文章中，谷歌首席经济学家、加州大学伯克利分校信息科学、商业和经济学教授哈尔-瓦里安（Hal Varian）预测了适应技术对不同行业的影响和重新配置的重要性。

在过去十年中，数据科学家已成为必要的资产，几乎在所有组织中都存在。这些专业人员是全面的、以数据为导向的个人，具有高级技术技能，能够建立复杂的定量算法，以组织和综合用于回答问题和推动组织战略的大量信息。再加上沟通和领导力方面的经验，才能为整个组织或企业的各个利益相关者提供切实的成果。

数据科学家需要具有好奇心和结果导向，具有卓越的行业特定知识和沟通技巧，使他们能够向非技术同行解释高度技术性的结果。他们在统计学和线性代数方面具有很强的定量背景，并具有编程知识，重点是数据仓库、挖掘和建模，以建立和分析算法。

他们还必须能够利用关键技术工具和技能，包括：

Glassdoor(Glassdoor是美国的一家做企业点评与职位搜索的职场社区，在Glassdoor上可匿名点评公司，包括其工资待遇，职场环境，面试问题等信息。)连续三年将数据科学家列为2018年美国最佳工作的第一名。随着越来越多的数据变得越来越容易获取，大型科技公司不再是唯一需要数据科学家的公司。各行各业，无论大小，对数据科学专业人员的需求不断增长，但由于缺乏合格的候选人来填补这些空缺职位，他们正在面临挑战。

对数据科学家的需求在未来几年没有放缓的迹象。LinkedIn将数据科学家列为2017年和2018年最有前途的工作之一，同时将多种数据科学相关技能列为企业最需要的工作。

下面列出的统计数字代表了对数据科学家的重大和不断增长的需求。

数据无处不在，广阔无垠。与数据的挖掘、清理、分析和解释有关的各种术语经常被交替使用，但实际上它们可能涉及不同的技能组合和数据的复杂性。

数据科学家研究哪些问题需要回答，在哪里找到相关数据。他们具有商业头脑和分析技能，以及挖掘、清理和展示数据的能力。企业使用数据科学家来寻找、管理和分析大量的非结构化数据。然后将结果进行综合，并传达给关键利益相关者，以推动组织的战略决策。

需要的技能：编程技能（SAS、R、Python）、统计和数学技能、讲故事和数据可视化、Hadoop、SQL、机器学习。

数据分析师弥补了数据科学家和业务分析师之间的差距。他们从组织中获得需要回答的问题，然后组织和分析数据，以找到符合高层业务战略的结果。数据分析师负责将技术分析转化为定性的行动项目，并将他们的发现有效地传达给不同的利益相关者。

需要的技能：编程技能(SAS、R、Python)、统计和数学技能、数据整理、数据可视化。

数据工程师负责管理指数级数量并且快速变化的数据。他们专注于数据管道和基础设施的开发、部署、管理和优化，以便将数据转换和传输给数据科学家进行查询。

需要的技能：编程语言（Java、Scala）、NoSQL数据库（MongoDB、Cassandra DB）、框架（Apache Hadoop）。

数据科学专业人员因其高超的技术技能而得到回报，他们在大多数行业的大公司和小公司都有具有竞争力的薪水和巨大的工作机会。Glassdoor上列出了超过4500个空缺职位，拥有相应经验和教育的数据科学专业人员有机会在世界上最具前瞻性的公司中大展拳脚。

以下是以下职位的平均年基本工资：

获得数据科学领域内的专业技能可以使数据科学家更加与众不同。例如，机器学习专家利用高级编程技能创建算法，不断收集数据并自动调整其功能，以提高工作效率。

好文章，我 在看❤