我最近寫了一篇題為數據科學家、數據工程師和其他數據職業的文章，解釋說，在這篇文章中，我盡了最大努力簡明扼要地定義和區分了五種流行的數據相關職業。在那篇文章中，每一個職業都得到了非常高水平的單句總結，數據科學家被描述如下，以供參考：

數據科學家主要關注數據、從數據中提取的洞察力以及數據可以講述的故事。

除了我為每個職業寫的額外的幾個段落之外，我試圖提出一個單一的總體差異特性，其中五個可以一起工作成一個流程圖，也許由一個有抱負的數據專業人員使用，以幫助確定哪個職業可能最適合他們。

我收到了一些讀者的反饋，這些反饋表明，我過于關注預測分析，將其作為數據科學家職業的一個定義性特征，我對這一特征的依賴可能會讓人覺得數據科學家比其他任何事情都更擅長預測分析--而其他數據專業人員可能根本不會這樣做。

這種建設性的批評很自然地讓我思考：數據科學家與其他數據專業人員的區別還在于什么？數據科學家使用的技術技能、特定的技術語言、系統和工具很多。數據科學家--以及其他各種專業人員--也有許多軟技能，用于在他們的職業生涯中出類拔萃。但是，成功的數據科學家的一些固有特征是什么，要么是隨著數據科學家進入這個行業而來的，要么是他們進入這個行業后可以發展的？

以下是我提出的五個特征，作為一個整體，有助于將數據科學家與其他職業區分開來，并有助于定義一個成功的職業生涯。

讓我們首先指出，所有的數據科學家角色都是不同的，但它們都有一些共同的連接線程，希望這些點有助于連接這些線程中的一些線程。

1.預測分析心態

這個特性的焦點是我受到一些抨擊的原因。然而，我要在這里加倍說明，預測分析思維模式是數據科學家的主要定義特征之一，也許比任何其他特征都更重要。它是唯一的定義特性嗎？當然不。應該在流程圖中使用它來將數據科學家從所有其他職業中分離出來嗎？回想起來，不，可能不。

數據科學家進行預測分析嗎？絕對。非數據科學家也是嗎？當然。但是，如果我把data Scientisht放在預測分析的一端，而把<在這里插入其他數據專業人員>放在另一端，我希望data Scientisht總是能落地。

但這不僅僅是預測分析在特定情況下的應用；這是一種心態。這不僅僅是一種分析性的心態（減去預測性的)，而是一種總是考慮如何利用我們已經知道的東西來發現我們還不知道的東西的心態。這表明預測性是方程的一個組成部分。

在我看來，數據科學家的頭腦中不僅僅有預測，但在這種心態下工作是定義角色的特征之一，也是許多其他職業，無論是與數據相關的還是其他職業，都不具備的特征。其他確實有這種特點的人可能會把它放在對該職業有價值的人名單的后面。

2.好奇心

顯然，利用我們所知道的來找出我們所不知道的是不夠的。數據科學家必須對他們有一種其他角色不一定需要有的好奇心（注意，我沒有說其他人絕對不有這種好奇心）。好奇心幾乎是預測分析心態的另一面：當預測分析心態尋求用y解決x時，好奇心將首先確定y是什么。

• “怎么才能增加銷量？”
• “為什么有些月份的波動比其他月份高？”
• “為什么這個需要像那個一樣完成？”
• “如果我們把X變成Y會發生什么？”
• “X對這里發生的事情有什么影響？”
• “我們有沒有試過……？”
• 諸如此類...

天生的好奇心是成為一個有用的數據科學家所必需的，故事結束了。如果你是那種早上醒來一整天都不去想宇宙奇跡的人--在任何層面上--數據科學都不適合你。

在殺死它之前，好奇心是這只貓作為一名成功的數據科學家的漫長而成功的職業生涯的原因。

3.系統思維

這里有一個深刻的哲理：世界是一個復雜的地方。一切都以某種方式聯系在一起，遠遠超出了顯而易見的范圍，這導致了現實世界的層層復雜性。復雜系統與其他復雜系統相互作用，產生自己的額外復雜系統，宇宙也是如此。這個復雜的游戲不僅僅是認識到大局：大局在什么地方適合大局，等等？

但這不僅僅是哲學上的。這個現實世界的無限復雜網絡被數據科學家所認識。他們感興趣的是了解盡可能多的相關互動，無論是潛在的還是其他的，因為他們解決了他們的問題。他們尋找與情況相關的已知未知、已知未知和未知未知，理解任何給定的變化都可能在其他地方產生意想不到的后果。

數據科學家的工作是盡可能多地了解相關系統，并利用他們的好奇心和預測性分析心態來盡可能多地解釋這些系統的操作和交互，以便即使在調整時也能保持它們平穩運行。如果你不能理解為什么沒有人能夠完全解釋經濟是如何運作的，數據科學就不適合你。

4.創造力

現在我們來到了我們必須的“跳出框框思考”的特征。我們不是在某種程度上鼓勵每個人都這樣做嗎？我們當然知道。但我不是這個意思。

記住，數據科學家不是在真空中工作的；我們與各種類型的不同角色一起工作，在我們的旅程中遇到各種不同的領域專家。這些領域專家有特殊的方法來看待他們的特定領域，即使是在跳出框框思考的時候。作為一名數據科學家，擁有一套獨特的技能和一種特殊類型的心態--我將在這里盡我所能以某種方式描述這一點--您可以從領域專家所在的盒子之外解決問題。你可以成為一雙新的眼睛，用新的眼光看待問題--當然，前提是你足夠好地理解問題。你的創造力將幫助你產生新的想法和觀點。

這并不是要削弱領域專家；事實上恰恰相反。我們數據科學家是他們的支持，并帶來了一套經過培訓的技能來做我們所做的事情，我們（希望）能夠在我們的支持角色中帶來一個新的視角，為領域專家能夠在他們所做的事情上出類拔萃做出貢獻。這一新的視角將由數據科學家的創造性思維驅動，這種創造性與好奇心相結合，將導致能夠提出問題并尋求答案。

當然，我們需要技術、統計和其他技能來跟進這些問題，但如果我們沒有創造力去思考有趣和不明顯的方法來調查并最終提供答案，這些技能就毫無用處了。這就是為什么數據科學家必須天生具有創造性。

5.講故事的感覺

每個人都需要能夠與他人有效溝通，無論他們在生活中處于何種地位。數據科學家也沒有什么不同。

但除此之外，數據科學家在向其他利益相關者解釋他們的工作時，經常不得不做一些手把手的工作，這些利益相關者可能沒有--也可能沒有意愿--完全沉浸在統計分析電影宇宙?中。一個數據科學家必須能夠從A點敘述某人到B點，即使這個人幾乎不知道這兩個點中的任何一個到底是什么。說白了，講故事就是能夠從一些數據和你的分析過程中編織出一個現實的敘事：我們是如何從這個到這個的。

這不僅僅是簡單地陳述事實；數據科學家必須看到利益相關者在等式中的位置，并使敘述旅程相關--也許用有用的視覺或其他道具來幫助完成眾所周知的交易。

這種講故事不像虛構的講故事；它更像是“花式解釋”，或者提供一個為聽者量身定制的直觀解釋。你不會在睡覺前給一個五歲的孩子講斯蒂芬·金的故事，就像你不會向從事研發的人深究關于供應鏈指標的枯燥、冗長的敘述一樣。注意你的聽眾。

這種講故事在本質上也不具有說服力；是解釋性的。我們不是數據政治家，我們是數據科學家?？茖W家為了使別人屈從于他們的意志而歪曲統計數據，這是沒有好處的。把這個留給當選的官員。

我希望這有助于描繪一幅我認為是一個成功的數據科學家的重要特征的豐富畫面。我祝你事業順利。