“數據科學家”養成攻略

隨著大數據的愈演愈熱，相關大數據的職業也成為熱門，給人才發展帶來帶來了很多機會。數據科學家、數據工程師、數據分析師已經成為大數據行業最熱門的職位。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個職業是如何定位的？
數據科學家是個什么樣的存在
數據科學家是指能采用科學方法、運用數據挖掘工具對復雜多量的數字、符號、文字、網址、音頻或視頻等信息進行數字化重現與認識，并能尋找新的數據洞察的工程師或專家(不同于統計學家或分析師)。
數據工程師是如何定義的
數據工程師一般被定義成“深刻理解統計學科的明星軟件工程師”。如果你正為一個商業問題煩惱，那么你需要一個數據工程師。他們的核心價值在于他們借由清晰數據創建數據管道的能力。充分了解文件系統，分布式計算與數據庫是成為一位優秀數據工程師的必要技能。
數據工程師對演算法有相當好的理解。因此，數據工程師理應能運行基本數據模型。商業需求的高端化催生了演算高度復雜化的需求。很多時候，這些需求超過了數據工程師掌握知識范圍，這個時候你就需要打電話尋求數據科學家的幫助。
數據分析師該如何理解
數據分析師指的是不同行業中，專門從事行業數據搜集、整理、分析，并依據數據做出行業研究、評估和預測的專業人員。他們知道如何提出正確的問題，非常善于數據分析，數據可視化和數據呈現。
這3個職業具體有什么職責
數據科學家的工作職責
數據科學家傾向于用探索數據的方式來看待周圍的世界。把大量散亂的數據變成結構化的可供分析的數據，還要找出豐富的數據源，整合其他可能不完整的數據源，并清理成結果數據集。新的競爭環境中，挑戰不斷地變化，新數據不斷地流入，數據科學家需要幫助決策者穿梭于各種分析，從臨時數據分析到持續的數據交互分析。當他們有所發現，便交流他們的發現，建議新的業務方向。他們很有創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。把蘊含在數據中的規律建議給Boss，從而影響產品，流程和決策。
數據工程師的工作職責
分析歷史、預測未來、優化選擇，這是大數據工程師在“玩數據”時最重要的三大任務。通過這三個工作方向，他們幫助企業做出更好的商業決策
大數據工程師一個很重要的工作，就是通過分析數據來找出過去事件的特征。比如，騰訊的數據團隊正在搭建一個數據倉庫，把公司所有網絡平臺上數量龐大、不規整的數據信息進行梳理，總結出可供查詢的特征，來支持公司各類業務對數據的需求，包括廣告投放、游戲開發、社交網絡等
找出過去事件的特征，最大的作用是可以幫助企業更好地認識消費者。通過分析用戶以往的行為軌跡，就能夠了解這個人，并預測他的行為
通過引入關鍵因素，大數據工程師可以預測未來的消費趨勢。在阿里媽媽的營銷平臺上，工程師正試圖通過引入氣象數據來幫助淘寶賣家做生意。比如今年夏天不熱，很可能某些產品就沒有去年暢銷，除了空調、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據和銷售數據之間的關系，找到與之相關的品類，提前警示賣家周轉庫存
根據不同企業的業務性質，大數據工程師可以通過數據分析來達到不同的目的。以騰訊來說，能反映大數據工程師工作的最簡單直接的例子就是選項測試（AB Test），即幫助產品經理在A、B兩個備選方案中做出選擇。在過去，決策者只能依據經驗進行判斷，但如今大數據工程師可以通過大范圍地實時測試—比如，在社交網絡產品的例子中，讓一半用戶看到A界面，另一半使用B界面，觀察統計一段時間內的點擊率和轉化率，以此幫助市場部做出最終選擇
數據分析師的工作職責
互聯網本身具有數字化和互動性的特征，這種屬性特征給數據搜集、整理、研究帶來了革命性的突破。以往“原子世界”中數據分析師要花較高的成本（資金、資源和時間）獲取支撐研究、分析的數據，數據的豐富性、全面性、連續性和及時性都比互聯網時代差很多
與傳統的數據分析師相比，互聯網時代的數據分析師面臨的不是數據匱乏，而是數據過剩。因此，互聯網時代的數據分析師必須學會借助技術手段進行高效的數據處理。更為重要的是，互聯網時代的數據分析師要不斷在數據研究的方法論方面進行創新和突破
就行業而言，數據分析師的價值與此類似。就新聞出版行業而言，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，都是媒體成敗的關鍵
此外，對于新聞出版等內容產業來說，更為關鍵的是，數據分析師可以發揮內容消費者數據分析的職能，這是支撐新聞出版機構改善客戶服務的關鍵職能
想要從事這3個職業需要掌握什么技能？
A. 數據科學家需要掌握的技能
1，計算機科學
一般來說，數據科學家大多要求具備編程、計算機科學相關的專業背景。簡單來說，就是對處理大數據所必需的hadoop、Mahout等大規模并行處理技術與機器學習相關的技能
2，數學、統計、數據挖掘等
除了數學、統計方面的素養之外，還需要具備使用SPSS、SAS等主流統計分析軟件的技能。其中，面向統計分析的開源編程語言及其運行環境“R”最近備受矚目。R的強項不僅在于其包含了豐富的統計分析庫，而且具備將結果進行可視化的高品質圖表生成功能，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下所不支持的函數和數據集
3，數據可視化(Visualization)
信息的質量很大程度上依賴于其表達方式。對數字羅列所組成的數據中所包含的意義進行分析，開發Web原型，使用外部API將圖表、地圖、Dashboard等其他服務統一起來，從而使分析結果可視化，這是對于數據科學家來說十分重要的技能之一
B. 數據工程師需要掌握的技能
1，數學及統計學相關的背景
對于大數據工程師的要求都是希望是統計學和數學背景的碩士或博士學歷。缺乏理論背景的數據工作者，更容易進入一個技能上的危險區域（Danger Zone）—一堆數字，按照不同的數據模型和算法總能捯飭出一些結果來，但如果你不知道那代表什么，就并不是真正有意義的結果，并且那樣的結果還容易誤導你。只有具備一定的理論知識，才能理解模型、復用模型甚至創新模型，來解決實際問題
2，計算機編碼能力
實際開發能力和大規模的數據處理能力是作為大數據工程師的一些必備要素。因為許多數據的價值來自于挖掘的過程，你必須親自動手才能發現金子的價值。舉例來說，現在人們在社交網絡上所產生的許多記錄都是非結構化的數據，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據工程師親自挖掘。即使在某些團隊中，大數據工程師的職責以商業分析為主，但也要熟悉計算機處理大數據的方式
3，對特定應用領域或行業的知識
大數據工程師這個角色很重要的一點是，不能脫離市場，因為大數據只有和特定領域的應用結合起來才能產生價值。所以，在某個或多個垂直行業的經歷能為應聘者積累對行業的認知，對于之后成為大數據工程師有很大幫助，因此這也是應聘這個崗位時較有說服力的加分項
C. 數據分析師需要掌握的技能
1、懂業務。從事數據分析工作的前提就會需要懂業務，即熟悉行業知識、公司業務及流程，最好有自己獨到的見解，若脫離行業認知和公司業務背景，分析的結果只會是脫了線的風箏，沒有太大的使用價值
2、懂管理。一方面是搭建數據分析框架的要求，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，就很難搭建數據分析的框架，后續的數據分析也很難進行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議
3、懂分析。指掌握數據分析基本原理與一些有效的數據分析方法，并能靈活運用到實踐工作中，以便有效的開展數據分析?；镜姆治龇椒ㄓ校簩Ρ确治龇?、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯分析法等。高級的分析方法有：相關分析法、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、對應分析法、時間序列等
4、懂工具。指掌握數據分析相關的常用工具。數據分析方法是理論，而數據分析工具就是實現數據分析方法理論的工具，面對越來越龐大的數據，我們不能依靠計算器進行分析，必須依靠強大的數據分析工具幫我們完成數據分析工作
5、懂設計。懂設計是指運用圖表有效表達數據分析師的分析觀點，使分析結果一目了然。圖表的設計是門大學問，如圖形的選擇、版式的設計、顏色的搭配等等，都需要掌握一定的設計原則。