你真的適合在數據科學領域工作嗎_數據分析師考試

目前數據科學家或相關角色（如數據管理，統計師，數據分析師等）成為最搶手的職業之一。針對這一跨行業的趨勢，一些頂尖大學已經開始致力于培養數據科學家。---cda數據分析師報名

在更多的機遇、薪酬、知名度以及商業領袖們對它重視的誘惑下，許多人開始朝著數據科學家的職業努力，但他們并沒有深入地思考這個職位每天所需要承擔的責任、需要的態度、在技術和商業技能上的平衡的能力。

對于有志成為數據科學家這個角色的人，這些能夠挑戰自我和職業抱負的人，我們希望能勾畫出一個清晰的圖像來說明這些人的特質。我最近同一個有著25年以上行業經驗的人Paco Nathan聊起這個問題，他的坦誠的回應讓我對這個問題的認識清楚了不少。
Anmol Rajpurohit: 數據科學家被稱為第二十一世紀最性感的工作。你同意嗎？你會給致力于從事數據科學的人們什么樣的建議呢？
Paco Nathan：我不同意。沒有多少人具備數據科學家這個角色所需要的知識廣度，也沒有多少人具備掌握這些技能必備的耐心和欲望。

先做一個自我測試吧

1、準備一個未知的數據集的分析和可視化，數據需求者們將看到你的成果后問一些關鍵問題，但你要準備好你滿懷信心得出的結果受到一些量化的論證。

2、在25個字以內形容出損失函數(loss function)和(regularization term)正則化項，用幾個例子做比較/對比，并展示如何為建模說明(model transparency)、模型預測能力和資源需求構建一系列的權衡。

3、在行政機關工作人員會議上提出一個關于解雇排名靠后的人的企業重整建議。

4、訪問34個對你的項目有敵視態度的不同部門，梳理出他們一直不愿意提供的元數據資料。

5、構建、測試和部署一個APP，可以提供實時的SLAs，同時可以有效地跨越1000多節點集群。

6、在沒有他人幫助的情況下，解決一個至少有200字節長的會出現間歇性錯誤的代碼問題。

7、利用集成方法，提升你正在做一個預測模型的效果。

8、在最后期限日之前，和來自34個和你工作毫不相關的領域的人們一起完成編程項目。

如果你不喜歡上面任何一項工作，那么我建議你不要把“數據科學家”當成你的職業。

數據科學家這個“性感”的角色是大約在2012年由DJ Patil, Hilary Mason等人提出的，然而不是每個人都能分到這個40億美元產業的一杯羹。

2012年的狀況和現在已經有很大的區別，現在在數據科學領域工作意味著：

1、在待開發的領域里有一些創新的機會，但不是經常會有。

2、大多數現有的項目是有風險的。

3、必須對一些權威提出挑戰（這不好玩，但是是這個角色的精髓）。

DJ和其他人之前所做的，大多數同數據相關的問題是社會或者組織（例如，數據孤島，缺乏元數據，矩陣組織內訌等）或者是組織里對這個問題已經有了明確的回答。

我有一種預感，在電子商務領域已經有很多有趣的工作出現，優秀的人們將繼續保持極高的價值，但是工作將向硅谷外轉移，或者是其他行業的人們將來這里進行學習、合作、交易等等。

例如Monsanto（一家位于美國密蘇里州的巨型跨國農業生物技術公司），他們在舊金山成立了一個公司，其實他們可以投資更多的錢在擁有更有利條件的公司上，正如其他風險投資（VC）所做的。然而，該地區的風險投資人（VC）卻忽略了相關數據在企業的重要作用——除了特斯拉（Khosla）。在過去的幾個月中，他們已經收購了：Climate Corp, Solum等等，我期待著這種趨勢的發展。

（Climate Corp 是一家意外天氣保險公司，為美國的農民提供天氣意外保險。Solum是一家農業領域的科技創業公司，它們的測量系統能夠實現更高效、更精準的農產品抽樣分析。）

從我的角度來看，數據最大的問題還沒有出現，它應該解決真正的問題，例如食品供應，干旱/洪水，能源安全，醫療保健，電信，交通運輸減少對石油的依賴，更智能的生產，森林砍伐監測，海洋分析等等。

此外，IT預算仍然限制了數據的洞察力。太多的預算流向了“數據工程“人員，太多的預算往往被指定用于已經清理的數據。另外，我發現，在SV中“產品管理”的概念同有效利用數據的概念是對立的，在許多情況下，產品管理會阻礙公司數據的使用。cda數據分析師考試

因此，我們的價值一般會體現在以下幾個方面：

1、編寫代碼來準備數據。

2、用自動化流程來提高工程的性能和模型比賽。

3、對權威用數據進行挑戰。