跨界_圈外人该如何闯入数据科学家的世界？

[b][b]

[/b][/b]

[b][b]◆ ◆ ◆[/b][/b]

什么是数据科学？

你已经下定决心要做一名数据科学家了，很好你已经开始了。但是现在你有了另外一种选择：你想做哪一种数据额科学家呢？因为（认识到这个很重要）虽然数据科学被承认是一种职业已经有很多年了，但是有关于它到底是什么还没有一个大家都认可的定义。

在现实生活，“数据科学家”这个词可以指代非常广泛的工种，因此它存在很多种形式，考虑到工业界以及商业界各种需求的不同，还有问题中目标与输出角色的不同。因此，在某些方面拥有技能的话比其他要更好一些，这就是为什么通向数据科学的路径是不相同的，可以通过多种领域如统计、计算机科学与其他科学学科来实现。

目的是决定数据科学形式类别的最大因素，这也与相应的A类以及B类相关联。广义上来说，分类可以总结如下：

面向人类的数据科学（A类），举例：分析支持以证据为基础的决策

面向软件的数据科学（B类），举例：智能推荐系统，如Netflix和Spotify

当这个领域越来越成熟之后，我们可以见到这些定义会愈加完善，在这里我们也要介绍我们第一个专家：Yanir Seroussi，Yanir目前是Car Next Door的首席数据科学家。

探讨职位头衔

在我们深入研究之前，值得花一点时间来反思“数据科学”中的“科学”，因为在某种意义上，所有的科学家都是数据科学家，因为他们都是与各种各样的数据进行打交道。但要考虑到通常被认为是数据科学的这个行业，究竟是什么使它成为一门科学？这个问题很好！答案应该是：“科学方法”。考虑到科学的多学科性，科学方法是把这些领域结合在一起。

然而，业界中职位名称貌似越来越宽松了，并不是所有的数据科学家都是真正的科学家。可以这样问你自己：你能证明自己是一个科学家即便你的工作并不包含真正的科学呢？个人来说，我不认为“分析师”不能作为一个选项 ，或者其他的最合适的也能作为选项。但是这可能只是我个人意见，也许我最好称自己为招聘科学家。

通过讨论的方式我们将继续探索，哪些领域的专业知识你还需要掌握（如果你还没有的话）。

解决问题

如果这个不是你清单中的首位的话，马上去修改。所有科学核心都是解决问题：一个伟大的数据科学家也是一个伟大的问题解决者；就是这么简单。需要更进一步的证明吗，基本我在这个项目中碰到的每一个人（不管其背景和目前工作环境如何）都提到数据科学中最重要的因素就是解决问题。

很明显，你需要有工具去解决问题，但是它们只是：工具。在这种情况下，即便是统计/机器学习技术也可以认为是你解决问题的工具。新的技术出现了，科技进步了。唯一不变的就是解决问题。

在某种程度上，你解决问题的能力是由天赋决定的，但是与此同时有且仅有一个方式来进行提高：那就是练习、练习、练习。在后面我们会回顾这部分内容，但是现在你只需要记住：你只能通过尝试来掌握某件事情。

阅读全文