自2009年起「大数据」的商业价值逐渐显现
开始成为各行各业人士争相追捧的利润焦点
在这个大数据与多媒体、信息技术碰撞的时代
谁掌握了数据的Power, 谁就拥有了话语权
因此Data Scientist，数据科学家火了！
平均年薪10W+美金，就业率高达99%
有90%以上的机会能够得到H1B Sponsorship
被哈佛商业评为了21世纪最性感的职业
Data Scientist 瞬间成为了无数人眼中的香饽饽！
学CS的觉得做码农太底层，要转数据科学家；
学数学/统计的觉得这个不需要过多的 Coding，
适合自己，要转数据科学家；
学商科的觉得自己终于可以成为科学家了...
可是，数据科学家真的能说转就转吗？
什么人能配得上这样的高薪？
需要掌握什么必备的技能？完成哪些工作？
接下来就和小蛙一起揭开Data Scientist的神秘面纱！
各大银行/投行/快消/证券/四大等笔试提分神器通过率99%的提分APP--【笔试通】APP：学习资料(历年真题,讲义,模拟题,题库等)+在线模考+APP刷题。获取方式:苹果,小米,华为,360助手,应用宝,PP助手,豌豆荚,百度手机助手均有下载.搜索‘笔试通’,图标是一个‘题’字
Data Science到底是什么？
Data Science是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。
乍一看来数据科学其实很像统计学，实际上，数据科学应当是数学、统计与计算机的交叉学科。
数据科学类技能大致可分为三类：
- 算法（Algorithms）: 数学、统计、算法、模型等理论知识是解决任何数据问题的核心。数据科学背后的算法模型以及数据实验是怎样被设计和检测是必不可少的技能。
- 编程（Engineering）: 数据的获取、处理和储存是必不可少的知识。同时，熟练掌握编程语言和分布式计算将帮助你处理大规模的数据。
- 沟通（Communication）: 数据在外行人眼中就如同一门外语，如何将数据分析结果转化为可读性极强的商业报告是必须掌握的技能。
有哪些可以选择的职业方向？
Data Scientist
数据科学家
Data Scientist（数据科学家）可能是你能在名片上写下的最热头衔之一，并且你离硅谷越近，这个职位就越有价值。
数据科学家跟麒麟一样稀有，需要有广泛的数据科技技能和处理，分析原始数据的天赋，以及用一个吸引人并且令人信服的方式来与同伴分享自身的深刻见解。
Data Analyst
数据分析员
Data Analyst（数据分析员）是数据小组的福尔摩斯。R, Python, SQL and C语言是必备的基础技能。就像数据科学家一样，在不同的数据处理环节里，这个职位的具体技能要求差异很大，但都要求有精益求精，一丝不苟的态度。比如HP and IBM (将与其最新电脑系统Watson组成工作小组)等公司就非常需要数据分析员。
Data Architect
数据架构师
随着大数据的兴起，数据构架师的重要性日益凸显。
数据构架师绘制数据管理系统的蓝图，来整合，集中，保护和维持数据源。他们掌管着Hive, Pig和Spark等科技，并且需要一直站在行业创新的前沿。
Data Engineer
数据工程师
Data Engineer（数据工程师）一般都
有软件工程师的背景，并且喜欢使用数据库和大规模处理系统。因此他们能够很容易地掌握科技，所以不管是对统计程序语言还是程序网页开发导向语言都很熟悉。每个公司都需要数据工程师。Statistician
统计员
数据行业中历史性的领导，代表着数据科学领域的主要职能：从数据中挖出重要涵义。具备扎实的统计理论和方法论，以及逻辑严密的思维体系，他们采集大量数据并将原始数据处理后得出数据信息分析报告。得益于强大的数理背景，现代统计员能处理所有类型的数据并快速掌握新技术和使用这些来提升他们的知识容量。统计员为数据产业带来了数学基础理论，将从根本上改变商业。
Database Administrator
数据库管理员
人们常常说数据是一座金矿，意味着需要有人来开采这座矿山。
数据库管理员确保所有相关用户都能符合规定地正确使用数据库，规避数据使用风险。确保数据库的备份和回复系统运行正常，安全问题和正在使用中的各项支持技术都能被实时追踪。
Data and Analytics Manager
数据与分析经理
数据分析经理是团队中的拉拉队队员，他们为数据科学团队制定方向并确保制定了正确的优先级。
需要熟练掌握SQL, R, SAS等软件，并且社交能力要强，能够管理好团队。这是一个很艰难的工作。
一般来说，数据分析经理和数据科学家的工资最高。薪资居中的是数据工程师和数据架构师。兼有软件工程师背景和数据分析技能的人才很受欢迎。因为在这两个职位的招聘中更看重软件开发，所以潜在提高了他们的平均薪资。剩下职位的薪资水平都差不多。但是因为这些职位的需求量正在增长，所以这些职位的工资可能很快会上涨。
Data Science薪资如何？
国内
以北京为例，数据分析师的平均工资为10630/月；大数据开发平均工资为30230/月；数据挖掘的平均工资为21740/月。
海外
根据Glassdoor的数据显示，Data Scientist的年薪高达118,700美金，高居排行榜榜首！
- 四大Business Analyst：刚出大学校门平均75,000~85,000美元，有的可以达到90,000美元。
- Data Scientist薪资一般在90,000~100,000美元左右。
- Airbnb/Facebook可以给到100,000-120,000美元。
薪资的高低主要受公司、行业、职能等因素影响。
Data Scientist未来的职业发展
Data Scientist近几年就业状态很好。因为这个工作是在用最新的方法解决从前无法解决的问题，走在行业的前端，是个非常Revolutionary、非常酷的工作！
国内对大数据人才需求还是非常大的，而且国内的大数据人才数量相对较少，因此大多数公司的数据部门一般都是扁平化的层级模式，大致分为数据分析师、资深研究员、部门总监3个级别。
有些特别强调大数据战略的互联网公司则会另设最高职位——如阿里巴巴的首席数据官。这个职位的大部分人会往研究方向发展，成为重要数据战略人才。另一方面，大数据工程师对商业和产品的理解，并不亚于业务部门员工，因此也可转向产品部或市场部，乃至上升为公司的高级管理层。
Data Science 的主要工作是什么？
分为四部分：归纳问题、准备探索数据、模型训练检验调整、报告和产品。
1
归纳问题
客户给公司的任务，不是一个具体的任务（用 xx 模型来做 xx 数据），而是一个具体的商业问题。
比如，上个季度为什么盈利下降了。这就是一个归纳问题的环节，需要有专业知识帮助我们找到方向。
2
准备探索数据
归纳问题结束之后，会产生很多假设，这就需要寻找数据验证假设。寻找数据一般是竭尽所能，比如收入不好与市场推广有关，就会去寻找广告商的数据。
寻找数据以后，要检查数据质量，是否有异动、缺失等等。数据质量能够决定模型的准确率。所以花在“清洗整理”数据上的时间要占到总时间的 60% 甚至更多，有时候也需要跟客户进行交流。检查完质量以后，做一些探索性分析。
3
模型训练检验调整
先确定模型基本类型（回归、聚类等），选取比较合适的模型进行搭建，用 test 对模型进行检验。检验的同时再去寻找模型最优的参数配置，对模型进行预测，如果预测结果很好的话，建模过程就结束了。
4
报告和产品
在咨询公司中，模型做完以后，会和客户进行交流 ，看是否符合实际。在科技公司中，模型往往会发展成一个产品。放在公司平台上测试，或者发布到网上。
总的来说Data Scientist应该立足某个应用领域，根据领域需求设计合适的数据产品，利用可以自动化获取的数据资源，设计合适的算法，采用适当的自动化工具进行数据计算/合并/转换，最终得到数据产品。
Data Science需要掌握哪些技能？
从学习的角度来讲，成为数据科学专业人才所需要的技能不外乎是以下三点：
1
程序设计语言
编程这样的硬功夫是数据科学人才安身立命之本。
- 查询语言（Querying Language）: SQL, Hive
- 脚本编程语言（Scripting Language）: Python, Matlab
- 统计语言（Statistical Language）: R, SAS, SPSS
- 企业开发语言（Development Language）：Scala / Java之类
2
可视化
正如之前所说，并不是所有的员工都能看懂复杂的数据和图表。有时候客户也不愿意看枯燥的报告，而是更愿意接受可视化的数据报告。所以Data Scientist不光要把数据做出来，还要有创造性。
3
软实力
除了处理数据的硬功夫之外，Data Scientist也需要具备一些出色的软实力。
例如，强烈的好奇心，积极挖掘隐藏在数据内的真相。对于每一次运算的结果都多问一个“为什么”，这样才能做出一个完整的分析，弄清楚什么样的原因会导致什么样的结果。
数据分析师还要具备很强的逻辑思维能力，能够根据需求分析出需要的数据类型、使用什么算法和分析方法，得出数据后进行归纳和总结得出结果。
软实力还需要同学们日积月累的培养
而硬实力，从现在就可以开始学起啦！
閱讀更多 達海教育 的文章
