“数据科学家”是“21世纪最性感的工作”吗？

很多人对“数据科学家”是“21世纪最性感的工作”吗不是很了解那具体是什么情况呢，现在让我们一起来瞧瞧吧！

哈佛商业评论建议，这是21世纪“ 最性感的工作 ” 吗?它是否描述了一个拥有计算机科学，应用数学，统计学，经济学高级学位的聪明人?有人从大数据中分析并提取商业价值吗?

数据科学家可以是所有这些事情甚至更多。这类专业人员使用各种工具，技术和批判性思维来寻找大型数据集的模式和趋势，从而为实际的以数据为中心的问题提供实用的解决方案。

根据雨果鲍恩安德森 在HBR， “数据科学家使用的在线实验等方法，实现可持续增长。他们还清理，准备，验证结构化和非结构化数据，以构建机器学习管道和个性化数据产品，以更好地了解他们的业务和客户，并做出更好的决策。“

现在，即使您没有进入高级分析和数据科学的学校，理解科学家所经历的思维过程数据可能有助于您的早期创业者了解这些专业人员的确切做法：

数据科学家提出了很好的问

任何数据科学项目都会对可交付成果，目标，结果，时间长度等有一系列期望。正如James Le在媒体文章“ 如何像12个步骤中的数据科学家一样思考 ” 中指出的那样，这是一个有用的方法。更充分地了解一个人的期望是提出好的问题。

“好的问题在他们的假设中是具体的，好的答案是可以在没有太多成本的情况下取得可衡量的成功，”Le写道。提高您提出好问题的技巧在 任何商业环境中都很有价值。如果您正在进行更多数据驱动的旅程，它可能有助于您的早期创业。Mark Schindler在TowardsDataScience.com上讨论了“ 创建问题环境 ”对于创建数据策略有何用处; 他建议将你的问题分为三类：

你现在可以回答什么问题?

如果你对现有数据进行一些挖掘，你会回答什么问题?

有什么问题你不能回答，因为你还没有数据?

辛德勒提供了每个类别的问题示例：

“过去30天你有多少次下载?”可能属于第一类。

“在过去30天内，您最常用户的年龄人口统计数据是多少?”可能会落入第二位。

并且“您的顶部和底部四分之一用户的平均会话长度是多少?”可能属于第三个。

这个有用的练习可以帮助您弄清楚您可以回答的有关您的业务和数据的事情，并可能指出您可能尚未证明或知道您想要的新问题或假设情景的方向( 数据路线图)进一步探索。

数据科学家了解如何识别数据源及其价值。

戴尔EMC大数据业务首席技术官Bill Schmarzo 创建了一份28页的白皮书“ Think Like a Data Scientist”工作手册。在其中，他深入研究了使用预测和规范分析的数据科学家思维过程，以找到正确的答案，以便企业实现其目标。

我特别喜欢名为“识别数据源”的部分，该部分解释说，在八步练习册中，读者会发现各种“可能”提供以下方面价值的新数据源：1)目标业务计划(增加销售额，收入，网站流量，转换等)，以及：2)他或她希望回答的关键业务决策。白皮书说，可能的数据来源包括：

历史运营和交易系统数据(ERP，财务，人力资源，供应链，销售人员自动化和营销，数据被捕获，但可能无法在易于访问的平台上获得)。

内部非结构化数据源，如电子邮件对话，消费者评论，临床研究，研究论文以及员工和客户互动的说明。

外部数据来源，包括社交媒体，新闻，天气，交通，经济，研究论文，白皮书和来自政府和大学机构的公共领域数据。(就像Think Like a Scientist工作簿)。

在工作簿中，Chipotle就是一个常见的例子。Chipotle的数据来源可能包括：销售点交易，市场篮子，产品大师，商店人口统计和竞争性商店销售，商店经理笔记，员工人口统计，消费者评论，Yelp，Zillow / Realtor.com，Twitter / Facebook / Instagram等等。

一旦确定了各种数据源，下一步就是评估每个来源在支持某些关键业务决策方面带来的业务价值。您可以设置电子表格并将数据源绘制为第一个垂直列中的行标题，然后将关键业务决策绘制为第一行中的水平列标题。在Chipotle的示例中，一些业务决策是：

增加店铺流量

增加购物袋收入

提高促销效果

您可以通过提交与您的行业和创业相关的业务用例问题来自行完成此练习。

招聘第一位数据科学家的一些有用提示。

如果您是一家想要扩展到大数据和机器学习领域的创业公司或企业，以免落后于您的竞争对手，那么可能需要聘请您的第一位数据科学家工程师。招聘这个角色可能比软件开发人员更复杂。福布斯撰稿人Shourjya Sanyal最近在一篇题为“ 如何聘请你的第一位数据科学家 ” 的文章中写道，这项任务更复杂，因为：

编写数据科学家角色的职位描述很困难。

大量数据科学家可能愿意申请，但很少有人具备所需的经验。

很少有行业标准和基准。

Shourjya提出了可能有助于面试过程的问题。例如，如果您正在构建数据产品或应用程序，直接从学术界和联合研究实验室雇用科学家可能无法为您提供“优先处理任务和推动您的任务所需的”软件工程经验和一些管理经验“商业的价值。

当然，优步总是在Twitter上聘请 数据科学副总裁。从不同来源刮取和准备数据以构建数据管道也可能有助于启动数据驱动的产品。Shourjya还提到询问候选人的投资组合，如果它包括一个团队项目，那么具体的候选人做了什么贡献。

总的来说，您需要定义公司的首次雇用需求。在“招聘数据科学家的艺术”中，Insightly的数据科学家Sara Vera写道，“如果您正在寻求构建广告定位或推荐引擎或[进行]算法培训，那么您将会我想找一个具有很强的数学和计算机科学背景的候选人。“

请记住，数据科学领域相对较新，通常归入不同但重叠的技能组合，如数据挖掘，数据工程，数据准备，人工智能，机器学习，分析，大数据，统计甚至甚至数据可视化。

例如，如果您需要一位数据科学家，他将向管理人员报告您的产品如何运作，或者用户增长如何增加或减少，那么找一个“ 数据故事 ”的好处是有帮助的。“福布斯”撰稿人布伦特·杜克斯将这种工作描述为“一种结构化方法，用于传达数据洞察，涉及三个关键要素的组合：数据，视觉效果和对正在发生的事情的总体叙述。”

而且，正如Vera所写，这些类型的数据科学家可能来自“ 社会科学学术背景，因为在医学领域，例如，社会学，经济学或地理学使他们习惯于用他们的数据来做这件事。”

本文【“数据科学家”是“21世纪最性感的工作”吗？】到此讲解完毕了，希望对大家有帮助。