数据科学、机器学习和分析被认为是最热门的职业道路之一。工业、学术界和政府对熟练的数据科学从业者的需求正在迅速增长。因此，持续的“数据热潮”吸引了众多具有不同背景的专业人士，例如物理学、数学、统计学、经济学和工程学。

数据科学家的工作前景非常乐观IBM2020年预测数据科学家的需求将飙升28%：

https://www.forbes.com/sites/louiscolumbus/2017/05/13/ibm-predicts-demand-for-data-scientists-will-soar-28-by-2020/#7916f3057e3b

这是国外的预估，国内的预估大家可以看看人工智能人才需求报告，关注【学姐带你玩AI】公众号，后台回复“报告”即可获取。

本文将讨论每个对数据科学感兴趣的人在从事数据科学家职业之前应该考虑的10个重要问题。

# 1.数据科学家做什么？

数据科学是一个如此广泛的领域，包括数据准备和探索等几个细分领域；数据可视化和展示；预测分析；机器学习等数据科学家处理数据以得出可以推动机构决策的意义和有见地的结论。

他们的工作职责包括数据收集、数据转换、数据可视化和分析、构建预测模型、根据数据发现提供实施行动建议。

数据科学家在医疗保健、政府、工业、能源、学术界、技术、娱乐等不同领域工作。一些聘请数据科学家的顶级公司是亚马逊、谷歌、微软、Facebook、LinkedIn 和Twitter。

# 2. 数据科学家赚多少钱？

作为数据科学家，您的收入取决于您所在的组织或公司、您的教育背景、工作年限和您的具体工作角色。数据科学家的收入从50,000美元到250,000美元不等，平均工资约为 120,000 美元（好家伙国外工资这么高吗？这是年收入吧！）。

国内年薪七八十万的数据科学家也得五年左右的工作经验吧！

# 3. 数据科学家的工作前景如何？

数据科学家的工作前景非常乐观。IBM当时预测2020年对数据科学家的需求将飙升28%：

https://www.forbes.com/sites/louiscolumbus/2017/05/13/ibm-predicts-demand-for-data-scientists-will-soar-28-by-2020/#7916f3057e3b.

# 4. 是否需要再（例如数学、物理学、计算机科学、工程学或经济学）方面是否具有扎实的背景？

分析学科的强大背景是一个加分项。数据科学是使用数学知识比较密集的，需要以下知识：

a. Statistics and Probability

b. Multivariable Calculus

c. Linear Algebra

d. Optimization Methods

# 5. 我喜欢处理数据和编写程序来分析数据吗？

数据科学需要扎实的编程背景。大多数数据科学职位中提到的前5名编程语言是：

a. Python

b. R

c. SQL

d. Hadoop

e. Spark

如果你编程能力不是很行，那么来看看这篇文章👉帮你提升代码能力。

# 6. 我喜欢解决具有挑战性的问题吗？

数据科学问题非常具有挑战性。一个典型的数据科学项目将涉及以下阶段：

a. Problem Framing

b. Data Collection and Analysis

c. Model Building, Testing, and Evaluation

d. Model application

从问题框架到模型构建和应用，该过程可能需要数周甚至数月的时间，具体取决于问题的规模。只有热衷于解决具有挑战性的问题的人才能成为数据科学家。

# 7. 即使项目似乎遇到了障碍，你是否有足够的耐心继续工作？

数据科学项目可能非常漫长且要求很高。从问题框架到模型构建和应用，该过程可能需要数周甚至数月的时间，具体取决于问题的规模。

作为一名实践数据科学家，在项目中遇到障碍是不可避免的。耐心、坚韧和毅力是成功的数据科学职业必不可少的关键品质。

# 8. 你是否具有商业敏锐度，可以让我从一个模型中得出有意义的结论，从而为我的组织制定重要的数据驱动决策？

数据科学是一个非常实用的领域。

可能你非常擅长处理数据以及构建良好的机器学习算法，但作为数据科学家，现实世界的应用程序才是最重要的。

每个预测模型都必须对现实生活中的情况产生有意义且可解释的结果。预测模型必须根据现实进行验证，才能被认为是有意义和有用的。

作为数据科学家，这个角色是从数据中提取有意义的见解，这些见解可用于数据驱动的决策，从而提高公司效率或改善业务开展方式，或帮助增加利润。

# 9. 成为数据科学家需要多长时间？

如果你在物理、数学、工程、计算机科学、经济学或统计学等分析学科有扎实的背景，你基本上可以自学数据科学的基础知识。

我们可以借助bilibili上的课程，不过在此之前你要知道数据科学家的学习成长路径是怎么样的，👉这篇数据科学家内容文章会告诉你。

在数据科学概念方面打下坚实的基础后，可以寻求实习或参加 Kaggle 竞赛，在那里您可以从事真正的数据科学项目。

另一种练习数据科学技能的方法是使用 Github、LinkedIn 等平台展示自己的项目，或在 Medium 上撰写数据科学文章。

# 10. 学习数据科学有哪些资源？

有许多资源可用于学习数据科学的基础知识。这里有一些：

数据科学家12周速成课程

https://appuaaoe86p4947.h5.xiaoeknow.com/v1/goods/goods_detail/p_60fe3724e4b0a27d0e35e4de?type=3

深入讲解4篇时间序列预测方向经典论文

https://appuaaoe86p4947.h5.xiaoeknow.com/v1/goods/goods_detail/p_619c665ce4b07ededa9fead5?type=3&product_id=p_619c665ce4b07ededa9fead5&isLogin=false

时间序列预测方向经典比赛实战

https://appuaaoe86p4947.h5.xiaoeknow.com/v1/goods/goods_detail/p_61308755e4b0e1ddfcf42830?type=3&product_id=p_61308755e4b0e1ddfcf42830&isLogin=false

以上课程报学姐名字都有大大的折扣！

说了这么多想成为数据科学家的你，是不是不焦虑了？也许你心中有了计划，也许马上要行动了！在此之前可以给学姐一个关注吧！