数据科学家

工作安排
 

• 数据科学家通常能获得全职工作，工作时间安排较为规律。由于这是一个要求较高的领域，保持技能的敏锐度至关重要，这可能需要利用“业余时间”参加进修培训、考取额外认证以及参与其他无薪的学习活动。 

主要职责

• 运用知识和技能来设计新技术，或最大限度地利用现有技术
• 与管理层、工程师及外部客户合作，共同识别问题 
• 协助各组织制定政策及实现目标的策略
• 与团队协作，管理任务和待办事项
• 根据具体岗位的不同，数据科学家可能会使用 Python、R、SQL、数据库、分析工具、机器学习和大数据等技术。
• 针对复杂的软件或业务问题制定可行的解决方案
• 提出新的理论和模型 
• 通过与最终用户、客户、员工和利益相关者沟通，确定硬件和软件需求 
• 审查项目方案并提出改进建议

其他职责

• 参与跨学科项目
• 对新系统进行测试
• 参与专业组织，分享研究成果和发现

软技能

• 能够预测问题 
• 主动学习 
• 分析性
• 注重细节
• 能够根据具体情境向他人阐释想法
• 富有创造力且充满好奇心
• 批判性（但灵活的）思维
• 决定性的
• 焦点
• 整齐有序
• 坚持与韧性
• 问题解决 
• 明智的判断
• 出色的沟通能力

技术技能

• Web平台开发软件：SQL（结构化查询语言）、Python、Tableau、R
• 沟通能力：需要能够将从数据分析中得出的统计结果，用通俗易懂的语言向公司其他部门（如IT和财务部门）进行解释
• 团队合作：您将作为各职能部门之间的联络人，协助这些部门获取数据分析结果，以便其做出决策
• 数据/统计分析：需要分析并应用用户反馈和调研结果
• 良好的视力 
• 能够分析和评估系统 
• 对销售与市场营销、客户服务、电信、设计、管理原理及工程科学有基本了解
• 商业智能/数据分析软件，例如 IBM Cognos Impromptu、Oracle Business Intelligence Enterprise Edition、QlikView 和 Tableau
• 编译器软件，例如 Polaris 并行化编译器、Greenhills Ada 编译器和 LLVM 编译器
• 数据库管理及用户界面/查询程序
• 开发环境软件，例如 LabVIEW、Apache Kafka 或 Eclipse IDE
• 图形成像
• 熟悉分析类和科学类软件，例如 Minitab、StataCorp Stata 和 MATLAB
• 面向对象或组件的软件开发（C++、ActiveX、Java、Python）
• 扎实的数学能力，包括代数、几何、微积分和统计学

• 学术机构
• 银行业和金融业
• 云服务与托管
• 咨询
• 软件即服务（SaaS）、网页、移动端
• 计算机软件出版商
• 快递公司
• 联邦政府/军事机构
• 大型企业
• 零售企业
• 保险代理机构
• 电信
• 其他研发机构
• 私营专业公司
• 搜索/社交网络

• 对机器学习的理解：一种能够自动构建分析模型的数据分析方法。机器学习使计算机能够利用从数据中学习的算法来发现隐藏的洞见，而无需进行显式编程。
• 数据科学与物联网的融合：指由具备IP地址以实现互联网连接的物理对象构成的日益扩大的网络，以及这些对象与其他联网设备及系统之间进行的通信。
• 具备与 RIL（无线电接口层）协作的能力，这与物联网密不可分
• 数据科学在医疗保健领域的应用：这些科学家收集的数据可用于预测疾病趋势，例如埃博拉疫情的卷土重来

大多数雇佣数据科学家的组织之所以这样做，是因为它们高度依赖这些员工所具备的技能和提供的信息。在某些情况下，数据科学家实际上是在开发公司销售的产品或服务；而在其他情况下，他们则协助公司确定销售什么、向谁销售以及如何提高销量。因此，虽然对他们的期望很高，但薪酬待遇也相当丰厚！ 
 
据威斯康星大学数据显示，入门级从业者的年薪最高可达95,000美元，中级从业者的中位数薪资为128,750美元，中级经理的年薪最高可达185,000美元，而资深经理的中位数薪资甚至可高达250,000美元。显然，支付如此高薪的企业必然会要求数据科学家具备顶尖的专业能力并能创造附加值。 因此，对数据科学家而言，一项重大的牺牲（如果可以这么说的话），就是必须在所有领域达到并保持精通，并跟上（或领先于）新兴和不断发展的技术。这需要巨大的、长期的投入，其中大量工作是在“下班后”利用个人时间完成的。 

数据科学家几乎可以肯定从小就对计算机感兴趣，同时也热衷于解谜和解决各类难题。他们热爱智力挑战，其中发现信息并掌握如何运用信息是取胜的关键。有些人可能曾喜欢阅读或观看悬疑和侦探故事。他们对心理学感兴趣，关注人们的思维方式、行为动机，以及计算机如何从个人、群体乃至整个社会等不同层面，找到更好地理解人类的方法。 
 
优秀的数据科学家，很可能是在成长过程中就能洞悉“全局”，并能预见到细微的元素、因素或决策可能产生重大影响的人。他们看似条理分明，但脑海中的信息并非一成不变，而是可塑且灵活的。 换言之，他们通常能够“跳出思维定势”，以他人未曾想到的方式创造性地运用数据。此外，他们往往还擅长用通俗易懂的语言解释技术问题。