聚光灯
数据分析师、数据工程师、机器学习工程师、预测建模师、量化分析师、统计学家、数据策略师、商业智能分析师、数据架构师、数据挖掘专家
互联网的诞生与万维网的创建引发了一场信息大爆炸,这场爆炸至今仍在持续。尽管数据科学早于这一现象出现,但无疑已被其彻底改变。现代数据科学家依赖(并协助创建)尖端分析工具,最终为雇主解决实际问题。
Glassdoor将数据科学家描述为"数学家、计算机科学家与趋势观察者的混合体",他们主要运用技术满足企业需求。这通过收集、研究和解读来自各类来源的海量数据来实现。 数据科学家的工作所获取的知识与洞见,能帮助雇主做出明智的数据驱动决策,这些决策将影响企业提供的服务、生产的产品、营销策略等诸多方面。
AI can generate models and analyze datasets quickly, but defining the right questions and interpreting insights requires human expertise. Data scientists are increasingly responsible for ensuring ethical use, data quality, and meaningful business impact.
- 总在学习新事物
- 成为一个仅有十年历史的领域的开拓者
- 科技与科学的融合
- 能够运用技能帮助他人,例如医疗健康数据
- 每家大型企业都需要数据科学家,而中小型企业正努力将其纳入预算范围。
- 未来几年注定蓬勃发展的高回报职业
我的工作内容每天都在变化,这使得这份职业比其他日复一日重复相同工作的岗位更有趣。我的工作核心是解决问题,帮助公司决策者从数据中获取洞察。
工作日程
- 数据科学家通常从事全职工作,工作时间规律。作为一个要求严格的领域,保持技能精进至关重要,这可能需要在非工作时间参加进修培训、获取额外认证以及参与其他无薪学习活动。
典型职责
- 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
- 与领导层、工程师及外部客户协作,共同识别问题
- 协助组织制定政策并实现目标策略
- 与团队协作,管理任务和待办事项
- 根据具体职责,数据科学家可能需要使用Python、R、SQL、数据库、分析工具、机器学习和大数据技术。
- 为复杂的软件或业务问题制定可行的解决方案
- 开发新的理论和模型
- 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。
- 审查项目概念并提出改进建议
额外职责
- 参与多学科项目
- 运行新系统的测试
- 参与专业组织以分享研究成果
软技能
- 能够预测问题
- 主动学习
- 分析性
- 注重细节
- 将想法置于具体情境中向他人阐释的能力
- 富有创造力且充满好奇心
- 批判性(但灵活的)思维
- 决定性的
- 聚焦
- 有条不紊
- 坚韧不拔与抗压能力
- 问题解决
- 明智的判断
- 出色的沟通能力
技术技能
- 网络平台开发软件:SQL(结构化查询语言)、Python、Tableau、R
- 沟通能力:需要能够将从数据收集过程中得出的统计数据,用通俗易懂的语言向公司其他部门(如IT和财务部门)进行说明。
- 团队协作:你将作为各部门之间的中间人,为需要依据数据信息进行决策的部门提供支持。
- 数据/统计分析:需要分析并应用用户反馈与研究成果
- 好视力
- 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、管理原则及工程科学的基本理解
- 商业智能/数据分析软件,例如IBM Cognos Impromptu、Oracle商业智能企业版、QlikView和Tableau。
- 编译器软件,例如Polaris并行化编译器、Greenhills Ada编译器以及LLVM编译器
- 数据库管理与用户界面/查询程序
- 开发环境软件,例如LabVIEW、Apache Kafka或Eclipse集成开发环境
- 图形成像
- 精通分析与科学软件,例如Minitab、StataCorp Stata和MATLAB
- 面向对象或组件导向的开发软件(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
- 银行业与金融业
- 云服务与托管
- 咨询
- 软件即服务(SAAS)、网络、移动
- 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
- 保险公司
- 电信
- 其他研究与开发机构
- 私营专业公司
- 搜索/社交网络
- 对机器学习的理解:一种通过自动化分析模型构建实现数据分析的方法。机器学习使计算机能够借助从数据中学习的算法发现隐藏洞见,而无需显式编程。
- 数据科学与物联网的融合:日益扩大的物理对象网络,这些对象具备用于互联网连接的IP地址,并能与其他联网设备及系统进行通信。
- 能够与无线接口层(RIL)协同工作,这与物联网密不可分
- 数据科学在医疗保健中的应用:这些科学家收集的数据可用于预测疾病趋势,例如埃博拉病毒的卷土重来。
大多数雇佣数据科学家的机构之所以如此,是因为他们高度依赖这些员工带来的技能和信息。在某些情况下,数据科学家实际上正在开发待售的产品或服务;而在其他情境中,他们则协助企业确定销售什么、卖给谁以及如何增加销量。因此,人们对他们的期望值很高,但薪酬待遇也相当丰厚!
威斯康星大学数据显示:初级从业者最高可获9.5万美元年薪,中级从业者中位数收入达12.875万美元,中层管理者最高可达18.5万美元,资深管理者的中位数薪资甚至能突破25万美元。显然,支付如此高薪的企业必然要求顶尖专业能力与增值型工作成果。 因此,数据科学家需要付出重大牺牲——若能称之为牺牲的话——即全面掌握并持续精进所有领域的能力,同时紧跟(甚至领先)新兴技术的发展。这需要巨大的长期投入,大量工作需在个人时间"加班"完成。
数据科学家几乎都从小对计算机感兴趣,也热衷于解决各类谜题和难题。他们热爱智力挑战,其中发现信息及其运用方式是制胜的关键。有些人可能喜欢阅读或观看推理与侦探故事。他们对心理学充满兴趣,关注人类思维方式、行为动机,以及计算机如何在不同层面(从个体到群体乃至整个社会)更好地理解人类。
优秀的数据科学家往往在成长过程中就具备全局视野,能洞察微小元素、因素或决策如何引发重大后果。他们看似条理分明,但脑中的信息并非静态,而是具有可塑性和灵活性。 换言之,他们通常能"跳出思维定式",以他人未曾设想的方式创造性地运用数据。同时,他们往往擅长用通俗语言解释技术问题。
- 大多数计算机与信息研究科学家需要拥有计算机科学或相关领域的硕士学位,例如计算机工程。
- 根据Burtch Works的数据,"91%的数据科学家至少拥有硕士学位,其中48%拥有博士学位"。
- 领英列举了以下基础本科专业:生物统计学、化学、计算机科学、工程学、数学/应用数学、气象学/天体物理学、物理学或统计学。
- 其他常见的学位专业包括数学、统计学、自然科学以及各类工程学。
- 许多数据科学家专注于特定领域,因此具备相关的学术背景和工作经验至关重要。建议与项目经理及学术顾问沟通,量身定制符合你具体职业目标的学位课程。
- 有多种可选认证,包括:
- Adobe - 分析业务实践专家;Adobe Campaign Classic 业务实践专家
- 博通 - 赛门铁克 ProxySG 7.2 安全网页网关管理
- 戴尔 - 专家 - 数据科学家,高级分析 1.0 版;助理 - 数据科学 2.0 版
- IBM - 数据科学专业证书
- 计算机专业人员认证协会 - 助理计算机科学家;认证计算机科学家
- 微软 - 在 Azure 上设计和实施数据科学解决方案
- SAP - 认证应用专家,SAP 预测分析
- SAS - 认证数据科学家
- 部分高校开设混合学位项目,让学生以加速模式完成本科和硕士课程,从而节省时间和金钱。
- 数据科学是一个广阔的领域,包含众多专业方向。你越早明确自己的专业方向,就越能选对专业和课程。
- 数据科学家活跃于一个蓬勃发展的前沿领域,因此学生应努力进入资金最充裕的项目。
- 资金雄厚的学校通常拥有更优秀的师资力量、更完善的设施、更丰富的研究机会以及更紧密的产业联系,这些优势有助于毕业生更快获得工作机会。
- 查看每个项目的毕业就业率及其他亮点
- 确保该机构获得完全认证
- 经ABET认证的计算机科学项目也具有某些优势
- 数据科学是适合在线教育的专业,尤其适合需要灵活学习安排的人群。请注意,在线课程的严谨性完全不逊于校园课程。
- 近半数数据科学家拥有博士学位,因此若希望长期任职于同一机构,请务必考虑这一点。
- 尽可能多地阅读该领域的资料!《美国新闻与世界报道》的《如何学习数据科学》指南就是一个绝佳的起点。
- 修读大学预备数学和编程课程
- 注册免费或付费的短期在线课程,例如:
- Codecademy的Python数据分析
- Coursera数据科学数学技能或深度学习专项课程
- edX的IBM数据科学专业证书
- fast.ai 的计算线性代数
- 大会数据科学入门直播
- 领英学习的数据科学基础:入门篇
- Pluralsight的《用Python理解机器学习》
- Udacity数据科学家纳米学位课程
- Udemy 2020数据科学课程:完整数据科学训练营
- 密歇根大学数据科学伦理
- 同时浏览YouTube、可汗学院和麻省理工学院开放课程平台,寻找能帮助你理解关键概念的相关视频和课程。
- 如饥似渴地阅读书籍,勤练编程技能,并加入与该领域相关的校园组织。
- 加入计算机俱乐部,分享知识,并将你的技能付诸实践。
- 实现专业出版。为同行评审的网站或杂志撰写文章,而非那些允许任何人发布任何内容的平台。
- 数据科学家职位在美国新闻与世界报道评选的"最佳科技职业"榜单中位列第三,这意味着该职位在就业市场可能面临激烈竞争。
- 许多数据科学岗位集中在成熟企业和政府机构,但科技初创公司、高校及研究机构也大量招聘。
请向学校的数据科学项目负责人或就业指导中心寻求帮助,以获取招聘方信息和求职会场安排。
- 许多数据科学岗位集中在成熟企业和政府机构,但科技初创公司、高校及研究机构也大量招聘。
- 攻读硕士学位是获得理想数据科学职位的最佳途径。即使仅凭学士学位找到工作,你最终仍需获得研究生学位才能获得晋升。
- 大学期间,应专注于取得优异成绩,并选修那些能为你的专业领域提供帮助的课程。
- 加入专业组织和俱乐部,既能积累实践经验,又能拓展人脉。
- 向教授和同学寻求求职建议及职位空缺信息
- 充分利用学校的就业指导中心,获取专业帮助来完善你的简历和面试技巧。
- 向你所在专业的系里咨询招聘会和招聘专员的联系方式。许多机构都与优质院校合作,以便在毕业生离校后立即招揽人才。
- 尽早开始搜索招聘网站,了解雇主当前发布的职位要求。
- Glassdoor、Indeed、USAJobs、ZipRecruiter、Kaggle、亚马逊、Dice和领英都是寻找数据科学职位的绝佳平台。设置职位提醒功能,及时获取最新招聘动态。
- 借鉴Monster数据科学家简历模板的创意
- 获取Dataquest数据科学作品集的求职技巧,助你成功入职
- 浏览几个面试问题及答案,当招聘经理来电时,你就能从容应对!
- 持续精进统计学、编程、机器学习、数据管理及沟通技巧。
- 攻克专业认证
- 放手一搏!在职业规划允许时攻读博士学位
- 保持创新思维,探索提升企业利润的方法
- 持续发表作品,为自己树立声誉
- 在专业组织中保持积极参与并作出贡献
- 软件工程师
- 业务分析师
- IT分析师
- 数据架构师
- IT/软件顾问
- 大数据工程师
新闻源
精选职位
在线课程与工具
年薪预期
新员工起薪约为8.4万美元。年薪中位数为9.7万美元。经验丰富的员工年薪可达15.4万美元左右。
年薪预期
新员工起薪约为14.6万美元。年薪中位数为17.6万美元。经验丰富的员工年薪可达21.6万美元左右。
年薪预期
新员工起薪约为7.9万美元。年薪中位数为13.2万美元。经验丰富的员工年薪可达17.1万美元左右。
年薪预期
新员工起薪约为8.2万美元。年薪中位数为11.6万美元。经验丰富的员工年薪可达14.6万美元左右。
年薪预期
新员工起薪约为6.5万美元。年薪中位数为8.2万美元。经验丰富的员工年薪可达14.6万美元左右。