什么是数据科学?数据科学的生命周期

数据科学继续成为技术专业人员最有前途和最受欢迎的职业道路之一。今天，成功的数据专业人员明白，他们必须超越分析大量数据的传统技能、数据挖掘和编程技能。为了为他们的企业发现有用的智能，数据科学从业者必须掌握数据科学生命周期的全部范围，并拥有一定的灵活性和理解力，以便在过程的每个阶段最大化回报。

数据科学生命周期

代表了数据科学生命周期的五个阶段:捕获、(数据获取、数据输入、信号接收、数据提取);维护(数据仓库、数据清理、数据暂存、数据处理、数据架构);处理(数据挖掘、聚类/分类、数据建模、数据汇总);分析(探索性/验证性、预测分析、回归、文本挖掘、定性分析);沟通(数据报告、数据可视化、商业智能、决策制定)。

“数据科学家”一词最早出现在2008年，当时公司意识到对数据专业人员的需求，他们需要擅长组织和分析大量数据。在2009年麦肯锡公司的一篇文章中，谷歌的首席经济学家、加州大学伯克利分校信息科学、商业和经济学教授哈尔·瓦里安预测了适应技术的影响和不同行业的重新配置的重要性。

“获取数据的能力——理解数据、处理数据、从中提取价值、将数据可视化、与数据交流——将是未来几十年非常重要的技能。”

- Hal Varian，谷歌的首席经济学家，加州大学伯克利分校信息科学、商业和经济学教授

有效的数据科学家能够识别相关的问题，从大量不同的数据源收集数据，组织信息，将结果转化为解决方案，并以一种积极影响业务决策的方式交流他们的发现。几乎所有行业都需要这些技能，这使得熟练的数据科学家对公司越来越有价值。

数据科学家做什么?

在过去的十年中，数据科学家已经成为了必要的资产，并且出现在几乎所有的组织中。这些专业人士是全面的、数据驱动的个人，拥有高水平的技术技能，能够构建复杂的定量算法来组织和综合大量信息，用于回答问题和驱动组织中的策略。这与沟通和领导方面的经验相结合，这些经验是向组织或业务中的各种涉众交付实际结果所必需的。

数据科学家需要保持好奇心，以结果为导向，拥有特殊的行业知识和沟通技巧，能够向非技术人员解释高技术结果。他们拥有很强的统计和线性代数的定量背景，以及编程知识，重点是数据仓库、挖掘和建模，以建立和分析算法。

为什么要成为数据科学从业者?

随着越来越多的数据变得更容易获取，大型科技公司不再是唯一需要数据科学工作者的公司。各行各业对数据科学专业人员的需求不断增长，而填补这些空缺职位的合格候选人的短缺，正对这种需求构成挑战。

数据科学家

数据科学家研究哪些问题需要回答，在哪里可以找到相关的数据。他们拥有敏锐的商业头脑和分析能力，以及挖掘、清理和呈现数据的能力。企业使用数据科学家来获取、管理和分析大量的非结构化数据。然后将结果综合并传达给关键的利益相关者，以驱动组织中的战略决策。

数据分析师

数据分析师在数据科学家和业务分析师之间架起了一座桥梁。向他们提供需要从组织中回答的问题，然后组织和分析数据，以找到符合高级业务策略的结果。数据分析师负责将技术分析转化为定性的行动项目，并有效地将他们的发现传达给不同的利益相关者。

数据工程师

数据工程师管理指数数量的快速变化的数据。它们侧重于数据管道和基础设施的开发、部署、管理和优化，以便将数据转换和传输给数据科学家进行查询。

数据科学职业前景

数据科学专业人员因其高技术技能而受到奖励，在大多数行业的大公司和小公司都有极具竞争力的工资和极好的工作机会。拥有适当经验和教育背景的数据科学专业人士有机会在一些最具前瞻性的公司中脱颖而出.