您是否曾經想過這樣的問題：「資料科學家是做什麼的」？ “數據科學是一個新事物嗎”？ 「資料科學家不只是統計學家的性感標籤嗎」？
我希望透過這篇文章來澄清一些誤解和一些困惑。 然而，數據世界並不都是黑白分明的。 本公司不會對特定工作的內容和不包含的內容使用共同的定義。 即使是大學課程有時也會有相同的標籤，但在這個領域的內容卻有所不同。
數據科學是關於什麼的？
數據科學是不只一個領域的一系列活動。 如果您是資料科學家，您將從事資料收集（或資料探勘）、分析和建模資料以及以某種方式準備資料 轉化為訊息 可用於推動決策。 最後一點也稱為“數據驅動的決策」在創業領域。 在我們這個時代，數據科學也被認為是電腦科學的一部分，或者至少你可以說現在它與電腦科學密切相關。
資料科學家使用演算法和其他系統處理資料的科學方法，致力於將資料轉換為訊息，並可能獲得以前不清楚或完全未知的知識。 為此，資料科學家可以利用結構化和非結構化資料。 確切的要求在很大程度上取決於所使用的方法和任務的目標。
數據科學史
據稱，數據科學一詞是由丹麥計算機科學先驅Peter Naur 在1960 年創造的。他後來還在1974 年引入了“數據學”一詞，可以認為該術語與我們今天所了解的數據科學共享活動，但可能這個詞只是不 意味著持續。 1996 年，在日本神戶，資料科學首次作為會議標題的一部分被提及，當時 Chikio Hayashi 在一次圓桌討論中介紹了它。
當 Thomas H. Davenport 和 DJ Patil 撰寫這篇文章時“數據科學家：21 世紀最性感的工作根據《哈佛商業評論》雜誌報道，2012 年 XNUMX 月，「數據科學」和「資料科學家」一詞開始成為流行語。 從那時起，這個「新」標籤開始取代以前可能被稱為業務分析師、統計學家和其他類似職位的職位。 根據您尋找的位置，您可能還會找到首席資料科學家甚至資料嚮導。
數據科學家是做什麼的？
如果您正在查看那些正在尋找資料科學家的公司的職位描述，您可能會發現一切都沒有充分的定義。 它通常是模糊和不清楚的，因為通常這種類型的工作活動與企業的人力資源部門沒有聯繫。 然而，如果你被聘為資料科學家，他們最有可能期望你做什麼？
基本上，你的工作成果需要指向機會，幫助做出決策並在某種程度上提高公司的獲利能力。 為了實現這一目標，您需要收集數據、建立數據、分析數據，並確定對齊集合和變數的最佳方法。 如果您面臨「大數據」問題，您需要以某種方式排列結果，以便它們現在和將來都有意義。
您可能會遇到不同的資料庫，您需要透過將所有這些歷史來源連接到一種中間件來從中獲取資料並管理「黃金來源」。 資料科學家還需要找到結構化非結構化資料的方法，並將連續資料切成比特，以便可以使用它們。 擺脫浪費的數據並確保以最佳方式利用有用的數據。
完成之後，數據科學家將處理數據，可能會發現模式和趨勢。 透過這樣做，他或他將能夠「警告」企業反覆出現的問題或其他事件，如果忽視這些問題或其他事件可能會造成損害，或者如果他們提前了解該事件並能夠做好準備，則可以讓公司產生更多收入。 數據科學家還將建立案例並向利益相關者和管理層解釋結果。 例如，這可以以視覺呈現或其他方式的形式發生。
可以幫助您找到資料科學家工作的技能
首先，如果您對處理數據、數字、圖表、公式等感興趣，它會對您有很大幫助。 如果您對此類事情不太滿意，那麼這可能不適合您。
如果您考慮成為資料科學家，您應該考慮增加數學、電腦科學、程式設計、統計學、機器學習、軟體工程和資料視覺化等學科的知識，以傳達您的工作結果。
數據科學與統計學
我不認為數據科學只是統計學的新詞。 我相信某些活動可能相似，但我確實相信這兩個分支之間存在一些需要記下的差異。 如果您關注行業，您會發現數據科學在科技、金融和製造公司中得到更多使用，而統計學通常在商業、貿易、人口研究和支援其他科學領域中找到應用。
使用 Python 和 Matplotlib 在 Jupyter Notebook 中建立的演化演算法範例（由 沙欣·羅斯塔米)
資料科學家和統計學家的現實世界實踐通常有所不同。 例如，資料科學家可能需要建立和管理資料倉儲，這可能是中間件解決方案。 據我所知，統計學家很少需要處理 IT 管理和軟體工程任務。 他們可能會使用相同的東西，但不會準備或維護它們。
如果您以另一種方式看待這一點，我很想聽聽您對此的想法。 請務必在下面的評論部分分享您的評論。
摘要
幾年前，商業智慧 (BI) 或管理資訊 (MI) 等術語與當前資料科學家必須做的工作描述共享活動。 資料科學這個術語似乎存在流行語效應和炒作，尤其是與人工智慧 (AI) 和機器學習 (ML) 相結合，但資料科學家的工作在創新/顛覆性公司。
術語和職位名稱會根據趨勢而變化，但真正重要的是您需要檢查您可能找到的任何職位描述中的活動和職責。 名字只是名字，但如果活動符合你擅長的和你想做的事情。 大膽試試吧！
延伸閱讀
照片來源：照片（1, 2, 3）都是由 塞巴斯蒂安·特伯格。 “ 動畫 由...完成 沙欣·羅斯塔米.
資源： 托馬斯·H·達文波特, DJ 帕蒂爾 (HBR) / 維基百科 文章 關於數據科學
