數據科學家的一天是如何分配的?

不言而喻，數據科學家的大部分時間都在和數據打交道。不過，面對面的交流、開會也是一個相當重要的組成部分，這一點可能不太容易想到。

數據科學家Tanu George表示，一天通常以會議開始，這些會議可能有著不盡相同的目的，比如確定客戶的業務問題，跟蹤進展或討論報告。會議結束后，要開始進行數據處理，主要集中解決會議中提到的問題。下午繼續開會，展示數據處理結果，在一天快結束的時候，需要通過電子郵件共享分析結果。

George每天大約50%的時間在開會中度過，20%用于工作，20%用于解釋數據處理結果，包括可視化以及將數據轉化為可操作的形式。Ryan Rosario也是一名數據科學家，同時是線上教育網站Springboard的老師，對他來說，和客戶開會也是一個非常重要的組成部分。很多時候，他都在考慮客戶需要哪種類型的數據。大部分情況下，客戶是沒有數據的也不知道通過哪種途徑得到數據，而他需要根據客戶的需求制定計劃，從而得到數據。

大部分數據科學家并不是與單個數據打交道，而是試圖了解對客戶或公司來說，數據意味著什么。人們很喜歡通過分析數據來做決策，但有時并沒有合適的數據。作為數據科學家，需要學會篩選合適的數據，運用恰當的數據分析方法，幫助客戶做出正確的決策。

工作中最喜歡的部分

George表示，會議是她一天中最喜愛的部分。作為Facebook機器學習的工程師，Rosario認為數據往往是混亂的，或者只有某個特定軟件可以理解。作為數據科學家，需要把數據轉換成方便理解的格式，他很喜歡向人們展示數據可以做什么。許多人都知道他們需要數據，但他們不知道具體需求是什么，而數據科學家需要像魔術師一樣，打開客戶的思維可能性。另一位數據科學家Long喜歡很多部分，包括研究問題背景的初始階段以及找出獲取數據的方法。

如何成為數據科學家?

要想成為數據科學家需要做很多方面的努力，現在幾乎所有公司的數據都會開放API，而Python的數據處理能力強大且方便，如果你想成為數據科學家，可以考慮從Python入手。此外，統計學習、數據處理、統計學和計算機科學可能都會涉及。有人可以通過讀書很好的學習，但最好的學習方法還是將知識付諸實踐。

下一站應該做什么?

隨著物聯網的發展，George認為未來一定會有更多的數據出現。越關注主流數據就意味著有越多的工作要做。Rosario認為，物聯網和流媒體數據將是下一個前沿，數據安全是急需解決的重大問題。數據科學家往往希望成為“獨角獸”，這意味著他們想要盡一己之力，解決所有的編碼、數據操作、數據分析等工作。術業有專攻，很難有人可以掌握所有東西，但不同的人可以掌握不同的技術。

有哪些建議?

想要做數據科學，Rosario認為至少得是碩士學位。對于遇到的問題，應該試圖找到方法并解決它，可以試著從類似于Kaggle的網站尋找數據集，并找出解決方案。

大數據時代，是不是每家公司都需要數據科學家呢?這當然因公司而異，由于目前的軟件技術和算法變得越來越先進，無需人力成本的投入就可以完成數據組織和運營。這些高科技手段對企業而言是利好消息，因為企業可以減少做數據科學方面的成本，但數據科學家的就業前景還是不錯的，數據科學家也應為企業解決難題，為企業帶來價值。