16、数据科学：技能、误区与应用

数据科学：技能、误区与应用

1. 数据科学家的定义与成为之路

在数据科学领域，目前并没有普遍认可的数据科学家认证、管理机构和期末考试，这意味着任何人都可以自称数据科学家。判断自己是否是数据科学家，可以思考在工作或日常生活中，是否处理、分析和解读数据并产生可执行的输出，如果是，那么可能就是数据科学家。

当公司招聘数据科学家时，通常有明确的岗位要求，常见的技能需求包括编码（如 Python）、SQL、统计学和机器学习等。若想深入探索数据科学并以此谋生，有众多学科需要学习，有大量的方向可供选择。查看招聘信息是了解该领域所需技能的好方法。多数所需技能都能通过学习掌握，若对相关知识感到轻松，可能具备学习这些技能的天赋。在整个学习过程中，好奇心起着关键作用。虽然提到的技能很有价值，但伟大的数据科学家更具备好奇心和提问的动力，直觉也备受重视，因为在正确的事情上保持好奇并提出恰当问题的特质，是计算机难以复制的。

2. 破除数据科学的误区

2.1 只有数据科学家才能进行真正的数据科学研究

数据科学是运用科学方法收集、处理和操作数据的过程。在专业标准确立之前，拥有“数据科学家”头衔的岗位从业者被称为数据科学家，该术语主要用于专业领域指代分析过程。但实际上，构建和编写传感器阵列代码的团队成员虽不被称为数据科学家，却也参与了数据科学工作，因为这是一项团队活动，数据科学家只是团队成员之一。

2.2 真正的数据科学家不用 Excel/电子表格

新手可能过度依赖 Excel，专家可能从不使用 Excel，而高手会在合适的时候使用 Excel。

2.3 成为数据科学家必须是强大的编码者