在外界看来，「大数据」和「数据科学」这样的词看起来复杂又神秘。数据科学被称为「21世纪最性感的工作」。所要成为一名数据科学家，要实有际的付出，比如，需要具备成为数据科学家的三项能力，以及为走向数据科学做好一些准备，观看一些有关数据科学的优秀在线课程，阅读不得不读的数据科学经典书籍；如果，你学有所成，也可以找一些好的测试题自我检验一下；而以上，正是本文所要分享的内容，希望对你能有所帮助！

数据科学家需要具备的三项能力

数据科学家」这个词覆盖的角色很广，涵盖了学术、金融和政府等多种产业和组织。然而，有三个重要的能力是每位数据科学家都必须理解的：

这几年，围绕大数据和数据科学有许多炒作。其实要理解某样东西，有时需要清楚的了解它不是什么；数据科学家，不是统计学家，不是数据分析师，不是软件工程师，不是业务分析师，他们对这些领域都有一些了解，但又不完全精通于这些领域。

所以正确的做法是抓住大数据行业的中点，摒弃过时的手法。比如，你需要了解的知识虽然有统计学、计算机科学、机器学习。但你并不需要对其无所不知，也没有必要纠结那些极其复杂的算法。

数据科学家在商业分析、统计学和计算机科学领域是通才，他们可以开发数据、收集策略并使用数据发现一些可操作的商业见解。也就是说，数据科学家要具有创造性，能根据分析业务，通过数据，制定分析，提出方案，推动增长。

所以现在你发现了，数据科学包含的知识非常广泛，既不像网络上说的各种算法那样高深莫测，也不是三言两语就能解释清楚如何成为数据科学家这个问题那么简单。

首先，要理解数据科学，基本数学知识包括：

大概是能制作出属于自己的数据地图吧。

这是我自己做出来的，集合了近10年来的数据分析职业经验，参考了数十份行业内的权威著作、白皮书等，结合数十万字的庞大学习资料，才有了这个。

指导别人前，自己也得有拿的出手的干货吧，不然怎么让人信服？

先说一个，如果题主只是为了高大上的title来的，那我劝你趁早放弃幻想，现实中数据科学家只是尊称罢了，没什么用，说不定别人转头就认为你是为他们服务的呢？

• 要想成为一名数据科学家，先了解一下2017年数据领域的趋势，以及数据科学家在其中发挥的作用。
  

• 本文来自头条号“造就”的文章《2017年的数据策略，会有哪些大趋势？》希望对您有帮助，更多关于数据科学的内容敬请关注头条号“造就”。
  

数据不只是企业的一项业务，而是关系到整个公司的命运——它是燃料，是饲料，是动力。在过去一年里，这一事实越来越得到众人的认可。因此，积极制定改善企业数据策略的必要性应该引起重视。关于数据策略在过去一年的情况和未来一年的趋势，我们请多位数据专家和思想领袖谈了他们的看法。

受访者包括：美国威斯康星大学麦迪逊分校首席数据官杰森·费希贝恩（Jason Fishbain）；First San Francisco Partners公司总裁约翰·拉德利（John Ladley）；被誉为“数据医生”的Data Quality Solutions公司总裁托马斯·雷德曼（Thomas C. Redman）；Nationwide公司首席数据官吉姆·泰约（Jim Tyo）。

他们的看法应该有助于企业反思已经采取的措施，并思索在新的一年里应该采取哪些措施，让数据策略能够与数据价值相符。

谢请，科技的组合没有数据怎么能成功，首先是机器的大小数据是型号，然后各种安装的距离，机器的功率是数据，比喻怎么样能量不守恒，是靠数据支撑，只有数据经得起考验，只要安排了方向推进，再靠数据，绝对难有假事，把握好方向，利用好技巧，精于数据，科技发明创造成功不会有错，所以数据是证据，好好学习数学，利用数据筑基每项科学的进需要数据，不断增加对数据的必须要有数据之间分析，用数据说话，脑海里一定要注意数据，每一件事要具体说明，都是数据别人才有目的地，掌握了数据就掌握了科技，做到巧用数据，优化数据，没有数据一件事不可能有结果，要想成为一位优秀的数据科学，很难，要努力学习，学习学习再学习。

斟酌这篇已经很久了，前面大家的中提到了很多成为数据分析科学家的路径、学习工具、书籍和网站。
我想说，如果只是想进入数据分析的门槛，成为一名普通的数据分析师，那么这些方法是可以的。
但我相信，任何一个人都希望能够更进一步。对于数据分析师而言，更进一步意味着从专注于某一细分业务的分析师成长成为能够对一个部门乃至于一个公司、行业有所影响的专家。所以在这里我想和大家分享一下如何成为一名战略型的数据分析师，乃至于数据科学家。

与普通的数据分析师不同，战略型的数据科学家，更多的是站在数据的角度来引领公司的整体战略。其面临的挑战、压力以及目标比普通的数据分析师要大的多。
作为一名数据科学家，
你需要高屋建瓴，通过数据对行业的趋势进行预判，为公司的整体战略制定提供建议；
你需要以公司战略为目标，从整体搭建数据分析体系，完成数据在全公司的打通；
你需要在公司内部建立数据思维，推动全公司的数据落地和数据实施......。
说一千道一万，作为数据专家你要通过数据让公司发展的更好，更符合投资人的期望。

要达到这一目标，仅仅依靠数据分析本身已经远远不够。作为数据专家/分析师，你的分析需要给公司高管乃至于投资人汇报吧？
这需要演讲的能力；
你在公司内部推动数据思维时要说服各个业务部门的老总吧？
这需要良好的沟通能力；
推动过程中难免影响各方面的利益，你需要定位问题并组织资源去解决吧？
这需要理解公司内各组织的定位，需要平衡各方利益，甚至于需要“搞定人”的能力。
最重要的是站在一个数据专家/科学家的角度，你需要为公司的数据化建设设计总体的框架，规划整体的实时路径，提供实施方法论以及指导不同的团队去实施。以上所有这些，都已经远远超出了单纯的数据分析领域，更多的是依赖一个人的综合能力。

各位看到这里是不是感到一丝丝绝望？一名普通的数据分析师天天就是和数据打交道，怎么才能够培养自己这些能力呢？我给大家的建议是有机会就去咨询公司工作转一圈。作为一名在咨询公司工作过的数据分析师，我在咨询公司学到了体系化的方法论和思维方式，这些思维方式能最大程度上帮助你从全局的层面来考虑问题。同时，
在咨询公司做项目演讲汇报是必修课，沟通协调是日常工作，
平衡利益乃至于“搞定人”是必备能力。通过咨询公司的打磨，思考问题时不但会从数据的视角出发，还能结合多个层面一起思考，会更加全面更加完整。
这就好比大家学习下棋，如果能够分析并记住各个高手的棋谱，你的棋力肯定比自己琢磨会涨进的更快，也更全面。咨询公司绝对是存放无数套棋谱的典藏室。

所以觉得自己想从数据分析师成为一名战略型的数据科学家，有机会就到（外资）咨询公司去打磨一下自己，相信大家一定会有很大的收获，让自己的职业生涯走的更高、更远。

以上仅是我从另一个角度剖析的。

数据科学家的需求仍然很高，几乎每个行业的企业都希望从其蓬勃发展的信息资源中获得最大价值。

“随着企业开始充分利用内部数据资产，以及审视数百个第三方数据源的整合，数据科学家的作用也在变得越来越重要，”咨询公司Protiviti总监Greg Boyd这样说。

“过去，负责数据的团队只是IT部门的后台，执行关键数据库任务，确保各种公司系统得到数据‘燃料’的支持，这让企业高管能够报告运营情况并提供财务结果。”

这个角色很重要，但冉冉升起的业务明星都是那些精明的数据科学家，他们不仅能够利用复杂的统计和可视化技术处理大量数据，而且具有极强的敏锐度，让他们可以从数据中得到前瞻性的洞察，这些洞察有助于预测潜在结果，并减少对企业的潜在威胁。

那么，成为数据科学家需要具备哪些条件呢？下面就是我们根据IT领导者、行业分析师、数据科学家的看法，总结出的一些重要属性和技能。

Intuit资深数据科学家&创新领袖George Roumeliotis认为，数据科学家是一个结合了应用数学、计算机科学、商业资讯和新产品开发的综合职位，最后一项目前在数据科学中的比例越来越大。一名出色的数据科学家应该像瑞士军刀一样多才多艺，能够在诸多领域都有所作为，并且在一两个区域内拥有深邃的真知灼见。

数据科学家需要有三个方面的技能或素质：

经典统计学或者机器学习、计算机科学和商业咨询能力。

首先要保持开放的心态。如果你是一个新手，那么你实际上并不知道什么是数据科学，所以它完全有可能不是你想要的工作领域。要成为数据科学家需要花费大量的时间和精力，请充分了解数据科学中不好的方面，比如数据整理，以及构建数据生产流水线，而这些工作占了数据科学家日常工作的大部分时间。

首先要做的是学习Python。尽快在MOOC(大规模网络公开课平台即慕课)上选择相关的课程项目。当熟悉Python基本用法后，请学习如何使用Jupyter notebooks工具，并选学一些数据科学领域的网络公开课。

如果你是完全从零开始的，一开始就以高级的数据科学职位为目标可能不太好，选择一些入门级的职位比较好，比如数据可视化或数据分析职业的需求量很大，并且市场需求也大。这些岗位的人员通常与数据科学家一起工作，一旦你积累了相关经验，就为今后的胜任更高级的数据科学相关职位奠定了基础。全文：三种“圈外人”的数据科学入行指南：https://www.toutiao.com/i6636954081736786439/

相关：从事数据科学，“必备”的数学基础有哪些？

https://www.toutiao.com/i6591645564310389251/

成名成家者，都是靠实力打拼，成名成家的经验，不是别人教会你的，伪命题。