前有“互联网+”战略的驱动，后有数据科学家被誉为“21世纪最性感的职业”之一，一时间，表哥表妹们，哦不，数据分析工作者变得脚踏祥云两眼放光，觉得自己生正逢时，响应了时代的召唤，become the chose one。动动鼠标，打开拉勾猎聘周伯通，发现招聘网站上关于数据分析的职位种类繁多，有数据分析师，商业分析师，BI分析师，数据挖掘工程师，要求更是五花八门，SAS、R、SQL、EXCEL......面对这种鱼龙混杂的岗位设置，表哥表妹们很迷茫：数据分析岗位多的像天上的星星，我到底是其中哪颗可爱的小星呐？
首先看<Analyzing the Analyzers>中的一句话
We think that terms like “data scientist,” “analytics,” and “big data” are
the result of what one might call a “buzzword meat grinder.”
The people doing this work used to come from more traditional and estab‐
lished fields: statistics, machine learning, databases, operations re‐
search, business intelligence, social or physical sciences, and more. All
of those professions have clear expectations about what a practitioner
is able to do (and not do), substantial communities, and well-defined
educational and career paths, including specializations based on the
intersection of available skill sets and market needs.
这些领域本来是有明确的划分，但由于一些岗位的设置，扰乱了原本泾渭分明的技能和职业区隔。接下来作者反其道而行之，使用调查的方式，以数据科学家为职业路径目标，列举了数据分析需要的五中技能，以及四类岗位。
技能.png
不同职位技能图.jpg
Data Businesspeople
商业分析师专注于如何将数据中的价值转化成实际的利润。这些人将自己定位为领导者或企业家，手下常常有至少一位雇员。他们还会从事咨询相关的工作。学历上看，60%左右的商业分析师有硕士学位，其中25%是MBA。但确实有商业分析师出身于工科专业，他们与真实的数据打交道，经手的90%报告都与GB级的数据打交道，这就要求了仅仅掌握excel一类的电子表格是远远不够的。从人口统计学上看，商业分析师的年龄较其他职位偏大。其中大约有四分之一是女性，比其他数据相关职位要高。
Data Creatives
作为数据科学家，要能一个人驾轻就熟的完成以下的整个数据处理流程：数据提取，数据整合及分层切片，进行高级的统计分析，制作引人入胜的可视化和交互界面，构建使分析过程流程化、易操作的工具。这里的Data Creatives可以看做是数据科学家的入门级，他们会运用许多工具和技术去解决问题，在骇客马拉松比赛中编写创新性的模型，在各个领域都有所涉猎。相比其他职位，Data Creatives更像一个艺术家。
类似于Data Researchers，他们有扎实的学术基础，四分之三的人有授课和发表论文的经历。他们中的许多人在经济学或统计学专业的本科学历，但与Data Researchers不同的是，他们很少去攻读PhD。他们拥有开源经验，其中一半人都为开源项目贡献过力量。这类人更年轻，男性的比例相较其他职位最高。
Data Developer
数据研发人员专注于解决数据管理中的实际问题：如何获取，如何存储，如何从中学习。这类人更倾向于将自己标记为数据科学家（当然最愿意标记的是Data Researchers）这是有道理的，因为这些人最接近机器学习和相关的学术型内容。不过，数据研发人员的日常工作是编写简洁高效的代码。其中一般人有工科学位，一半人有开源项目经验。相比其他职位，研发人员更倾向于研究机器学习、大数据技术，同时他们也最少去做咨询、管理、组织类工作。
Data Researchers
从物理、社会科学或统计学的学术研究员成长为数据科学家是一件有趣的事。许多机构已经意识到运用学术方法去理解数据处理的复杂过程是有价值的，即便这些商业领域往往与传统的学术领域相差甚远。数据研究员大部分来自于统计学专业背景，其中75%的研究员发表过经过同行评审的文章，50%以上拥有PhD学位。另一方面，数据研究也离商业和管理类的工作最远。
看完这个划分，我们也可以根据我们自身的工作事情和技能点，到 survey.datacommunitydc.org网站去加入调查，看看自己的技能点是上面四个中的哪种类型，调整自己的职业目标和方向。
当然，上面提到的四种都是高级职位，对于刚入行的表哥表妹们未必试用。目前国内互联网行业的如火如荼发展，对数据的缺口很大，门槛也变得不那么高。但我们在入门的同时要对整个行业和职业发展有一个全局观，及时反思自己现在做的事情是处在数据分析的哪一个环节，距离自己的职业目标的距离有多大，然后不断学习新事物做到自我提升。数据科学深似海，发展日新月异，时代掀起了巨浪，我们作为浪花也要努力扑腾两下。
希望，表哥表妹们在未来某一天，都是数据科学家。
网友评论