如今，手把手教你当数据科学家的文章不在少数。
“很简单！你是应届毕业生吗？你要......换工作？那上至编码、统计、机器学习，下至打造品牌故事、数据库和大数据，这些关键能力都要掌握，你需要资源？那去看看吴恩达在Coursera 上的机器学习课程......”
确实，当你下定决心从事数据科学领域工作，这些都需要考虑。不过在这之前，你们应该问自己一个问题，并且这个问题是每个有抱负的数据科学家需要认真想一想的：“我要不要当数据科学家？”
这个问题更关注你选择这一职业的原因，而非从事这一职业的方法。那么，吸引你选择这一领域，让你在未来几年都对其保持热情的原因是什么？
为了回答这个问题，需要了解数据科学的缘起和未来走向。只有经过充分了解，你才能确定这个领域对你是否有价值。
缘起
在计算机科学、数据技术、可视化、数学和统计学融合为今日我们所称的数据科学之前，这些领域互不相干，各自为开发工具和产品奠定了基础，例如：Oculus 、Google Home、亚马逊Alexa、自动驾驶汽车、推荐引擎等。
这些基础理论已经有了几十年的历史...... 追溯到19世纪前期，不同领域的科学家携手开发第一台计算机，研究微积分、概率论和算法，例如：CNN（卷积神经网络）、强化学习，最小平方回归等。随着数据和计算能力的激增，我们能够重构十年前的这些理论，并将其应用于解决现实问题。
2009年和2012年，麦肯锡和《哈佛商业评论》发表了文章吹捧数据科学家，展示了他们如何颠覆企业运营方式，以及他们对未来商业的成功至关重要。他们不仅看到数据驱动的优势，而且还看到了未来预测分析对于保持竞争力和市场联系的重要性。大约在2011年的同一时间，Andrew Ng推出了一个关于机器学习的免费在线课程，AI FOMO（错失恐惧症）随之而来。
现状
公司开始搜寻高技术人才，来帮助他们搜集、存储、可视化，并理解所有数据。 “高薪高位急聘技术人才！”这些公司对自己寻找的人才知之甚少，因此涌现了大量岗位需求。
今天如果你在ZipRecuiter上搜索，会发现和数据科学相关的空缺职位超过了十九万。每个人都在寻找自己的数据独角兽。为了吸引人才进入市场，数据科学家的定义很快就会被扩大，因为不同的公司和个人会对其有不同的定义。
另一方面，对于应聘者来说前景一片大好：薪水可观、需求旺盛，而且公司承诺福利和头衔。人人趋之若鹜，急不可待地开发所有需要的技能，目标是竞争这个 “21世纪最具吸引力的工作”。
我们有供也有求，那么问题是什么？刺激需求利用其炒作的不在少数。好像每天都有新课程来满足那些雄心勃勃的数据科学家，例如硕士课程，新手入门、在线课程等等。这仿佛一场军备竞赛，大家争相报名，上对了课，就能找到机器学习相关工作。 “没有博士学位？没问题。你只需要三到六个月的时间，给自己一笔一万到一万五的小额投资，毕业后即可得到一份高薪工作！”
这些课程旨在提供一站式服务：无论编程、可视化还是建模，应有尽有。你很快就会发现，许多问题都可以使用类似的方法解决（但并非所有），因此如果你正在找某种算法，那么肯定有一个现存的数据库能帮助你解决问题，很简单，对吧？
且慢...
如果你一直在关注数据科学，你肯定会发现一些重要现象：
1.公司在开始收集正确的数据之前就会雇佣数据科学家（他们现在面临人工智能的冷启动问题），这意味着你需要参与数据流水线的每一步。包括数据收集、存储和可视化，然后才能进行建模。
2.如果你急于获得数据科学的工作（采取了上述方法之一），便得和成千上万的人竞争。你要假设他们和你有类似的经验和项目经历。为了让自己脱颖而出，你需要展示自己的创造力和坚韧不拔的毅力。
3.自己开发算法不太可能。除非你时间充足，否则一般都会使用现有信誉比较好的库。与一群负责开发的博士竞争，并冒险将一些效果不佳的东西投入生产有何意义？如果是为了自己的特定用途，那便另当别论。
未来
相信未来会产生重要变化：
首先，数据科学家的技能以及对企业的预期影响将会更加明确。其次，AI模型将会走向自动化。不信的话，谷歌AutoML和TPot等软件包已经表现出这一趋势。技术上最具挑战性、最吸引人的部分将自动化。正如他们所说：“不会机器学习？没问题！”
未来的发展轨迹：
1.数据工程师或数据分析师不会再被冠上 “真正的”数据科学家的头衔，享受不应得的薪酬，这可能会减少市场上数据科学家的数量。
2.人类洞察力和监督将变得越来越重要。并不是说技术专业知识地位降低，而是将分析与业务联系起来，了解软件如何与人们交互（即数据科学的人性化方面），这些将会更加重要。
3.最后，由于作业中的机器学习部分表现最稳定，因此它将最先实现自动化（我们已经看到了这一点）。这意味着，数据科学家工作的大部分将涉及统一散乱数据、准备建模和评估。
因此，在回答 “要不要做数据科学家？的时候”，想象一下自己在未来这个热门行业里的表现：尽管挑战重重，你是否能在持续快速发展的领域中成长？你是否拥有很高的应变和适应能力？如果是，欢迎来到数据分析的世界！
网友评论