作者：Iliya Valchanov

原文：What are the Skills Needed to Become a Data Scientist in 2018? 

译者：TalkingData市场部

本译文禁止商用，转载请注明来源！

据Glassdoor，数据科学家是2017年美国的头号职业。这并不意外，因为这一领域的中位基本工资达到了12万3千美元。但数据科学家的就业市场远不饱和，仅在美国就有19万的人才空缺。如果你在考虑转换跑道成为数据科学家，2018年提供了充足的机会。这篇文章旨在帮助梳理如何在2018年成为数据科学家。

为了了解这个发展中的领域，2017年末365 Data Science针对这一主题在进行了调研。这项研究基于从1001名LinkedIn简介中目前职位为“数据科学家”的简历中收集的数据。这个群体被分为两组——就职于财富500强企业的人、以及就职于其他企业的人。此外，样本中数据科学家的工作地点包括美国（40%）、英国（30%）、印度（15%）以及其他国家（15%）。同时，为了控制偏差，数据收集自不同背景的数据科学家。

男性，至少会说一门外语，并且拥有本科以上学历（硕士或博士）。他拥有4.5年工作经验，并需要花2年来获得（数据科学家）这一头衔。R和Python是首选的编程语言，其次是SQL。

无法忽视，数据科学专业严重被男性掌控，在此次的样本中70%为男性。尽管如此，面对这一领域的巨大需求，只要具备相关知识，任何人都能在行业中拥有一席之地。所以，如果你碰巧是一位女性，不要灰心，请继续读下去。

数据科学家最必要的技能是什么？

以下是数据科学家简历中最常见的技能：

R和Python是数据科学领域的主流编程语言。53%的数据科学家声称掌握R以及/或Python。注意，在某些数据科学家在工作中同时掌握这两种语言。

在不断变化的数据科学世界中，专业人士要在工作中运用最新的工具。R和Python是最基础的编程语言，每个尝试想进入这一领域的人都应该学习。

Stack Overflow社区建议，尽管数据显示R是更为广泛应用的语言，但鉴于 Python是发展最为快速的编程语言，可以考虑将Python放在学习计划的首位。到2019年，Python很有可能会在使用人数方面大幅超越其他编程语言。灵活性和易用性是使得Python脱颖而出的首要原因。

在数据科学家中，其他受欢迎的语言是：

SQL（40%）

MATLAB （19%）

Java（18%）

C//C++（18%）

想学习更多？

我们发现，最好也能掌握SAS、LaTex、Hadoop或Tableau。拓展基础之外的专业技能可以显著提升获得数据科学家职位的机会。

工作经验

鉴于数据科学家这一职业诞生不久，也就不意外数据科学家职位经验的中位数只有2年。如果你是在无该领域相关经验的情况下申请数据科学家职位也不用尴尬，你不是一个人。

在此次研究的样本中，只有36%的数据科学家的前一份工作也是数据科学家。在这个领域中还有很大的成长空间。那另外64%的人之前的职位又是什么呢？最为常见的背景是分析师（19%）、IT专家（16%）或者学者（12%）。

并且，8%的人在成为数据科学家之前是实习生。

这些人从零开始实现了梦想。你也可以！

教育与培训

大多数以数据科学家为工作的专业人士受教育程度很高。实际上，结果显示75%的数据科学家不是博士就是硕士。

但是，华丽的学位并非必需。此次研究样本中，大约有25%的数据科学家毕业于“没有进入排名的大学”。换句话说，无论你的母校是否进入了“泰晤士高等教育”榜单（注：由《泰晤士报》评选出的世界顶尖大学排行榜），并不会为你是否能开始数据科学的职业生涯带来决定性影响。

此外，只有13%的人在大学中参与了数据科学或分析学项目。大多数数据科学家的所学专业是计算机科学（20%）、统计学和数学（19%）或社会科学（19%）。只要你在某一学科有足够的基础，就很有可能迈入数据科学的大门。

因此，你并不是一定要上额外的专业课程来掌握这个工作所需的技能。如果你想升级你的技能，在线课程也是可选的替代方案。近40%的数据科学家在其LinkedIn的个人简历中提到参与了在线课程。

就业行业

一旦你掌握了相关技能，你就需要撸起袖子找份工作。所以，数据科学家工作的首选行业是什么呢？在英国和美国的就业市场，你可以在产业企业（制造、快消、公共事业、咨询等）中找到数据科学家的工作。但在印度并不是这样，那里大多数（68%）的数据科学家在科技或IT企业工作。

医疗保健和金融行业看上去也需要数据科学家，在全部样本中分别占14%和6%。

就业企业

你是更想进入财富500强的巨头，还是更喜欢小型企业？无论企业层级如何，各种规模的企业都在招聘具备R、Python、SQL和Matlab编程能力的数据科学家。但是，如果你的目标是财富500强企业，SAS和Hadoop可能会派上用场。其他企业则很少会要求能够使用Hadoop。财富500强企业中，大数据为王，但对小型企业来讲并非如此。

这是数据科学职业在2017年底的情况和贯穿2018年的趋势。好消息是，即便你没有相关学历或足够的相关工作经验，也还来得及掌握相关技能和工具。如果你对数据和终生学习抱有热情，2018年是开始追求数据科学家职业生涯的好时机。