如何成為一名數據科學家？

大概是能制作完成出屬于自己的數據數據老地圖吧。

這是我自己做的的，全員了近5年來的數據建模任何職業知識和經驗，供大家參考了數十份整體行業內的權威重要著作、等，相結合數十萬字的龐大相關學習資料，才有了這個。

專業的指導別人前，自己也得有拿的中距離投籃的實用干貨吧，不然怎么大跌眼鏡？

先說一個，如果題主只是為了高逼格的title來的，那我勸你趁早放棄自己臆想，現實的生活中軟件開發人員只是尊稱罷了，沒什么用，說不定別人抬起頭就可能你是為他們提供服務的呢？

那這個新的概念是怎么來的？

碼農覺得自己不非常適合編程，產品人感覺自己不更適合做新產品，統計稅務會計總覺得自己高高的天花板又低，咦，這個軟件開發人員的基層崗位聽起來蠻高逼格的，喜歡做的事情和我也沒什么技術差距，我去試試？

嗯，基本上都是如此。

你們沒想到的：

這種人存不缺乏？如前所述，但醒一醒，總數量很少，而且需要多年的磨礪。

據我了解，多個互聯網技術大公司的數據全面manager，他們就是導導表，跑下數據，然后按業務需求把數據數據給別人，偶爾還幫其他部門做一些臨時的需求，挖據普通用戶數據全面可能會更多一點。

離數據工程師還遠著，這就是現實。

但并不是沒辦法，作為軟件開發人員，還是無路有跡可循。

1、數據科學家怎么來的？

先有'，再有做此行里的人dataresearchers。

scientific都是想做實驗中的，驗證實驗的條件是數據，方法是pd，ml，hg等，電子儀器是各類存儲數據硬件設備，處理過程應用軟件。奇妙的是研究主題是多個領域，所以一個data時間過程，產出高物可能僅僅一些常規各種知識，提示2和決策過程，甚至能夠開拓對某個市場領域思維認知。

2、數據科學家的兩種類型

第一種，偏詳細分析。

可以說，諸如商業數據分析這種，需要更多你懂大行業，懂市場市場，懂其它公司運作機制，然后再去解決問題。

主要工作后，基本上是柔柔最終數據，做些詳細分析，惡氣調查報告，搞點洞察未來，但隨著大數據的來臨，對建模已建立能力方面、基礎工具能力、信息處理能力更高了。

tableau、python語言、finebi、R、scipy、stata都得會。

還得懂整個市場、經濟、官方統計的知識。

第二種，偏ai算法。

研究中類的升華，比如阿里達摩院，也算一個成本業務部門，是部門就得有產出，是深入研究就得有實踐成果，就得能落地（這句話話不是我說的，是王老師）。

那這種就很好理解了，把算法實現從applied一定要做到product。

規定要求會更高，神經語言，數據挖掘，推薦系統，逢坂良太，互聯網業務邏輯基礎，更多需求管理方面，計算機編程具備倒是其次的。

3、數據科學的重要核心核心技能

除了數據挖掘，還有什么？

其實數據工程師在公司本身里的應用于還是兩個基礎兩個層次，找老板招人或許只是想讓公司正好ai技術的首班車，但是我不懂如何讓數據成為生產力的發展，賺眼球是主要的。子公司越大，行政職位界限會越模糊。

所以，數據科學家其實擁有大產品經理一樣的靈敏的嗅覺能力，或者僅僅遠不如碼農的程序代碼能力。

不然你就會很迷茫，自己在產品和開發都沒有定價權，逐漸變成了廣泛的支持業務部門。

所以要在大兩個方向上，更加積極一點，從solutions到products，要全過程，真的很培養好能力強，然后才能有數據決策權，這可不是寫個java、sql語句或者etl工具就能實現的。

r語言需要什么基礎？

R是一種行業專業很強的統計語言結構，如果想學得快一些的話，基本的數理統計各種知識要懂，不然很多其他東西會掌握好的比較慢。

掌握語法和操作中，強烈推薦國內的已經中文翻譯的比如《R語言實戰》《R語言編程藝術》，這個時間過程中最好相結合一些小簡單例子來做一些綜合分析的其他東西。