数据科学家的一天是如何分配的?
不言而喻，数据科学家的大部分时间都在和数据打交道。不过，面对面的交流、开会也是一个相当重要的组成部分，这一点可能不太容易想到。
数据科学家Tanu George表示，一天通常以会议开始，这些会议可能有着不尽相同的目的，比如确定客户的业务问题，跟踪进展或讨论报告。会议结束后，要开始进行数据处理，主要集中解决会议中提到的问题。下午继续开会，展示数据处理结果，在一天快结束的时候，需要通过电子邮件共享分析结果。
George每天大约50%的时间在开会中度过，20%用于工作，20%用于解释数据处理结果，包括可视化以及将数据转化为可操作的形式。Ryan Rosario也是一名数据科学家，同时是线上教育网站Springboard的老师，对他来说，和客户开会也是一个非常重要的组成部分。很多时候，他都在考虑客户需要哪种类型的数据。大部分情况下，客户是没有数据的也不知道通过哪种途径得到数据，而他需要根据客户的需求制定计划，从而得到数据。
大部分数据科学家并不是与单个数据打交道，而是试图了解对客户或公司来说，数据意味着什么。人们很喜欢通过分析数据来做决策，但有时并没有合适的数据。作为数据科学家，需要学会筛选合适的数据，运用恰当的数据分析方法，帮助客户做出正确的决策。
工作中最喜欢的部分
George表示，会议是她一天中最喜爱的部分。作为Facebook机器学习的工程师，Rosario认为数据往往是混乱的，或者只有某个特定软件可以理解。作为数据科学家，需要把数据转换成方便理解的格式，他很喜欢向人们展示数据可以做什么。许多人都知道他们需要数据，但他们不知道具体需求是什么，而数据科学家需要像魔术师一样，打开客户的思维可能性。另一位数据科学家Long喜欢很多部分，包括研究问题背景的初始阶段以及找出获取数据的方法。
如何成为数据科学家?
要想成为数据科学家需要做很多方面的努力，现在几乎所有公司的数据都会开放API，而Python的数据处理能力强大且方便，如果你想成为数据科学家，可以考虑从Python入手。此外，统计学习、数据处理、统计学和计算机科学可能都会涉及。有人可以通过读书很好的学习，但最好的学习方法还是将知识付诸实践。
下一站应该做什么?
随着物联网的发展，George认为未来一定会有更多的数据出现。越关注主流数据就意味着有越多的工作要做。Rosario认为，物联网和流媒体数据将是下一个前沿，数据安全是急需解决的重大问题。数据科学家往往希望成为“独角兽”，这意味着他们想要尽一己之力，解决所有的编码、数据操作、数据分析等工作。术业有专攻，很难有人可以掌握所有东西，但不同的人可以掌握不同的技术。
有哪些建议?
想要做数据科学，Rosario认为至少得是硕士学位。对于遇到的问题，应该试图找到方法并解决它，可以试着从类似于Kaggle的网站寻找数据集，并找出解决方案。
大数据时代，是不是每家公司都需要数据科学家呢?这当然因公司而异，由于目前的软件技术和算法变得越来越先进，无需人力成本的投入就可以完成数据组织和运营。这些高科技手段对企业而言是利好消息，因为企业可以减少做数据科学方面的成本，但数据科学家的就业前景还是不错的，数据科学家也应为企业解决难题，为企业带来价值。
本文转自d1net（转载）
