离数据科学家还有多远-硅谷数据科学家成长之路

最近参加了tiger组织的解密大数据学习群，他请了几位数据科学家方面大牛来做分享，从牛人的经历来看，我们普通人和他们还有多大的差距，如何才能成为一个数据科学家？

一、什么是数据科学家

data science.png

根据IBM研究院的这张图，数据科学需要这三方面的知识 Math and statistics（数学与统计），Computer Science（计算机科学），Domain Knowledge（行业知识）。

二、和数据科学家的差距在哪里

如果以上面这张图为例，衡量与数据科学家的差距，就转换成掌握这些知识的多少。根据tiger等人的学历和工作背景，初步估算了一下几位大牛的情况，100%是最高，结果如下：

Paste_Image.png

Paste_Image.png

tiger等人都是北美高校的统计学博士，显然数学和统计学知识是非常强的，例如像蒲博士那样的，在读博士期间又修了很多计算机编程方面的课程，计算机知识也还是不错，当然行业知识会弱一些。自己和他们相比，差距还是非常大，主要是受到自己的学习背景所限，数学、统计和计算机科学学习都很少，稍微好一点的是，自己在金融行业，每天做的工作会逐渐增加自己的专业知识。

三、可行的成长之路

目标已经明确，具体的路径如何选择呢？

路径的选择由自己的起点决定。

第一类，统计学或者理科背景，路径是补上计算机知识，尽快从事数据分析工作。以tiger他们为例，他们都是北美著名高校的理科博士或者统计学博士，起点还是非常高的，短板是计算机科学和行业知识，他们的最佳路径就是在博士期间补强计算机知识，然后利用暑期实习等机会增加行业知识，一旦进入互联网行业或者在金融等行业从事数据分析工作，他们原有的统计学背景结合计算机专业知识，就能够迅速发挥作用。

第二类，计算机背景，建议的路径是凭借计算机能力进入互联网或者相关行业，增加统计知识后通过从事数据分析工作来向数据科学家的方向发展。

第三类，传统行业背景，建议的路径是以现有行业为基础，挖掘可以开展数据分析的具体领域，在应用的过程中学习和掌握统计、计算机知识，逐渐提升自己的数据分析能力。在组织内部，也有机会调动IT等方面的资源，有些工作不一定需要自己亲历亲为，但是数据分析的基本逻辑还是要非常熟悉。

PS：关于几位数据科学家的具体介绍：
硅谷数据科学家成长之路主讲人介绍 蒲博士，统计学博士2007年-2011年在上海交大读核工程专业2011年-2013年在明尼苏达大学读物理专业2013年-2017年在加州大学圣地亚哥分校读统计学专业

Tiger：我眼中的大数据-新生大学分享(1)

机器学习驱动的北美商业决策-听课笔记

译|在Stack Overflow做数据科学家的一年