数据科学在全世界引起了轰动。它是一个处理、分析、建模和生成数据，并从这些数据中获得有意义的见解的领域。由于数字化程度的提高，我们今天可用的数据正在迅速增加。组织已经意识到数据的潜力以及分析这些数据以从中获得有价值的见解的紧迫性。
为了帮助组织将这些潜在数据转化为真正的机会，组织需要熟练的专业人员，例如数据工程师、数据科学家和 AI 工程师。数据科学家可以从中受益，因为他们可以提高他们的技能和知识，同时将数据赋能现实世界。
但是目前很多的组织正在面临技术资源短缺的挑战。 麦肯锡全球研究所的一项研究表明，美国将面临近 190,000 名数据科学家和150 万管理人员和分析师的短缺。印度对数据科学家的需求也很高。已经引入了技术和工具，但从事这些工作和使用这些工具的熟练专业人员的数量方面存在差距。 Fractal Analytics 的联合创始人兼首席执行官 Srikanth Velamakanni 指出，人才短缺有两种类型。有些数据科学家不具备分析技能，有些分析师不知道如何正确使用数据。这些工作岗位对熟练专业人员的需求很高。
鉴于数据科学领域的需求旺盛和资源短缺，公司和个人都很困惑。想要进入数据科学领域会不会很难。成为数据科学专业人士不是学士学位或硕士学位。那一个人想进入这个领域的正确的技能和经验是什么呢？
要在数据科学领域开始成功的职业生涯，您需要具备分析、机器学习、统计、神经网络等硬技能，而且必须是问题解决者、批判性思考者和善于讲故事的人，才能在数据科学方面表现出色.
本篇文章就是想帮助您了解数据科学领域有什么常见的岗位，和您走上职业道路所需的技能。另外，作为企业的管理者，也可以看看那些职位是企业急需且重要的。
数据科学中的工作角色
请记住，这些职位不是固定的，将来可能会更改。此外，根据您申请的公司，某些角色可能会重叠并且具有或多或少的职责。
数据分析师负责各种任务，包括可视化、数据转换和处理大量数据等。有时他们还负责网络分析跟踪和 A/B 测试分析。由于数据分析师负责可视化，他们通常负责为业务沟通准备数据。数据分析师准备报告，以非专家、可以理解的方式有效地展示他们从分析中收集的趋势和见解。从可用数据中嗅探和搜索最微小信息的能力使数据分析师受到 IBM 和 HP 等公司的高度追捧。
不过，数据科学和数据分析有时会重叠。事实上，当您实际从事的大部分工作是数据分析时，一家公司可能会聘请您作为“数据科学家”。
数据分析师的几个重要角色和职责包括：
如何成为一名数据分析师？
SQL、R、SAS 和 Python 会是一些广受欢迎的数据分析技术。因此，如果有这些方面的认证可以有效的帮助您得到的工作机会。另外你还应该有比较好的解决问题的能力。
2. 数据科学家 Data Scientist
可能是当今最抢手的数据科学工作。 自从美国政府任命 DJ Patil 为首席数据科学家以来，这个角色就获得了数据向导的地位。 在其涵盖的角色范围内，技能在于计算数据、预测和可视化模型，以及通过讲故事来加深洞察力，但令人信服的轻松。
在大公司中，团队负责人通常是数据科学家，因为他们的技能组合使他们能够监督其他具有专业技能的员工，同时从头到尾指导项目。作为一名数据科学家，您将处理项目的各个方面，从了解对业务的重要性，到数据收集和分析，最后到数据可视化和演示。数据科学家是多面手。因此，他们可以就特定项目的最佳解决方案提供见解，同时揭示数据中更大的模式和趋势。
如何成为一名数据科学家？
要成为一名数据科学家，您必须是 R、MatLab、SQL、Python 和其他互补技术方面的专家。如果您在数学或计算机工程等方面拥有更高的学历，会非常有帮助。
3. 数据工程师 Data Engineer
数据工程师负责为企业设计、构建和维护大数据生态系统，以便数据科学家可以在稳定、且高度优化的数据系统上运行他们的算法。数据工程师还致力于对收集的数据进行批处理，并将其格式与存储的数据相匹配。数据工程师需要保持当前技术的更新和现有系统系统版本更新，以提高数据库的效率。
数据工程师大多数是具有掌握技术能力的软件工程师，这个角色被认为是万事通。了解SQL、Hive、Pig、R、Matlab、SAS、SPSS 等多种语言，以及开发、构建、测试和维护它们的技能。
如何成为一名数据工程师？
如果您对数据工程师的职业感兴趣，那么需要动手经验的技术包括 Hive、NoSQL、R、Ruby、Java、C++ 和 Matlab。流行的数据 API 和 ETL 工具等，也是必备的技能。
4. 机器学习工程师 Machine Learning Engineer
如今，机器学习工程师的需求量很大。然而，工作概况也带来了挑战。他们需要熟悉各种机器学习算法，比如聚类、分类和回归算法，同时了解该领域的最新研究进展。除了一些软件工程的基础知识之外，他们还需要具备强大的统计和编程技能。
机器学习工程师的几个重要角色和职责包括：
如何成为机器学习工程师？
首先，你必须对Java、Python、JS等一些技术有一定的了解。其次，你应该有较强的统计学和数学知识。如果你同时掌握这两种技能，就很容易通过工作面试。
5. 业务分析师 Business Analyst
作为技术和业务之间的桥梁，这个角色需要对不同的业务流程有深入的了解。虽然只需要基本的工具和技术，但业务分析师确实需要将数据洞察力与整个组织的不同业务联系起来的技能。优步、戴尔和甲骨文等公司在这一角色的支持下取得了巨大的飞跃。
如何成为业务分析师？
业务分析师充当数据工程师和管理人员之间的纽带。因此，他们应该了解商业财务和商业智能，以及数据建模、数据可视化工具等 IT 技术。
6. 数据和分析经理 Data and Analytics Manager
数据和分析经理负责监督数据科学运营，并根据技能和专业知识将职责分配给他们的团队。他们的强项应该包括 SAS、R、SQL 等技术，当然还有管理。
数据和分析经理的几个重要角色和职责包括：
如何成为数据和分析经理？
首先，要走上分析经理的职业道路，您必须具备出色的社交技能、领导素质和开箱即用的思维态度。您还应该擅长 Python、SAS、R、Java 等数据科学技术。
7. 数据架构师 Data Architect
数据科学的兴起意味着对数据管理系统的需求增加。以便数据库可以轻松集成、集中并使用最佳安全措施进行保护。数据架构师需要设计和创建符合特定业务模型要求的新数据库系统。架构师需要在功能上和管理上维护这些数据库系统。换句话说，架构师跟踪数据并决定谁可以查看、使用和操作数据的不同部分。他们还需要确保数据工程师有最好的工具和系统来使用。
如何成为一名数据架构师？
从事数据架构职业需要数据仓库、数据建模、数据抽取转换（ETL）等方面的专业知识。您还必须精通 Hive、Pig 和 Spark 等。
8. 数据库管理员 Database Administrator
这个时候必须有人处理这些重要数据。管理员的角色出现了。他们需要确保数据受到保护、正常运行并在必要时可供相关用户使用。与生俱来的灾难管理技能，加上对新技术的洞察力，帮助管理员确保完整的数据保护和恢复，并在Reddit、Tableau 或 Twitter这样的公司中获得一席之地。
数据库管理员的几个重要角色和职责包括：
如何成为数据库管理员？
数据库管理员的一些基本技能和才能包括数据库备份和恢复、数据安全、数据建模和设计等。如果你擅长灾难管理，那肯定是加分项。
9. 统计学家 Statistician
尽管统计学家最近被一些更时髦的名字所取代，但在从数据中获取知识方面，这一历史角色仍然具有强大的基础。强大的从数据中收集信息的能力，以及对它们进行统计整理的技能都有助于企业转型。 LinkedIn、百事可乐和类似的公司都在寻找这样的数学家！他们不仅从数据集群中提取和提供有价值的见解，而且还帮助创建新的方法供工程师应用。
如何成为一名统计学家？
统计学家必须对逻辑充满热情。他们还擅长各种数据库系统，例如 SQL、数据挖掘和各种机器学习技术。
除了这些职位和技能外，还有一个很重要的技能，对数据科学领域的人，就是你需要变成一个用数据讲故事的人。通常，数据讲故事与数据可视化相混淆。尽管它们确实有一些共同点，但它们之间存在明显的区别。数据讲故事不仅仅是将数据可视化并制作报告以分享统计数据，而是关于找到最能描述数据的叙述，并开发创造性的方式来表达这种叙述。
数据讲故事跨越了纯粹的原始数据分析和以人为本的沟通之间的界限。数据讲故事者需要获取数据，将其简化以专注于数据的特定方面，分析其行为，然后利用自己的见解创建一个引人入胜的故事，帮助人们（队友、客户等）更好地理解给定的现象。这可能是这份名单上最新的工作角色——它有可能为团队提供重要价值，同时也为数据科学家创造发挥他们创造力的机会。
最后，随着数据科学领域的发展，对数据科学家的需求不断增长，企业每天都在创造新的工作岗位以满足行业的巨大需求。数据科学工作的多样性通常意味着职责重叠一点（有时很多），这可能会使试图获得梦想工作的申请人感到困惑。希望我的分享能对适合您技能的最佳工作有了更清晰的了解。
