最近听到一个很高大上的职位叫做“数据科学家”，这个职位中的“数据”和“科学家”两个关键词一个比一个厉害，我们当前处于“数据”时代，而“科学家”则是从小进学校就崇拜的一个职业。
那数据科学是什么，数据科学家这个职业做些什么事情？本文给大家分享下我的总结。
什么是数据科学
来自维基百科：
数据科学（英语：data science）是一门利用数据学习知识的学科，其目标是通过从数据中提取出有价值的部分来生产数据产品。
它结合了诸多领域中的理论和技术，包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。
数据科学通过运用各种相关的数据来帮助非专业人士理解问题。
其中有几个要点可以抽取出来：
- 利用数据学习知识，生产数据产品
- 结合统计、机器学习、数据可视化等技术
- 帮助非专业人士理解问题
从中可以看出，“数据科学”是一个非常综合的学科，数据科学家不仅要具备数据相关技术，也要求有产品意识和与非专业人士的沟通能力。
数据科学的相关职位
数据科学是一个综合型学科，以下的职位其实都和数据科学有关：
- 数据分析师
- 机器学习工程师
- 深度学习工程师
- 数据工程师
- 数据科学家
可以看到，除了正牌的“数据科学家”，现在非常火热的“数据分析师”、“机器学习工程师”等，都可以是“数据科学”的职业角色。
数据科学家的工作
以下会介绍一个“全栈数据科学家”所做的工作，很多数据科学职位很可能只会涉及其中的一部分。
1、了解业务问题
数据科学家工作的第一步，是需要了解业务问题，这一步很重要。
沟通的对象是客户（合作方、你的老板等），客户会提出相关问题，你需要多问很多“为什么”，真正的了解并确定目标。
2、获取数据
这一步需要从各种来源收集数据：
- web server
- 日志
- 数据
- 在线API
- 在线数据仓库
收集正确的数据需要花费不少时间和精力
3、数据准备
这一步指的是对数据做清理和数据转换：
- 检测缺失值、重复值、数据类型不一致问题并修复
- 使用自定义的规则，做数据的转换
最终形成干净正确、结构化的数据。
4、探索性数据分析
Exploratory Data Analysis，简称EDA
这一步会使用数据分析工具做数据探索，发现数据变量之间的关系，挑选出用于优化目标的特征变量。
如果挑选的特征变量有偏差，那么后续构建的模型将不准确，这是非常重要的一步。
5、数据建模
该步骤一般使用Python训练一个预估模型，可以使用KNN/决策树/贝叶斯等传统算法，也可以是DNN/CNN等深度学习算法。
一般来说不会训练一个模型，而是很多个模型同时训练和对比，最终挑选一个最优表现的模型或者融合多个模型。
6、说服客户
这一步对技术人员是很难的，那就是拿着你的数据分析和建模结果去说服你的客户以及“利益相关方”。
使用的方法，就是可视化的展示、良好的沟通口才。
7、部署维护模型
该步骤会将数据获取>数据清理>特征提取>数据建模全链路自动化，部署线上服务，先进行小流量测试，如果指标没问题就全流量推送全部，同时也会附带数据指标后台进行实时的效果观测和预警。
以上就是一个数据科学家工作的流程总结。
薪资
在“拉勾网”搜索“数据科学家”职位：
会发现这是一个高薪职位，薪资有一个特点就是波动空间很大，比如字节跳动的第一个职位，30~60K。
这也对应了该学科的特点，那就是能力要求的范围也很大：
- 能力低的也能工作，取数据、查数据、实现分析系统等；
- 能力高的负责一个数据产品，洞察数据宝藏，极大助力公司发展。
后记
近些年有几个职位非常的火：Python工程师、数据分析师、机器学习工程师，如果从本文“数据科学”领域的角度看，他们都是“数据科学”的一个分支，希望本文能带你了解整个数据科学的全部，有一个全局的视野。
