Datawhale干货
作者：桔了个仔，南洋理工大学，Datawhale成员
有的人对数据科学家一词可能会望文生义，可能会说：「你这个码农咋还自称科学家了呢」。故写此文来给大家揭开数据科学家这个职位的神秘面纱，也让准备入行的新人对这个职业有更清楚的认识。
夫妻肺片不是肺片
有的人可能会疑问，要把数据玩成怎样才能算数据科学家呢？其实数据科学家这词有点唬人，其实并不属于传统意义上的科学家。如果不好理解，那么这里打个比方：数据科学家一词之于科学家，就好像夫妻肺片一词之于肺片。所以当朋友问我做什么工作，如果对方不是专业人士，我一般不太敢用「数据科学家」这词，因为很容易被误解。我一般都会对他说，我是个搞数据的码农。
数据科学家这个职位名称，一般都是外企在使用。其实在国内，很少公司用这个职位名称，更多的公司会用「算法工程师」或者「数据挖掘工程师」 。这两个职位有啥不同？其实很难一句话说清，因为不同公司对这个职位的定位不同，下面会分别介绍。
一般来说，算法工程师包括几种：
1.数据算法。例如给你数据，用数据模型和各种集合模型来实现预测效果最大化。
2.系统级别算法。例如一个超100G数据订单系统，如果设计一个查询算法，使得平均查询时间最少。
3.专业算法。例如去研究SLAM算法并去改进，其实和数据科学关系很小。
数据科学家就泛了：
1.做数据建模的。利用各种深度学习机器学习的模型，去实现预测或者检测。
2.做大数据处理的。其实就是data engineer，但有的公司就要起data scientist的名字来蹭热度。
3.分析处理报表的。这个就更离谱了，把以前的analyst直接改名叫DS了，希望大家找工作时看清JD不要被忽悠进去。
两者的区别上，第一种算法工程师和第一种数据科学家工作本质确实差不多，实质差异就看每个公司对其定位。如果真要硬说一个不同点，根据我的经验，那就是数据科学家对沟通的需求稍微大些，需要对客户解释清楚自己的模型，对外部负责。而算法工程师可能更偏「添砖加瓦」，对内部负责。其余后面的两种，就差异大了。
如果你看中了「科学家」的title就去应聘，那么你可能会对实际工作内容感到失望。就好像几年前校招里最火的「产品经理」一岗，并不代表你一毕业就当上了经理。
数据科学家，来者何人？
那么数据科学家这一个词是怎么来的呢？
业界普遍认为，这个词是由DJ Patil在领英时发明的[1]。2008年 Jeff Hamerbatcher 与 DJ Patil 分别在 Facebook、LinkedIn 领导全球第一支数据科学团队，至此数据科学越来越被广泛流行，并应用到公共卫生、市场、金融、社会等各个领域。由于Facebook, LinkedIn都在旧金山（San Francisco)，所以有的人会调侃：
A data scientist a statistician who lives inSan Francisco
（数据科学家就是住在旧金山的统计员）
在一些公司，工程师对于大数据的处理和利用会这样分工：
有的工程师主要做数据仓库建设，数据ETL（Extract, Transform, Load)等工作，他们主要关注的是基础架构能不能支持大数据的存取，怎么存取等等基础性问题，这种工作，叫数据工程（Data Engineering）。
而有的工程师，是关注数据怎么用，用什么算法来挖掘数据，用什么统计方法等等这种工作，为了区分数据工程（Engineering) 的工作，这种工作就被叫做数据科学(Data Science)。
相对于的，前者一般叫Data Engineer(数据工程师)，而后者，搞science的人，那就叫Scientist吧！于是后者成了Data Scientist。英文已经很唬人了，翻译成中文「数据科学家」后，就离原来的意思更远了。所以，我觉得国内称之为「算法工程师」更贴切。
当然，数据科学里面确实有些科学的部分，例如用统计方法来解决问题。但总体来说，数据科学家的工作，是属于工程领域，而非科学研究领域。
科学家？打杂工！
虽然说是「科学家」，但做的事情其实是工程师所做的事。相对起传统的软件工程师，数据科学家做的事情可能专注度更低，但上下游整合的水平更高。
数据科学家的日常工作可以有多杂？
我在之前的回答（https://www.zhihu.com/question/22696468/answer/746755379）提到过，这里简要概括下：
1. 商业逻辑理解与思考（占10%时间）。
2. 数据检查与清洗（占25%时间）。这是个很耗时又很枯燥的活。谁说data scientist is the sexiest job in 21st century的？检查检查数据的过程一点都不sexy。
3. 特征工程（占20%的时间）。写代码，构建特征
4. 数据建模（占5%时间）。这是花时间最少的阶段。
5. 与客户,同事，或者上级沟通（占20%时间)，沟通的内容包括：数据检查发现的问题，项目的进度汇报，模型的更新，文档的更新，给客户演示新方案等等。
6. 写模型文档，数据分析文档等。（占15%时间)
这么看来，数据科学家既像码农，也像数据分析师，更像ppt制作专家。当然，数据科学家最像的，还是洗碗工，别人清洗盘子，我们清洗数据。
上面说的，仅仅只能代表我的日常工作，不敢说所有数据科学家的工作内容都和我一样。因为数据科学家这个职位，并没有完全被定义清楚，不同公司的数据科学家可能做的事情不一样，具体有啥不一样？大家可以去linkedIn上搜搜Data Scientist的招聘信息，看看工作内容和技能要求，相信这里面的多样性会吓你一跳。
你也想来打杂？
恭喜你看到这里，说明你并没有被数据科学的繁杂给吓退，这是成为优秀数据科学家的第一步。那么数据科学家的技能包括哪些？我之前写过一篇回答(https://www.zhihu.com/question/21592677/answer/1866931706)。不过有个外国的大神做了一张图，让我看完觉得，我还是太嫩了。
图源：Swami Chandrasekaran[2]
嘿嘿，被唬住了？放心，这并不是数据科学家的入门门槛。这个图仅仅是一个超集合（superset)，也就是说，你并不一定需要全部懂这些才能去当个数据科学家。
如果你是从软件工程师转成数据科学家的，你的优势会多些，因为这依然是工程类的职位，对基本的编程能力还是很看重。在《 数据科学家访谈录》[3]一书中，Khan Academy数据科学主管Jace Kohlmeier说：
“依我之见，如果想要成为一名出色的数据科学家，你必须也是一名出色（至少是非常高效）的程序员。”
但即使你掌握了以上知识，你也不能立刻成为一名优秀的数据科学家。在数据科学里，最重要的是根据业务不同摸索出不同的实践，这需要具体的商业背景或者学科背景。MailChimp首席科学家Jonh Foreman说：
“如果你将数据科学作为一个学科，深入其中进行调查得越多，你就越会发现，这个看似笼统的大伞下面，掩盖了非常多的技术、数据集以及学科背景。”[3]
当然，作为数据科学家，我们的职责是推进技术落地，让技术产生价值。那么落地能力包括哪些呢？大家可以看看，这里就不再赘述了。
恭喜你看到这里，你已经具备了一名优秀数据科学家必须的品质——耐心。
所以，你真的想好要来大数据里摸爬滚打，在统计学的世界里打杂了吗？
参考
[ 1 ] https://observer.com/2019/11/data-scientist-inventor-dj-patil-interview-linkedin-job-market-trend
[ 2 ] http://nirvacana.com/thoughts/wp-content/uploads/2018/01/RoadToDataScientist1.png
[ 3 ] 数据科学家访谈录. 978-7-115-47091-1. 作者: 【美】Carl Shan（单研） William Chen（陈子蔚） Henry Wang（汪强明） Max Song（宋迈思）. 译者: 田原刘奕.
桔了个仔
Data Scientist，擅长领域：风控/反洗钱
热衷于人工智能/机器学习/编程/科技/技术的铲屎官
整理不易，点赞三连
