对于数据科学家这一职业，你了解多少？
——这是个被大公司追捧的职位，供不应求，待遇特别高。职场里“数据科学家”的招聘相当火爆，各种线上线下的培训课程野蛮生长。
这是大多数人对“数据科学家”的印象。
但是，怎样才能成为数据科学家？或者说，一个合格的数据科学家需要具备哪些技能和素养？
具有十年从业经验的亚马逊资深数据分析师 Karolis Urbonas，经常被人请教这一问题。这促使他回顾自己的职业生涯——“我是怎么一步步走到现在的？”“我是怎么成为数据科学家的？”以及，从自我定位和自省的角度反思：“我是一名数据科学家吗？”
自我反思的答案，被他总结成了这篇文章。由雷锋网献给想要入门数据科学的童鞋们。
Karolis Urbonas
Karolis Urbonas：我的职业生涯从投资公司的证券分析师起步，那时候主要用的还是 Excel；之后转到银行业做商务智能（BI，即 business inelligence）；再之后去做咨询；最后才来搞所谓的“数据科学”——开发预测模型，摆弄大数据，写代码来做数据分析和机器学习。那时大多数人把这工作称之为数据挖掘。
当数据科学变成一股热潮，我开始试着思索，它和我一直在做的工作有什么不同。也许我应该学习一些新技能，成为真正的“数据科学家”，而不是一个“搞分析”的人？
和所有人一样，我开始修习多门课程，读很多书，修习数据科学专业（和大多数人一样，没有一样是最终做到底的），写了一堆代码。我当时的目标并不只是成为数据科学家，而是成为下面这副数据科学韦恩图中间的“那个”数据科学家：
这幅图在数据科学圈子里称得上是大名鼎鼎。三个大色块分别是：绿色—数学、统计学知识，紫色—资深专家水平，粉色—黑客技术。中间的小色块是三大领域的重合区域，分别代表：中上黄绿色块—机器学习，右下墨绿色块—传统研究，左下紫色块—危险地带，*灰色块—数据科学家。
但我后来了解到，图*的那一撮“独角兽”（中间“数据科学家”色块里的这帮人在圈内被称为独角兽）在现实中极其稀少。即便真存在这种人，也大概会是对各个领域都有涉猎、但没有一门精通的“通才”，而非专家。
如今，我在亚马逊带领一支极富才华的数据科学团队，每天搞所谓的大数据。因此我已把自己看做是一名数据科学家。但我认为，这行的水太浑（指的信息方面）、尤其对于新人来说很多问题不够清楚明白。当然，数据科学有很多高深复杂的分支，比如 AI 、机器人学、计算机视觉、语音识别等等（雷锋网注：AI 出身的学者恐怕会把这些全都看做是 AI 的分支，学科视角不同）。钻研这些领域全都需要相当高的技术、数学造诣，经常还需要一两个 PhD 学位。但如果你只是想要进入几年前被称为商业/数据分析师的数据科学角色，并在企业工作，这是四条帮助你在这个行当生存下去的建议：
第一步
明确你的优先目标和动机，客观评估所掌握的技能，并据此设立现实的目标。
数据科学中有各种职业角色，清楚你现在的知识技能储备，以给自己一个合理的定位十分重要。假设你是一个想要改变职业轨迹的 HR，或许你应该学习 HR 数据分析。假设你是律师，则可钻研法学界的数据应用。事实上，现在所有的行业和商务职能都迫切需要更深层次的洞察力，数据科学技术正在被普遍地采用。
如果你已经有一份工作，可以想办法理解工作中哪些环节可用数据优化，哪些问题可利用数据解决，然后去学习怎么做。这会是一个逐步推进、相对漫长的过程。但你能保住饭碗，并且能从现实任务中学习。如果你是应届生或者在校生，你学习数据科学的时机堪称完美：你有大把机会找出自己最喜欢、最感兴趣的领域——电影？音乐？汽车？普通人想象不出来这些行业雇佣了多少数据科学家。但最重要的，这些人都对所处领域心怀大爱。
第二步
打基础。
数据科学的各个细分领域之间差异很大，但底层技能都是差不多的。有三个领域你必须学好，并打下牢固基础：数据分析，统计学和写代码。你并不需要在每个学科都成为大师，但要牢固掌握这三个领域的基础知识和技巧。
（a）关于数据分析
你需要理解基本的分析技巧，并进行大量练习——比如数据表是什么；怎么合并数据表；对于按照特定方式而组织的数据，主流分析技巧是什么；怎么创建数据集的摘要视图（summary views），怎么从中得出初步结论；探索性数据分析是什么；哪种可视化方法能帮你理解数据并从中学习。这些都很基础，但相信我——掌握了这些之后，你就有了任何数据科学工作所必须的基本技能。
（b）关于统计学
要掌握统计学入门知识——比如，什么时候用平均数，而什么时候要选择中位数；什么情况下用标准差，什么情况下用它完全没意义；为什么平均值会“骗人”，但仍然是最常用的总计价值。我说“入门知识”
的时候，我真的指的是入门。除非你是个数学家，有志成为计量经济学家——那么，请尽情学习高级统计学。如果你没有数学专业 PhD，你只需要花一些时间，保持耐心，直到对基础统计学和概率论有一个不错的掌握。
（c）写代码
学编程是最老套的建议，但的确很靠谱。
你应该从学习用 SQL 查询数据库开始——不管你信不信，数据科学团队的大部分工作时间，是花费在数据的“ pulling”和准备上，而这需要通过 SQL 完成。你还需要学一门数据分析语言（从一门语言开始），R 或 Python 都很合适——对其中一门语言的掌握，会给你的职业选择带来很大不同，许多职位的招聘要求会有这两门语言，虽然不是全部。一开始，你可以聚焦于学习语言的基础，然后再专注钻研如何用它来搞数据分析。另外，在这行立足并不需要你成为一个程序猿——你只需要知道怎么用程序语言来对数据进行分析和可视化。
第三步
数据科学是一门解决实际问题的学问——你需要找到问题并解决它。
职业生涯中我逐渐体会到，成为一名合格数据科学家的最基本要求，是要不停问问题，不停寻找需要解决的问题。我不建议你每时每刻都去寻找问题——这或许会对心理健康造成负面影响。但若下决定干这一行，你就要做好准备成为一个“问题解决专业户”，并且像福尔摩斯或者柯南一样锲而不舍。
我建议从小问题开始，找出你的生命中能受益于数据分析的东西——你会为生活中的各种数据之丰富感到惊讶（即便是难以启齿的数据）。或许你会开始分析你的购物习惯，找出你 email 中的情感流露模式，或者创建漂亮的图表追踪家乡城市的财政状况。数据科学家的责任是“质疑一切，不断发问”：比如，这个市场营销项目是否有效？有没有值得注意的行业趋势？公司产品是否表现不佳需要下马？合作伙伴给的折扣是否合理？这些问题会成为数据科学家眼中的假设，需要用数据分析进行证实或者证伪。假设（ hypotheses）是数据科学工作的原材料，你能解决、解释的假设越多，你的能力越高。
第四步
开始实干，而不是把时间精力浪费在计划“做什么”和“怎么做”上面。
这适用于任何学习活动，但对数据科学来说尤其贴切。新人们，请确保从学习的第一天开始你就在“做”。在这一行，把真正的学习晾在一边，而只是“读关于数据科学的东西”，“读应该怎么做”，是个非常普遍、非常容易犯的错误（我自己一开始也是这样）。很多人复制粘贴书里的数据分析代码，然后在非常简单的数据集上运行，把这作为练习。相信我，现实世界里你永远不会遇到这么简单的数据集。
对于你所掌握的知识和技能，确保把它们用于你所感兴趣的领域，然后，你会体会到数据科学的奇妙之处：
写下你的第一行代码，看到它如何失败，陷入僵局，不知道下一步怎么做，寻找解决方法，找了很多却没有一个管用，艰难地自己摸索，结果突然间闯到了下一阶段……这一刻，你大叫一声泪流满面。
这才是真正的学习过程。
“ Learning by doing”，即从实践中学习，是掌握数据科学的唯一方法。你学骑自行车的时候，并不是靠研读《教你怎么骑自行车》，而是直接上去骑，是吧？差不多的道理在这里也适用。不管你学的是什么，要确保你立刻去用它，用真实数据解决真实问题。
“如果你花费过多时间思考一件事，你永远也无法将它完成。”这是李小龙的一句名言。