在從學(xué)界（粒子物理學(xué)博士后研究員）進入業(yè)界（數(shù)據(jù)科學(xué)領(lǐng)域）時，Emily Thompson也曾有過猶疑。而現(xiàn)在，在擔(dān)任Insight項目總監(jiān)10個月之后，她對數(shù)據(jù)科學(xué)家有了自己獨特的看法。近日，她在一篇文章中就當(dāng)前人們對數(shù)據(jù)科學(xué)的誤解談了自己的看法，主要涉及數(shù)據(jù)科學(xué)家的職責(zé)、應(yīng)用領(lǐng)域、工作環(huán)境、職業(yè)發(fā)展、技能集合等方面。。

誤解一：“‘數(shù)據(jù)科學(xué)家’只是‘業(yè)務(wù)分析師’的一種花哨叫法，他們本質(zhì)上是相同的”

在數(shù)據(jù)科學(xué)領(lǐng)域，業(yè)務(wù)分析師仍然占了很大一部分，而數(shù)據(jù)科學(xué)家也構(gòu)建數(shù)據(jù)產(chǎn)品，創(chuàng)建軟件平臺，實現(xiàn)可視化和儀表板，開發(fā)前沿機器學(xué)習(xí)算法。“數(shù)據(jù)科學(xué)家”與“分析師”的***差別可能是角色的獨立性水平。傳統(tǒng)的業(yè)務(wù)分析師需要別人給他們提供已經(jīng)做過清理并打包好的數(shù)據(jù)供他們使用；而數(shù)據(jù)科學(xué)家必須是熟練的程序員，他們能夠抽取、轉(zhuǎn)換、加載數(shù)據(jù)，對其他團隊的依賴較少。

誤解二：“數(shù)據(jù)科學(xué)沒什么用，我未必會進入廣告行業(yè)，或成為一名股市分析員”

數(shù)據(jù)科學(xué)的應(yīng)用領(lǐng)域同數(shù)據(jù)科學(xué)領(lǐng)域本身一樣多樣化。計量金融和廣告是使用數(shù)據(jù)挖掘的兩個相對傳統(tǒng)的行業(yè)。醫(yī)療行業(yè)正在經(jīng)歷一場數(shù)據(jù)革命?？纱┐骷夹g(shù)讓收集、聚合、分析大量個人數(shù)據(jù)成為可能，從如何恰當(dāng)?shù)劐憻挼剿呷绾斡绊懬榫w。多媒體是另一個數(shù)據(jù)科學(xué)的重大應(yīng)用領(lǐng)域。比如，像News Corp.、The New York Times和Bloomberg等大型媒體公司都雇用數(shù)據(jù)科學(xué)家研究讀者行為和讀者保持；Netflix通過數(shù)據(jù)分析實現(xiàn)影片推薦；灣區(qū)創(chuàng)業(yè)公司 Samba TV借助機器學(xué)習(xí)技術(shù)實現(xiàn)內(nèi)容推薦。

誤解三：“我希望對世界產(chǎn)生積極的影響……為公司賺錢似乎與此存在利益沖突”

為營利公司工作與對人們的生活產(chǎn)生積極影響并不沖突。例如，Premise是一家實時經(jīng)濟數(shù)據(jù)跟蹤平臺。他們使用機器學(xué)習(xí)技術(shù)來發(fā)現(xiàn)一些不易發(fā)現(xiàn)的問題，比如，幫助發(fā)展銀行將錢投資到有需要的鄰國，Stitch Fix使用機器學(xué)習(xí)技術(shù)從庫存商品中選擇客戶喜歡的衣服等等。

誤解四：“在學(xué)術(shù)領(lǐng)域，我自己說的算，我喜歡這種自由。我不認自己適合公司結(jié)構(gòu)的環(huán)境”

企業(yè)結(jié)構(gòu)確實跟學(xué)術(shù)組織不同，但現(xiàn)如今，在以數(shù)據(jù)為中心的企業(yè)中，那種狂人風(fēng)格也不是那么普遍。如果你是初創(chuàng)公司最初的成員之一，那么你還有機會影響公司的發(fā)展方向。而像Facebook和LinkedIn這樣的大公司會分成若干較小的工作組，以保留初創(chuàng)公司的工作氛圍。雖然可能會有團隊負責(zé)人，但數(shù)據(jù)科學(xué)團隊是高度協(xié)作的。而且，越來越多的公司實現(xiàn)了在家工作策略，數(shù)據(jù)科學(xué)家可以擁有“***”假期。

誤解五：“我覺得，如果不知道未來10年我的職業(yè)生涯是個什么樣子，就貿(mào)然離開學(xué)術(shù)界，風(fēng)險太大。要是我就職的公司跨了怎么辦？”

不管在哪里，職業(yè)生涯都不是可以預(yù)測的。數(shù)據(jù)科學(xué)家在一家公司任職的時間平均為3到4年。數(shù)據(jù)科學(xué)家會留在有挑戰(zhàn)的崗位上，但一段時間之后，會尋找新的挑戰(zhàn)。好處是，數(shù)據(jù)科學(xué)領(lǐng)域有許多選擇，而且正在不斷發(fā)展，對數(shù)據(jù)科學(xué)家的需求很高。在任何一家公司任職，不管成功與否，都會獲得寶貴的經(jīng)驗。在找***份數(shù)據(jù)科學(xué)工作時，最看中的應(yīng)該是一個可以從同事那里學(xué)得大量知識的協(xié)作環(huán)境。另一個需要關(guān)注的點是，在從學(xué)界進入業(yè)界時，要努力構(gòu)建一個強大的關(guān)系網(wǎng)絡(luò)（參加聚會、出席數(shù)據(jù)大會），它能為你提供建議和其他團隊的內(nèi)部信息。

誤解六：“數(shù)據(jù)科學(xué)是泡沫”

有人認為，一旦數(shù)據(jù)分析實現(xiàn)自動化，數(shù)據(jù)科學(xué)家的角色就不存在了。但數(shù)據(jù)量正呈指數(shù)增長，沒有任何跡象表明從數(shù)據(jù)中尋找答案的需求會慢下來。即使數(shù)據(jù)科學(xué)的某些部分可以自動化，但這個行業(yè)仍然需要數(shù)據(jù)科學(xué)家的技能。數(shù)據(jù)可能會很亂，無法應(yīng)用恰當(dāng)?shù)墓ぞ呋蛘邿o法了解所有相關(guān)的特性，這會產(chǎn)生有誤導(dǎo)性的結(jié)果。而且，受過良好訓(xùn)練的數(shù)據(jù)科學(xué)家對數(shù)據(jù)有更好的理解，他們是大數(shù)據(jù)時代應(yīng)對數(shù)據(jù)挑戰(zhàn)的***人選。

誤解七：“我擔(dān)心自己不具備成為數(shù)據(jù)科學(xué)家的技能”

編碼能力強很重要，但數(shù)據(jù)科學(xué)不全是軟件工程。數(shù)據(jù)科學(xué)家集編碼、統(tǒng)計分析和判斷思維于一身。廣受歡迎的硬技能、統(tǒng)計知識、編碼能力是一名優(yōu)秀數(shù)據(jù)科學(xué)家的基本工具。還有一項不容易明確定義的技能，就是博士研究員階段所接受的良好訓(xùn)練。但是，要成為一名數(shù)據(jù)科學(xué)家，并一定要有物理、統(tǒng)計或計算機科學(xué)學(xué)位。June Andrews的研究顯示，在LinkedIn從事數(shù)據(jù)科學(xué)工作的人所擁有的學(xué)位差別很大。數(shù)據(jù)科學(xué)本身就具有多學(xué)科的特點，而且一些公司開始使用領(lǐng)域?qū)俚臄?shù)據(jù)。因此，只要有量化思維，喜歡擺弄數(shù)據(jù)，對數(shù)據(jù)如何引導(dǎo)你提出和回答問題心存好奇，那么你就可以脫離學(xué)術(shù)界，進入數(shù)據(jù)科學(xué)領(lǐng)域。