5 种最受欢迎​​的数据科学工作类型

这个星球每天产生 2.5 万亿字节的数据。 但谁是分析大部分数据并通过提供业务解决方案帮助所有行业的伟大人物？ 是的，它是数据科学家（备受赞誉的无名英雄）！ 它已被宣布为 22 世纪最热门的工作，但你知道数据科学提供什么样的工作吗？ 好吧，我们在这里将启蒙的火炬传递给你，好奇的灵魂！

但在我们开始这项工作之前，让我们从一个基本技巧开始——数据科学结合了许多学科，包括数据分析、统计学、计算机科学和机器学习。 当您是该领域的新手时，这可能会令人生畏和不知所措，但重要的是要记住，不同的公司期望从相同的配置文件中获得不同的角色。 这意味着“数据科学家”通常被用作一个笼统的术语，其中 JD 截然不同，所需的技能集也不同。

以下是您可以研究的一些数据科学工作：

• 数据工程师

随着互联网接管世界，如果你不能声称拥有你的名字的谷歌搜索结果，那么一个企业实际上是不存在的。 一些公司很幸运能够获得大量流量，但随之而来的是必须处理更多数据的另一个问题。 但是你如何处理这些数据？ 好吧，如果使用得当，数据可以成为您成功的关键。 可以建立数据基础设施以保持公司向前发展。 在这里，机器学习和繁重的统计不如强大的软件工程技能重要。 请记住，在希望利用大量数据的公司中，对于初级数据科学家的指导机会可能会被证明不那么充足。

一个人可以在这个领域成倍增长，但是如果你的运气抛弃了你并且没有得到足够的指导，那么停滞和失败的风险也很高。

专业技术专长
Informatica 9、Unix Shell 脚本、Pl/SQL
编程语言：Java / Python / Scala

• 数据分析师

在大多数公司中，通常是成为数据科学家的代名词，您的职位描述或职位简介可能要求您成为 Tableau 或 Excel 大师，或者从 SQL 数据库、报告仪表板和生成基本数据可视化中提取数据。

多年来流行的一种技术是 A/B 测试——其中进行了具有两种变体 A 和 B 的随机实验； 将统计假设包含在其应用中，然后将两样本假设检验进一步用于公司或企业的工作统计中。 您的工作还可能要求您分析 A/B 测试的结果，或在公司的 Google Analytics 帐户上带头。

专业技术专长
Informatica 9、Unix Shell 脚本、Pl/SQL
编程语言：Java / Python / Scala

• 数据架构师

数据架构师的重要性与日俱增。 他们的工作职责包括为公司应集成、保护、集中和维护的所有数据系统管理创建蓝图。 该领域的架构师需要掌握 Spark、Hive、Pig 等技术，此外还需要与行业持续的创新趋势保持一致。

数据架构师应精通物理数据建模、逻辑数据建模、数据策略、数据查询语言、数据策略开发、数据仓库，以及识别和选择一个基本上被证明是解决数据存储、检索问题的最佳系统, 和管理。

• 机器学习工程师

机器学习工程师的重点通常放在生产非凡的数据驱动产品上，而不是回答公司的运营问题。 他们的属性不是知道算法是如何工作的，而是知道如何使用它们。 如果有人知道如何处理代码，他们将能够通过各种数据集搅动和 cp=omb 并能够准确地找到他们想要的东西。

对于已经正式钻研数学、统计学或物理学的人来说，这可能是一个理想的情况，并且仍然有同样的热情去追求更偏向学术的道路。 粗略地说，机器学习工程师的角色包括优化性能和可扩展性的解决方案，确保数据库和后端系统之间的功能数据流，以及实施自定义机器学习代码。

• 统计员

虽然上述所有角色都乐于探索数据，但有一个角色在派对中表现得像湿毛巾 -​​ 即统计学家。 这并不是说这个角色很无聊，而是因为这些人帮助公司做出超越数据的决策。 启动您的机器学习系统比它在特定数据集中完美运行的方式更多——比如它在生产中运行时的工作方式等。这就是统计学家的技能发挥作用的地方。 当一个人没有完全一致的所有事实时，它们有助于安全地做出决定并得出结论。

数据科学领域需要大量的“训练和好奇心”才能在大数据中做出正确的发现。 预计到 2020 年数据将达到惊人的 40 兆字节，处理这些数据的训练有素的专业人员肯定会短缺。 登上数据科学的列车，您可能会发现自己因运用数据的方式拯救世界而获得了回报！