5 種最受歡迎的數據科學工作類型

這個星球每天產生 2.5 萬億字節的數據。 但誰是分析大部分數據並通過提供業務解決方案幫助所有行業的偉大人物？ 是的，它是數據科學家（備受讚譽的無名英雄）！ 它已被宣佈為 22 世紀最熱門的工作，但你知道數據科學提供什麼樣的工作嗎？ 好吧，我們在這裡將啟蒙的火炬傳遞給你，好奇的靈魂！

但在我們開始這項工作之前，讓我們從一個基本技巧開始——數據科學結合了許多學科，包括數據分析、統計學、計算機科學和機器學習。 當您是該領域的新手時，這可能會令人生畏和不知所措，但重要的是要記住，不同的公司期望從相同的配置文件中獲得不同的角色。 這意味著“數據科學家”通常被用作一個籠統的術語，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數據科學工作：

• 數據工程師

隨著互聯網接管世界，如果你不能聲稱擁有你的名字的谷歌搜索結果，那麼一個企業實際上是不存在的。 一些公司很幸運能夠獲得大量流量，但隨之而來的是必須處理更多數據的另一個問題。 但是你如何處理這些數據？ 好吧，如果使用得當，數據可以成為您成功的關鍵。 可以建立數據基礎設施以保持公司向前發展。 在這裡，機器學習和繁重的統計不如強大的軟件工程技能重要。 請記住，在希望利用大量數據的公司中，對於初級數據科學家的指導機會可能會被證明不那麼充足。

一個人可以在這個領域成倍增長，但是如果你的運氣拋棄了你並且沒有得到足夠的指導，那麼停滯和失敗的風險也很高。

專業技術專長
Informatica 9、Unix Shell 腳本、Pl/SQL
編程語言：Java / Python / Scala

• 數據分析師

在大多數公司中，通常是成為數據科學家的代名詞，您的職位描述或職位簡介可能要求您成為 Tableau 或 Excel 大師，或者從 SQL 數據庫、報告儀表板和生成基本數據可視化中提取數據。

多年來流行的一種技術是 A/B 測試——其中進行了具有兩種變體 A 和 B 的隨機實驗； 將統計假設包含在其應用中，然後將兩樣本假設檢驗進一步用於公司或企業的工作統計中。 您的工作還可能要求您分析 A/B 測試的結果，或在公司的 Google Analytics 帳戶上帶頭。

專業技術專長
Informatica 9、Unix Shell 腳本、Pl/SQL
編程語言：Java / Python / Scala

• 數據架構師

數據架構師的重要性與日俱增。 他們的工作職責包括為公司應集成、保護、集中和維護的所有數據系統管理創建藍圖。 該領域的架構師需要掌握 Spark、Hive、Pig 等技術，此外還需要與行業持續的創新趨勢保持一致。

數據架構師應精通物理數據建模、邏輯數據建模、數據策略、數據查詢語言、數據策略開發、數據倉庫，以及識別和選擇一個基本上被證明是解決數據存儲、檢索問題的最佳系統, 和管理。

• 機器學習工程師

機器學習工程師的重點通常放在生產非凡的數據驅動產品上，而不是回答公司的運營問題。 他們的屬性不是知道算法是如何工作的，而是知道如何使用它們。 如果有人知道如何處理代碼，他們將能夠通過各種數據集攪動和 cp=omb 並能夠準確地找到他們想要的東西。

對於已經正式鑽研數學、統計學或物理學的人來說，這可能是一個理想的情況，並且仍然有同樣的熱情去追求更偏向學術的道路。 粗略地說，機器學習工程師的角色包括優化性能和可擴展性的解決方案，確保數據庫和後端系統之間的功能數據流，以及實施自定義機器學習代碼。

• 統計員

雖然上述所有角色都樂於探索數據，但有一個角色在派對中表現得像濕毛巾 - 即統計學家。 這並不是說這個角色很無聊，而是因為這些人幫助公司做出超越數據的決策。 啟動您的機器學習系統比它在特定數據集中完美運行的方式更多——比如它在生產中運行時的工作方式等。這就是統計學家的技能發揮作用的地方。 當一個人沒有完全一致的所有事實時，它們有助於安全地做出決定並得出結論。

數據科學領域需要大量的“訓練和好奇心”才能在大數據中做出正確的發現。 預計到 2020 年數據將達到驚人的 40 兆字節，處理這些數據的訓練有素的專業人員肯定會短缺。 登上數據科學的列車，您可能會發現自己因運用數據的方式拯救世界而獲得了回報！