『前言』
在过去的几年里，随着大数据的迅速发展，几乎各行各业的企业都在投资以数据驱动运作、并获得更大利益的方式，因此，就业市场对数据技术与数据科学的人才需求也急剧上涨。
数据科学家连续三年被Glassdoor列为美国排名第一的最佳工作者，且空缺岗位在这两年呈现上涨趋势。根据Datajobs调查指出，没有经验的数据分析师年薪可以开到5万~7万5美元，如果升级到数据科学家，年薪则高达17万美金。
谷歌首席经济学家&加州大学伯克利分校教授哈尔瓦里安则直接指出：
能够获取数据，能够理解数据，处理数据，从中提取价值，可视化数据，进行沟通。这将成为未来几十年非常重要的技能。
本篇，SeeU君就为大家解读新领域新技能——数据科学，来，往下看。
数据科学是什么？
数据科学（Data Science）又称资料科学，是一门利用数据学习知识的学科，其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术，包括应用数学，统计，模式识别，机器学习，数据可视化，数据仓库，以及高性能计算。
NYU官网显示，当前数据科学的主要研究内容分以下三类：
1.Predictive Analytics：分析数据来预测未来可能发生的事情。
2.Descriptive Analytics：分析数据找出过去事件的特征和正在发生事件的趋势。
3.Prescriptive Analytics：分析数据来找出最佳措施、取得最优化的结果。
有哪些岗位可选择？
根据数据科学研究内容，以及Glassdoor上4,500岗位分布，具体分为以下几类：
01数据科学家
数据科学家研究：需要回答哪些问题以及在哪里找到相关数据。他们具有商业头脑和分析技能，以及挖掘，清理和呈现数据的能力。企业使用数据科学家来获取、管理和分析大量非结构化数据，而后综合结果并传达给关键利益相关者，以推动组织的战略决策。
02数据分析师
数据分析师弥合了数据科学家和业务分析师之间的差距，向他们提供需要从组织回答的问题，然后组织、分析数据，以找到符合高级业务战略的结果。数据分析师负责将技术分析转化为定性行动项目，并有效地将他们的发现传达给不同的利益相关者。
03数据工程师
数据工程师管理指数级的快速变化的数据，专注于数据管道和基础设施的开发、部署、管理和优化，以便将数据转换并传输给数据科学家进行查询。
从事数据科学岗位需要什么能力？
1. 技术能力
• 数学（例如线性代数，微积分和概率）
• 统计（例如假设检验和汇总统计）
• 机器学习工具和技术（例如k-最近邻，随机森林，集合方法等）
• 软件工程技能（例如分布式计算，算法和数据结构）
• 数据挖掘
• 数据清理和修改
• 数据可视化（例如ggplot和d3.js）和报告技术
• 非结构化数据技术
• R和/或SAS语言
• SQL数据库和数据库查询语言
• Python（最常见），C / C Java，Perl
• 大数据平台，如Hadoop，Hive＆Pig
• 像Amazon S3这样的云工具
2. 商业技能
• 解决问题：明确重要的事情，接近高层挑战；采用正确的方法/方法，以最大限度地利用时间和人力资源。
• 有效沟通：面向技术和非技术受众， 以他们能够理解的语言，详细介绍技术和发现。
• 行业知识：了解所选行业的运作方式，以及如何收集、分析和利用数据。
对应这些能力，你可以选择对应的课程，也可以看看自己适不适合从事数据岗位哦。
薪酬待遇
数据科学专业人员因其高技术技能而获得奖励，他们在大多数行业的大小公司都能获得有竞争力的薪酬和良好的工作机会。
以下是不同级别的职位，及对应的平均基本年薪：
可以看到，从数据分析师开始，进阶到数据科学家，薪资是翻番的。
总体来说，SeeU君认为，数据分析是一个有发展潜力的方向，有兴趣的同学可以参考技能模块进行学习~
欢迎大家转发 评论哦
关注我了解更多干货内容，在美求职。
,
