如何成为一个数据科学家

bree是数据工程师，给我们组各个同学修了2年的电脑，是我觉得是我们组最聪明的小同学（我真不怕得罪人啊）。你觉得工程师不会画图？那就错了！他自学了一天PS，然后图就花成这样了....

TypeA 数据科学家：

偏Analysis，一切为数据驱动的决策服务。主要的工作是在清理数据，做分析，找Insight，做Report 等等。可以说是某类升级版的Analyst 或者BD。

一方面这意味着对你的你要求跟做BD 或 Analyst的要求一样甚至更高，对市场了解如何？对行业了解如何？对公司运作了解如何？而所谓 MachineLearning 等工具只是技术与手段，能够帮助更好地解决问题，但是问题有哪些，才是根本的问题。

另一方面传统Analyst 不足的地方在于随着数据越来越大，越来越复杂，如果要更快更准，需要使用更好的模型（机器学习等），在更原始的数据中探索与分析，不能只等待其他人把数据都处理好。因此需要更强的数据处理、分析能力和对于新模型、工具的掌握和理解。

往这个方向发展，要补齐Marketing、Business、Finance、Operation等知识，同时掌握各种机器学习的算法与工具。

TypeB 数据科学家：

偏Research & Product，在算法即产品的职责下让算法能够与产紧密结合，甚至主导算法驱动的产品。主要的工作是把算法从Research 做到Product。

一方面要对各类机器学习的算法了解足够深刻，了解各种机器学习算法的常见应用（NLP，CV，Recommendation，IR，etc.）。同时对工程要求更高，毕竟做Prototype 和上Production 是完全不一样的。

另一方面要对产品的需求有更深层次的理解，以及了解公司的业务逻辑，因为随着不少算法的成熟，产品的需求已经不仅仅来自于product-market-fit，而是来自于算法本身的进步，因此能够把成熟的算法推向产品是非常重要的能力。

往这个方向发展，Coding的要求与所有通用 SoftwareEngineering 的要求一样，该修 CS课可能一样都不能少，同时要能了解公司的业务逻辑，更好地推动产品的上线，让不可能变成可能。