最近有許多人聯(lián)系我（大部分都是通過領(lǐng)英）尋求著手?jǐn)?shù)據(jù)科學(xué)和/或大數(shù)據(jù)的建議。這些人普遍對(duì)切入這個(gè)“領(lǐng)域”感興趣，并且需要些關(guān)于如何切入方面的指導(dǎo)。

然而，我懷著極大的尊重來說這個(gè)話，這些請(qǐng)求的中心含義體現(xiàn)出請(qǐng)求者對(duì)自己所要求的事情其實(shí)并不理解。是的，不論在學(xué)習(xí)什么，每個(gè)人都需要從某個(gè)地方開始。我不會(huì)再一個(gè)個(gè)去回答這些相似的問題，這篇文章會(huì)列出和數(shù)據(jù)科學(xué)和/或大數(shù)據(jù)職業(yè)道路相關(guān)的一些基本的概念，并且，很希望提供一點(diǎn)如何切實(shí)參與到這個(gè)復(fù)雜領(lǐng)域的建議。

預(yù)備閱讀

▼

在我們繼續(xù)深入之前，讀一讀這些文章。我是說真的，讀，這些，文章。

解析數(shù)據(jù)科學(xué)謎題

（http://www.kdnuggets.com/2016/03/data-science-puzzle-explained.html）

再析數(shù)據(jù)科學(xué)謎題

（http://www.kdnuggets.com/2017/01/data-science-puzzle-revisited.html）

解析數(shù)據(jù)科學(xué)和大數(shù)據(jù)

（http://www.kdnuggets.com/2016/11/big-data-data-science-explained.html）

預(yù)測(cè)性科學(xué) VS 數(shù)據(jù)科學(xué)

（http://www.kdnuggets.com/2016/11/predictive-science-vs-data-science.html）

第一篇文章概覽數(shù)據(jù)科學(xué)中一些最主要的概念，而第二篇文章則是今年早些時(shí)候?qū)@些概念的更新。第三篇文章更深入地解析了數(shù)據(jù)科學(xué)和大數(shù)據(jù)之中的概念。最后一篇文章對(duì)比了一些其他術(shù)語，對(duì)“數(shù)據(jù)科學(xué)”這個(gè)術(shù)語的復(fù)雜性和微妙性進(jìn)行了簡(jiǎn)短的探討。

我將眾多的職業(yè)可能性拆分成五條能夠輕松掌控的道路。雖然可能有很多人強(qiáng)烈反對(duì)這種角色劃分并且因此感到恐慌，但它確實(shí)對(duì)技能和職業(yè)責(zé)任進(jìn)行了高度的分類。因此，我相信接下來的內(nèi)容能有效地幫助新來者在這個(gè)專業(yè)領(lǐng)域中所存在的令人混淆和迷惑的無數(shù)機(jī)會(huì)之中確認(rèn)方向。

數(shù)據(jù)管理專員

這本質(zhì)上是一個(gè)IT職業(yè)，類似于數(shù)據(jù)庫(kù)管理員。數(shù)據(jù)管理專員被認(rèn)為和管理數(shù)據(jù)以及支持?jǐn)?shù)據(jù)管理的設(shè)施有關(guān)。這個(gè)職位和數(shù)據(jù)分析只有很少關(guān)聯(lián)，也類似Python和R語言的使用也不是很必要?？赡軙?huì)用到SQL語言，以及和Hadoop相關(guān)的查詢語言，比如Hive和Pig。

關(guān)鍵技術(shù)以及需要關(guān)注的技能：

Apache Hadoop和它的生態(tài)系統(tǒng)

Apache Spark和它的生態(tài)系統(tǒng)

SQL以及關(guān)系數(shù)據(jù)庫(kù)

NoSQL數(shù)據(jù)庫(kù)

延伸閱讀：

解析大數(shù)據(jù)關(guān)鍵術(shù)語

（http://www.kdnuggets.com/2016/08/big-data-key-terms-explained.html）

解析數(shù)據(jù)庫(kù)關(guān)鍵術(shù)

（http://www.kdnuggets.com/2016/07/database-key-terms-explained.html）

解析Hadoop關(guān)鍵術(shù)語

（http://www.kdnuggets.com/2016/05/hadoop-key-terms-explained.html）

解析Apache Spark關(guān)鍵術(shù)語

（http://www.kdnuggets.com/2016/06/spark-key-terms-explained.html）

解析云計(jì)算關(guān)鍵術(shù)語

（http://www.kdnuggets.com/2016/06/cloud-computing-key-terms-explained.html）

七步理解NoSQL數(shù)據(jù)庫(kù)（http://www.kdnuggets.com/2016/07/seven-steps-understanding-nosql-databases.html）

七步掌握數(shù)據(jù)科學(xué)所需的SQL

（http://www.kdnuggets.com/2016/06/seven-steps-mastering-sql-data-science.html）

數(shù)據(jù)工程師

這是一條非分析大數(shù)據(jù)職業(yè)道路。記得在剛剛的職業(yè)道路之中提到的數(shù)據(jù)設(shè)施嗎？是的，它們需要被設(shè)計(jì)和執(zhí)行，數(shù)據(jù)工程師就承擔(dān)了這部分工作。如果說數(shù)據(jù)管理專員是汽車修理師，那么數(shù)據(jù)工程師就是汽車工程師。不過不要搞錯(cuò)了，這兩個(gè)角色都對(duì)你的汽車的行駛和持續(xù)工作至關(guān)重要，對(duì)你從A點(diǎn)駕駛到B點(diǎn)同樣重要。

說句實(shí)話，數(shù)據(jù)工程師和數(shù)據(jù)管理專員所需要的技術(shù)和技能是相似的，然而，他們各自在不同的層次理解和使用同樣的概念。我不會(huì)重復(fù)之前一種職業(yè)中所提到的那些信息（所有這些信息對(duì)數(shù)據(jù)工程師都很重要），但我會(huì)專門給數(shù)據(jù)工程師補(bǔ)充延伸閱讀的清單。

延伸閱讀：

頂級(jí)NoSQL數(shù)據(jù)庫(kù)引擎

（http://www.kdnuggets.com/2016/06/top-nosql-database-engines.html）

頂級(jí)大數(shù)據(jù)處理框架

（http://www.kdnuggets.com/2016/03/top-big-data-processing-frameworks.html）

頂級(jí)Spark系統(tǒng)環(huán)境項(xiàng)

（http://www.kdnuggets.com/2016/03/top-spark-ecosystem-projects.html）

Hadoop和大數(shù)據(jù)：對(duì)于前六大問題的回答

（http://www.kdnuggets.com/2016/01/hadoop-and-big-data-questions.html）

為什么數(shù)據(jù)科學(xué)家和數(shù)據(jù)工程師需要理解云中的虛擬化

（http://www.kdnuggets.com/2017/01/data-scientist-engineer-understand-virtualization-cloud.html）

商業(yè)分析師

在本文里，商業(yè)分析師指的是與數(shù)據(jù)分析和數(shù)據(jù)呈現(xiàn)緊密相關(guān)的角色。包括報(bào)告，儀表板和任何被稱為“商業(yè)智能”的東西。 這種角色通常要求與關(guān)系數(shù)據(jù)庫(kù)和非關(guān)系數(shù)據(jù)庫(kù)以及大數(shù)據(jù)框架的交互（或查詢）。

雖然前兩種角色與設(shè)計(jì)基礎(chǔ)設(shè)施來管理數(shù)據(jù)以及實(shí)際管理數(shù)據(jù)有關(guān)，但商業(yè)分析師主要關(guān)注從那些或多或少存在的數(shù)據(jù)中提取信息。 這與以下兩個(gè)角色（機(jī)器學(xué)習(xí)研究者/從業(yè)者和以數(shù)據(jù)為導(dǎo)向的專業(yè)人員）形成對(duì)比，兩者都側(cè)重于從數(shù)據(jù)或數(shù)據(jù)以外已知的一些表面信息中獲得洞察力。 因此，商業(yè)分析師需要在所呈現(xiàn)的這些角色中具有獨(dú)特的技能。

關(guān)鍵技術(shù)以及需要關(guān)注的技能：

SQL和關(guān)系型數(shù)據(jù)庫(kù)

NoSQL數(shù)據(jù)庫(kù)

經(jīng)常會(huì)用到商業(yè)報(bào)告和儀表盤封裝技術(shù)

報(bào)告從本質(zhì)來講是沒有固定模式的，快速掌握工具的使用是關(guān)鍵

數(shù)據(jù)倉(cāng)庫(kù)

延伸閱讀：

2016年人工智能的10大趨勢(shì)

（http://www.kdnuggets.com/2015/12/10-business-intelligence-trends-2016.html）

嵌入式分析：人工智能的未來

（http://www.kdnuggets.com/2016/09/embedded-analytics-future-business-intelligence.html）

自建還是購(gòu)買–分析表盤（可視化分析）

（http://www.kdnuggets.com/2016/07/build-buy-analytics-dashboards.html）

機(jī)器學(xué)習(xí)研究員/從業(yè)者

機(jī)器學(xué)習(xí)研究人員和從業(yè)者指的是那些制作和使用預(yù)測(cè)和相關(guān)工具進(jìn)行數(shù)據(jù)利用的人。 機(jī)器學(xué)習(xí)算法允許以較高的速度應(yīng)用統(tǒng)計(jì)分析，并且那些操作這些算法的人不滿足于讓數(shù)據(jù)以其當(dāng)前形式呈現(xiàn)出來。 數(shù)據(jù)詢問是機(jī)器學(xué)習(xí)愛好者的工作方式，但是具有足夠的統(tǒng)計(jì)理解才能知道何時(shí)推進(jìn)的足夠遠(yuǎn)，以及什么時(shí)候提供的答案不可信。

統(tǒng)計(jì)和編程是機(jī)器學(xué)習(xí)研究者和實(shí)踐者最大的財(cái)富。

關(guān)鍵技術(shù)以及需要關(guān)注的技能：

統(tǒng)計(jì)學(xué)！

代數(shù)與演算（從業(yè)者的中級(jí)水平，研究員的高級(jí)水平）

編程技能：Python，C ++或其他一些通用語言

學(xué)習(xí)理論（從業(yè)者的中級(jí)，研究員的高級(jí)水平）

理解機(jī)器學(xué)習(xí)算法的內(nèi)部工作原理（算法越多越好，理解越深越好?。?/p>

延伸閱讀：

機(jī)器學(xué)習(xí)與統(tǒng)計(jì)學(xué)

（http://www.kdnuggets.com/2016/11/machine-learning-vs-statistics.html）

解析機(jī)器學(xué)習(xí)關(guān)鍵術(shù)語（http://www.kdnuggets.com/2016/05/machine-learning-key-terms-explained.html）

用Python7步掌握機(jī)器學(xué)習(xí)

（http://www.kdnuggets.com/2015/11/seven-steps-machine-learning-python.html）

進(jìn)入機(jī)器學(xué)習(xí)生涯之前必讀的5本書

（http://www.kdnuggets.com/2016/10/5-free-ebooks-machine-learning-career.html）

機(jī)器學(xué)習(xí)算法：簡(jiǎn)短技術(shù)概述

（https://www.linkedin.com/pulse/machine-learning-algorithms-concise-technical-overview-matthew-mayo）

機(jī)器學(xué)習(xí)工程師需要知道的10中算法

（http://www.kdnuggets.com/2016/08/10-algorithms-machine-learning-engineers.html）

算法教程綜述

（http://www.kdnuggets.com/2016/09/great-algorithm-tutorial-roundup.html）

10種數(shù)據(jù)挖掘算法

（http://www.kdnuggets.com/2015/05/top-10-data-mining-algorithms-explained.html）

數(shù)據(jù)科學(xué)的15堂數(shù)學(xué)慕課

（http://www.kdnuggets.com/2015/09/15-math-mooc-data-science.html）

數(shù)據(jù)導(dǎo)向?qū)I(yè)人員

對(duì)于可以被稱為“真正的”數(shù)據(jù)科學(xué)家，這是我可以想出的最好的描述。你知道，獨(dú)角獸。除了，沒有獨(dú)角獸，說不同的話的人都是在撒謊。

數(shù)據(jù)管理專業(yè)人員和數(shù)據(jù)工程師關(guān)注數(shù)據(jù)的基礎(chǔ)設(shè)施。商業(yè)分析人員關(guān)注從數(shù)據(jù)中提取事實(shí)。機(jī)器學(xué)習(xí)研究者和從業(yè)者關(guān)注推進(jìn)和使用相關(guān)工具，以利用數(shù)據(jù)來進(jìn)行預(yù)測(cè)和相關(guān)分析。這兩種角色都是基于算法（開發(fā)或利用或兩者兼具）。數(shù)據(jù)導(dǎo)向的專業(yè)人員主要關(guān)注數(shù)據(jù)本身以及它可以告訴的事實(shí)，并不涉及執(zhí)行任務(wù)時(shí)所需要的技術(shù)或工具。

面向數(shù)據(jù)的專業(yè)人員可能使用上面任何角色中列出的任何技術(shù)，這取決于他們的具體職責(zé)。這是與“數(shù)據(jù)科學(xué)”有關(guān)的最大的問題之一;該術(shù)語并沒有什么具體的實(shí)際意義，但在整體上又包括了一切。這個(gè)角色是就像是數(shù)據(jù)世界的萬金油：（可能）知道如何讓一個(gè)Hadoop生態(tài)系統(tǒng)建立和運(yùn)行；如何對(duì)存儲(chǔ)在其中的數(shù)據(jù)執(zhí)行查詢;如何抽取數(shù)據(jù)，并且載入到非關(guān)系型數(shù)據(jù)庫(kù);如何獲取非關(guān)系型數(shù)據(jù)并將其提取到平面文件（ flat file）；如何在R或Python語言中辨別這個(gè)數(shù)據(jù);如何在進(jìn)行初步探索性描述分析后設(shè)計(jì)特征；如何選擇適當(dāng)?shù)臋C(jī)器學(xué)習(xí)算法來對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)分析；如何統(tǒng)計(jì)分析所述預(yù)測(cè)任務(wù)的結(jié)果；如何將結(jié)果可視化，以方便非技術(shù)人員使用；如何用剛剛描述的數(shù)據(jù)處理流水線的最終結(jié)果告訴管理人員一個(gè)令人信服的事實(shí)。

這只是數(shù)據(jù)科學(xué)家可能擁有的一些技能。然而，無論如何，這個(gè)角色的重點(diǎn)是數(shù)據(jù)，以及從數(shù)據(jù)中可以得到什么。同時(shí)，在這一個(gè)角色中，專業(yè)知識(shí)占很大的分量，這顯然不是這里可以教授的。

關(guān)鍵技術(shù)以及需要關(guān)注的技能：

統(tǒng)計(jì)學(xué)

編程語言：Python, R, SQL

數(shù)據(jù)可視化

溝通能力

延伸閱讀：

R語言學(xué)習(xí)路線：7步教你從菜鳥到專家

（http://www.kdnuggets.com/2016/03/datacamp-r-learning-path-7-steps.html）

數(shù)據(jù)科學(xué)入門：講給初學(xué)者的基本概念

（https://www.linkedin.com/pulse/data-science-primer-basic-concepts-beginners-matthew-mayo）

數(shù)據(jù)科學(xué)統(tǒng)計(jì)101

（http://www.kdnuggets.com/2016/07/data-science-statistics-101.html）

要在數(shù)據(jù)科學(xué)中做到卓越需要什么樣的統(tǒng)計(jì)話題？

（http://www.kdnuggets.com/2016/08/statistics-topics-needed-excelling-data-science.html）

數(shù)據(jù)科學(xué)家使用的頂尖算法和方法

（http://www.kdnuggets.com/2016/09/poll-algorithms-used-data-scientists.html）

作為一篇介紹性文章，我有意地忽略了物聯(lián)網(wǎng)。原因有以下兩個(gè)：第一，我不想為試圖吸取所有這些新信息的人增加困惑；第二，物聯(lián)網(wǎng)只是一個(gè)特殊的數(shù)據(jù)情況?？赡苓M(jìn)行一些改進(jìn)，這些角色都可以適用于物聯(lián)網(wǎng)數(shù)據(jù)。但本質(zhì)來講還是一樣的。

我希望這個(gè)介紹能夠?qū)δ切┫胍獜氖?ldquo;數(shù)據(jù)科學(xué)”或“大數(shù)據(jù)”行業(yè)但不知從哪里或者怎樣開始的人們有所幫助。 請(qǐng)記住，對(duì)于文章中所提到的任何角色。這里的介紹都不能包羅萬象。 但是，對(duì)于對(duì)數(shù)據(jù)專業(yè)了解不多的人來講，這是一個(gè)很好的起點(diǎn)。

如果你對(duì)這個(gè)話題的不同看法感興趣，可以讀一讀Zachary Lipton的Will the Real Data Scientists Please Stand Up（http://www.kdnuggets.com/2015/05/data-science-machine-learning-scientist-definition-jargon.html）?

注：本文由 數(shù)據(jù)派 投稿數(shù)據(jù)猿發(fā)布。

歡迎更多大數(shù)據(jù)企業(yè)、愛好者投稿數(shù)據(jù)猿，來稿請(qǐng)直接投遞至：tougao@datayuan.cn

來源：數(shù)據(jù)猿