数据科学家必须具备的技能

在过去的一年中，数据科学的兴趣猛增。内特银是一个家喻户晓的名字，公司正在到处寻找独角兽，并且在许多不同学科的专业人士也开始将目光瞄准了良好的受薪行业作为一个可能的职业变动。

在这里Burtch作品我们的招聘搜索，我们已经谈过，谁正在考虑调整自己的技能，以科学数据的不断增长领域的许多分析专家，以及有关于如何这样做的问题。从我的角度作为一个招聘者，我想放在一起的技术和非技术技能，以科学的数据成功的关键列表，并在招聘经理名单的顶部。

每家公司都将珍视的技能和工具有点不同，这决不是一个详尽的清单，但如果你在这些方面的经验，你将作出强有力的理由，自己作为一个数据科学的候选人。

技术技能：分析

1.教育 –数据科学家都受过高等教育- 88％至少拥有硕士学位，46％拥有博士学位-虽然有明显的例外，一个非常强大的教育背景，通常需要开发知识所必需的是数据的深度科学家。他们的研究最常见的领域是数学与统计（32％），其次是计算机科学（19％）和工程（16％）。

2. SAS和/或R -这些分析工具中的至少一个的深入了解，对于数据科学R的通常优选的。

技术技能：计算机科学

3. Python的编码 – Python是最常用的编码语言，我通常看到所需的数据科学的角色，以及与Java，Perl或C / C ++。

4. Hadoop的平台 -虽然这并不总是必需的，它在很大程度上优选在许多情况下。具有蜂巢或猪的经验也是一个强大的卖点。熟悉云计算的工具，如亚马逊S3也可以是有益的。

5. SQL数据库/编码 -即使NoSQL的和的Hadoop已经成为数据科学的一个大的组成部分，它仍然预计考生将能够编写和SQL执行复杂查询。

6.非结构化数据 -这是至关重要的一个数据科学家能够与非结构化数据的工作，无论是从社会化媒体，视频输入或音频。

非技术技能

7.求知欲 -毫无疑问，你已经看到了这句话，最近到处，特别是因为它涉及到数据的科学家。弗兰克·劳介绍是什么意思，以及有关他的其他必要的“软技能”讲座来宾博客张贴了几个月前。

8.商业头脑 -要成为一个科学家的数据，你需要你的工作在行业有充分的了解，并了解业务问题的公司正在设法解决。在数据科学的角度，能够辨别哪些问题是重要的解决对于商家来说至关重要，除了寻找新的途径业务应充分利用其数据。

9.沟通技巧 -公司寻找一个强大的数据科学家正在寻找的人谁可以清晰流利翻译他们的技术成果，以一个非技术团队，如营销或销售部门。数据科学家必须使企业通过武装他们用量化的见解，除了要了解，以便适当地缠斗数据的非技术性同事们的需求做出决定。查看我们最近的调查闪光灯对定量专业人士沟通技巧的更多信息。

接下来的问题，我总是得到的是，“我能做些什么来发展这些技能？”目前在网络上的许多资源，但我不想给任何人错误的印象，即路径数据的科学很简单，只要服用一些MOOCs。除非你已经有一个强大的数学背景，道路成为科学家的数据将是具有挑战性的 – 但不是不可能的。

但是，如果它的东西，你在真诚的兴趣，并且对数据和终身学习的热情，不要让你的背景阻止你从追求科学的数据作为一个职业生涯。这里有一些我们认为是有帮助的资源：

资源

高级学位 -更多数据科学计划如雨后春笋般冒出来服务于目前的需求，但也有许多数学，统计学和计算机科学课程。
MOOCs – Coursera，Udacity和codeacademy的好地方开始。
认证 – KDnuggets已经编写了一个广泛的名单。
训练营 -有关如何这种方法比较学位课程或MOOCs，更多信息请查看本博客客人从数据科学家Datascope公司分析。
Kaggle – Kaggle承载数据的科学竞赛，你可以练习，磨练自己的技能与凌乱，现实世界的数据，并解决实际业务问题。用人单位采取Kaggle排名当回事，因为它们可以看作是相关的，动手的项目工作。
LinkedIn群组 -加入相关团体与数据科学界的其他成员进行互动。
数据科学中心及KDnuggets – 数据科学中心和KDnuggets是停留在对行业发展趋势的科学数据的前沿很好的资源。
该Burtch工程研究：数据科学家的薪金 -如果你正在寻找关于当前数据科学家的工资和人口统计的更多信息请务必下载我们的数据科学家的薪水研究。

我敢肯定有我可能已经错过了的物品，所以如果有一个关键的技能或资源，你觉得这是有帮助的任何数据科学的候选人，随意在下面评论中分享吧！