如今，數據科學可以說是非常熱門！想進入數據科學領域的小夥伴也越來越多，那麼如何成爲一名數據科學家呢？
在國外，有這樣一位熱心人深挖了1001個數據科學家的領英檔案，用數據告訴我們進入這個高薪有前景行業的祕密......
01 一個“普通”數據科學家是什麼樣的？
千人千面，我們無法依靠數據準確定義數據科學家該是什麼樣，但是數據卻可以勾勒出我們數據科學家的一些基本特徵。
通過樣本，我們可以看到70%的數據科學家是男性，當然這並不意味男性更適合這個行當或是更容易通過面試。
在技能方面，R和Python是他們工作中最常使用的工具。看來想成爲數據科學家，一定要掌握好Python或R。
在學歷方面，75%的數據科學家擁有碩士以上學位，其中27%擁有博士學位，也就是說PHD並不是成爲數據科學家的必要條件。
在專業方面，他們大部分都是“轉專業”人才，來自於計算機、統計和經濟相關專業，樣本中僅有13%是數據科學專業科班出生。
另外有意思的是，數據顯示樣本中的數據學家，平均每人都能說一門除英語之外的外語。
02 成爲數據科學家前，他們做什麼工作？
那麼這些數據科學家在獲得現在的工作之前他們都做什麼工作呢，讓我們來看看下面這張圖：
從上圖中我們可以看到，大部分數據科學家的前一份工作也是和數據相關的崗位。不過想轉行的同學也別灰心，總的來說數據科學領域還是非常包容的，依舊有相當可觀數量的數據科學家從IT、諮詢等領域轉行而來。
03 在哪工作最好？這些國家纔是數據科學家的天堂？
根據樣本，我們發現在美國、英國、印度工作的數據科學家最多。
在美國，超過75%的數據科學家在數據領域和科技領域工作。但在英國，數據科學家在金融領域的比例高於其他地區，這可能是因爲倫敦金融相關崗位的機會較多。
從使用技術的先進程度上來看，越是GDP高的地方，越是能在技術領域跟隨潮流。
在美國，數據科學家在工作中主要使用R、Python以及SQL，只有30%的樣本人羣使用MATLAB, SAS, SPSS。而在英國，樣本中依舊有40%的數據科學家非常依賴於其他分析工具/語言，例如 Java, C/C++, and MATLAB。在印度，SQL則是第一受歡迎的語言。
這樣的結果，很大程度上和該國數據科學人才的工作領域相關，例如在金融領域的分析往往會使用傳統的編程語言Java, C/C++，而在金融領域工作的英國數據科學家的比例恰好是最高的。
從入行速度上來看，印度和英國最快，在這兩個地區有22%的樣本人羣在入行前只有不到一年的相關經驗。不過英國高產博士，所以這些“職場新人”說不定背後論文已經發了一大堆了。
04 人均修3.3門課？他們也太愛上網課了
值得一提的是，數據科學家們還是非常熱衷自學的一批人。通過分析發現，有超過40%的數據科學家修過和數據科學相關的線上課程，且他們平均修了3.3門課，我們可以推斷有些數據科學家是線上學習的狂熱分子！
這樣的在線教育熱潮也不無道理，畢竟數據科學領域發展日新月異，新技術新架構層出不窮，是逼着人不斷學習提升的節奏！
看到這裏，你是否對進入數據科學領域充滿期待且信心滿滿了呢？
