揭秘 | 自学成一个年薪12万刀的Data Science人才仅需…（附22G Data礼包）

今日摘要

1，商科学生转Data Science能做哪些工作？

2，这些工作需要哪些技能？如何从零到一起步？

3，附Data求职重磅福利包，十分钟了解自学成初级Data Scientist的必备捷径：

DBC独家整理1000+Data面试真题&面经合集 / 10G Excel数据分析教程 / 12G SQL/R/Python/SAS/Java/SPSS教程（230节）

随着科技的飞速发展，我们已经迎来了大数据时代，大数据已经渗透到了每一个行业。高盛首席执行官表示，受到大数据和人工智能的冲击，高盛原有的600名交易员骤减至2人，然而高盛现在却拥有9000名计算机工程师，占到了员工总数的25%。

而早在2011年麦肯锡就预测到，2018年全世界对数据人才的需求量会达到50%。结合当下“求职难”的情况来看，Data Science对商科留学生来讲是非常值得考虑的选择。

商科留学生转Data Science能做哪些工作？

Data Science 的职位可以分为：

除了最适合商科学生的Data Analyst
还有Data Scientist
以及Data Engineer
Data Architect
Data Administrator
Business Analyst
Data/Analytics Manager
Business Intelligence Manager

Data Scientist

这个职位更经常存在于IT部门，或者干脆自己组成一个部门。职责是解决一切Data Analyst解决不了的比较复杂的问题。且他们通常是不需要负责定期出报告来分析季度数据的。

核心使命：为公司决策提供服务；主要工作：从Business部门那里收集有趣的/亟待解决的问题。采用科学方法、运用数据挖掘工具对复杂多量的数据进行数字化重现与认识，并据此寻找新的想法的专家。与传统数量分析师相比，他们更多通过关注面向用户的数据来创造不同特性的产品和流程，为客户提供有意义的增值服务。

要求掌握的技能包括Python、SQL、SAS、Spark、机器学习算法等。

图片来源：Google

Data Engineer

Data Engineer所做的一切都为了Data Management，具体内容包括数据模型、数据架构、数据标准、元数据、主数据、数据治理、数据管控等等。

Data Enginner的目标是把数据整好，存储成本低，查询效率高，至于怎么使用这些数据不是他们关心的范畴。

主要负责：database architecture，data modeling，data quality check, data cleaning, data enrichment/transformation(aggregation, join...) 等等后端的工作。

种类众多，其中机器学习工程师、数据库开发师是两个典型例子。

机器学习工程师 (Machine Learning Engineer)的核心技能——机器学习，是最近几年非常热门的一项新技术。因此，在未来的几年里，机器学习将会是一个非常有前景的职业方向。其职责包括数据清理、数据分析、模型构建、预测评估及可视化呈现。要求熟练掌握Python、Java等编程语言，熟悉Hive、Storm、Spark等开源平台，熟悉常用的机器学习算法，如随机森林、神经网络、聚类，熟悉图像识别、优化器比较、模型压缩技术等。

数据库开发师 (Database Developer) 是从事数据库管理系统和数据库应用软件设计研发的相关工作人员的统称，他属于软件研发工程师，但又有一部分运维工作的内容。其职责主要包括软件研发以及数据库生产环境的问题优化和解决，熟练掌握Python、C/C++、Java等，了解主流的框架、库使用和原理、计算机数据结构和算法设计，熟练掌握Linux、Web server、数据库、缓存相关技术的使用，掌握数据库基本原理和知识，熟悉SQL语法规则和特点等。

图片来源：Google

Data Analyst

Data Analyst偏重于将分析和商业运用相结合，分析只是一个手段和途径，更加重要的是将分析的结果转化为切实可行且能有所成效的商业方案。其核心使命是为公司决策提供服务，因此数据分析师的基本要求是懂企业的业务和数据，具备写报告的能力，考验的一方面是数据分析水平和业务能力，另一方面是沟通能力、理解能力和表达能力。

类似职位的面试有些类似于，基于技术面试题基础上的咨询类型的Case Study。从分析中找到可能存在的风险，并提出解决方案比起完美的Code有时候更加重要。更加适合非技术出身的求职者。

但是同样是做Data Analyst的工作，在不同的公司，要求的技能和工作的内容会很不一样。

微软Online Service Division有跟Marketing更接近的Data Scientist，也有很多学统计或者IE出身的Applied Scientist做randomized controlled experiment；
LinkedIn、Facebook的data scientist感觉要求Java编程技术熟练，可能学Computer Science出身的最适合；
Insurance行业招的是Predictive Modeler，他们的总体目标就是要基于数据，预测在不同客户身上收多少保险费能最大化收益、optimize profits，所有相关专业的它们都考虑。

所以在求职阶段，要根据自身的特长和喜好选择对应公司的Analyst Team；而在求学阶段，更要提早准备好自己的职业发展目标，去有针对性的学习Data的相关专业知识。