早在2012年，HBR将“数据科学家”命名为“本世纪最性感的工作”。但数据科学究竟需要什么呢？ 更重要的是，你如何获得将自己称为数据科学家的技能？
什么是数据科学？
曾几何时，数据科学家大多在学术领域。 现在，随着大数据收集的高潮和分析的需要，数据科学家已经成为各种大小公司和行业的高需求。
数据科学作为一门专业，在数学，统计和计算机编程中融合了一系列技能。 这是一个由男性主导的行业，数据科学领域的女性估计约为10％。
根据Glassdoor的数据，科学家的平均工资是113,436美元。 仅仅看补偿，数据科学比其他类似的职业更具吸引力。
技能需要成为数据科学家
像所有的工作一样，填补数据科学职位所需的具体技能取决于个别公司。
但是某些技能组合/软件工具仍然保持一致。
- 统计编程语言 ，如R和SAS
- 数据库查询语言，如SQL
- 基本统计数据，如统计检验，分布，最大似然估计量等
- 机器学习方法，如k-最近邻居，随机森林，集合方法等。
- 多变量微积分和线性代数
- 数据记录和开发数据驱动的新产品
- 熟悉Hadoop平台
- 可视化工具，如Flare，HighCharts或AmCharts
如何成为数据科学家
如今，成为数据科学家有三种可行的选择：
- 通过Udacity等项目自学
- 参加数据科学新兵训练营
- 去研究生院攻读硕士学位
当然，每种方法都有优点和缺点。
自习
优点：
- 方便：可以在任何环境和任何速度下在您自己的时间完成
- 经济实惠：可以从0-600美元的任何地方。
- 节省时间：在线课程可在8-18个月内完成。
缺点：
- 完成后才能收到证书
- 没有同行或老师对学生的参与
- 找工作没有帮助
数据科学新兵训练营
优点：
- 小时间承诺：可以在6周到3个月内完成
- 相对可承受的，至少与获得硕士学位相比（新兵训练营范围从免费 - $ 16,000）
- 适合那些希望迅速改变职业生涯的人
- 完成后，许多新手训练营在求职过程中提供帮助
缺点：
- 只获得项目组合 - 没有“真正的”工作经验
- 在很短的时间内学习很多东西
- 每周工作时间可达40小时（不像自学时间，你可以按自己的速度进行工作，而且仍然可以兼职/全职工作）
硕士
优点：
- 文凭完成后
- 结构化学习与专业训练的教师
- 真实世界的经验：许多计划包括实习，这将增加经验和知识
- 充足的时间学习和吸收所有的信息
缺点：
- 昂贵：可能花费在2万美元至7万美元之间 - 不包括生活费用
- 耗时：也可以采取最长时间（9-20个月）