不知道大家是否留意到，各大行業(yè)、名企都在招“數(shù)據(jù)分析師”？
近期，Linkedin在最新相關(guān)職業(yè)的調(diào)查中發(fā)現(xiàn)，機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)工程師已經(jīng)超過傳統(tǒng)軟件工程師，躍升為最高薪群體，年薪中位數(shù)高達(dá)\\\\\\\\\\\\\\\$129,000。
IBM預(yù)測(cè)：未來(lái)3年，企業(yè)對(duì)數(shù)據(jù)科學(xué)類崗位需求量將猛增28%。到2020年，所有美國(guó)數(shù)據(jù)科學(xué)類崗位數(shù)量將增加36萬(wàn)個(gè)，總數(shù)達(dá)到270萬(wàn)。
美國(guó)灣區(qū)的科技公司和紐約華爾街無(wú)疑是對(duì)這方面人才需求最迫切的地方。除此之外，機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)工程師在西雅圖、洛杉磯、華盛頓和波士頓也都炙手可熱。在各行各業(yè)的H1B審核越來(lái)越嚴(yán)格的情況下，數(shù)據(jù)科學(xué)類崗位H1B持有數(shù)呈大幅上升趨勢(shì)，同時(shí)，收入也在逐年增長(zhǎng)。
Robert Half Technology 對(duì)數(shù)據(jù)科學(xué)的評(píng)價(jià)：“Data Scientist（數(shù)據(jù)科學(xué)家）可能是你能在名片上寫下的最熱頭銜之一，并且你離硅谷越近，這個(gè)職位就越有價(jià)值。數(shù)據(jù)科學(xué)家跟麒麟一樣稀有，而且每天的工作都需要有充滿好奇心的數(shù)據(jù)奇才那樣的思維體系。
需要有廣泛的數(shù)據(jù)科技技能和處理，分析原始數(shù)據(jù)的天賦，以及用一個(gè)吸引人可信服的方式來(lái)與同伴分享自身的深刻見解。這也難怪為什么像谷歌和微軟這些公司都非常渴望像這樣的人才。”
進(jìn)入數(shù)據(jù)科學(xué)行業(yè)需要哪些知識(shí)技能？
根據(jù)2016年O’Reilly對(duì)數(shù)據(jù)科學(xué)職位薪酬的研究，所有研究對(duì)象（983個(gè)樣本：45個(gè)國(guó)家+美國(guó)45個(gè)州）的薪酬中位數(shù)是87000美元，其中，五分之三的樣本來(lái)自于美國(guó)，他們的薪酬中位數(shù)為106000美元。與美國(guó)東北部與中西部相比，西北部的薪酬中位數(shù)更高（105000美元對(duì)比98000美元），而加州擁有最高的薪酬中位數(shù)。
專業(yè)技能方面，調(diào)查顯示，Python和Spark是對(duì)薪水貢獻(xiàn)最大的兩大工具，最受歡迎的工具是Excel和SQL，接下來(lái)是R以及Python。超過90%的被調(diào)查者表示會(huì)花時(shí)間在編碼上，80%至少會(huì)Python、R以及Java中的一種，8%的人會(huì)使用全部三種語(yǔ)言。
總的來(lái)說(shuō)，影響薪酬高低的因素有很多，而能力越大相應(yīng)地也就獲得的越多。最后看兩個(gè)應(yīng)聘數(shù)據(jù)分析師的面試題目：
騰訊：『給40億個(gè)不重復(fù)的unsigned int的整數(shù)，沒排過序的，然后再給一個(gè)數(shù)，如何快速判斷這個(gè)數(shù)是否在那40億個(gè)數(shù)當(dāng)中?』
微軟：『請(qǐng)寫一個(gè)方程，優(yōu)化我們?cè)?/font> Twitter 和 Facebook 上的廣告費(fèi)用支出。』
......
所以，悄悄的告訴慧德小編，要不要讀一個(gè)悄咪咪超越了CS成為高金行業(yè)的專業(yè)呢？
哈佛大學(xué)-MSc in Data Science
世界頂級(jí)大學(xué)，美國(guó)哈佛大學(xué)（Harvard University），前一段時(shí)間新增設(shè)了一個(gè)碩士項(xiàng)目——Master of Science in Data Science，2018年秋為第一屆招生。
The Harvard Faculty of Arts and Sciences is pleased to announce the launch of a new Master of Science (SM) degree in Data Science.
數(shù)據(jù)科學(xué)專業(yè)對(duì)口的工作職位？
與 Data Science 相關(guān)的職位可能有很多種不同的叫法，不同公司根據(jù)不同的背景，有以下叫法：
Data Scientist：科技公司中用的比較多，很多要求 PhD 的學(xué)歷。
Data Analyst：金融業(yè)用的比較多。
Risk Manager / Risk Management：金融公司里用的比較多。
Business Analyst：與 Data Analyst 類似，但更加注重商業(yè)，技術(shù)方面的要求相對(duì)較低。
Data Engineer：一般是科技公司采用這個(gè)職位，偏向 CS 專業(yè)，需要負(fù)責(zé)數(shù)據(jù)存儲(chǔ)、實(shí)時(shí)處理的工作，對(duì)系統(tǒng)、programming 的要求更多。
Statistician：如 Google。偏向統(tǒng)計(jì)，要求較為深入地理解概率統(tǒng)計(jì)。
Statistic Scientist：如亞馬遜。
Research Scientist：與 Data Analyst 相關(guān)。
擇業(yè)時(shí)，有哪些公司可以選擇？
各行各業(yè)都在利用大數(shù)據(jù)來(lái)解決問題，所以有很多公司有相關(guān)職位。
科技公司：Twitter，Microsoft，BAT，搜狗，美團(tuán)，滴滴
金融公司：Capital One（從建立之初就開始用一些數(shù)據(jù)方法進(jìn)行風(fēng)險(xiǎn)控制等方面的工作），高盛，Blackrock，Hedge Fund
咨詢公司：Polunteer（幫助美國(guó)政府部門解決反恐、審查等工作），麥肯錫，IBM（傳統(tǒng)咨詢公司也慢慢轉(zhuǎn)向 data 方向）
專門做數(shù)據(jù)分析平臺(tái)的公司：Kotara，Hotten，Databreaks
其他公司：Horizon（電信），Comecrack（傳媒），消費(fèi)品公司，醫(yī)療公司
數(shù)據(jù)科學(xué)的主要工作？
分為四部分：歸納問題、準(zhǔn)備探索數(shù)據(jù)、模型訓(xùn)練檢驗(yàn)調(diào)整、報(bào)告和產(chǎn)品。
1. 歸納問題
客戶給公司的任務(wù)，或者頭頭給分析師的任務(wù)，不是一個(gè)具體的任務(wù)（用 xx 模型來(lái)做 xx 數(shù)據(jù)），而是一個(gè)具體的商業(yè)問題。比如，上個(gè)季度為什么盈利下降了。這就是一個(gè)歸納問題的環(huán)節(jié)，需要有專業(yè)知識(shí)幫助我們找到方向。
2. 準(zhǔn)備探索數(shù)據(jù)
歸納問題結(jié)束之后，會(huì)產(chǎn)生很多假設(shè)，這就需要尋找數(shù)據(jù)驗(yàn)證假設(shè)。
尋找數(shù)據(jù)一般是竭盡所能，比如收入不好與市場(chǎng)推廣有關(guān)，就會(huì)去尋找廣告商的數(shù)據(jù)。
尋找數(shù)據(jù)以后，要檢查數(shù)據(jù)質(zhì)量，是否有異動(dòng)、缺失等等。數(shù)據(jù)質(zhì)量能夠決定模型的準(zhǔn)確率。所以花在“清洗整理”數(shù)據(jù)上的時(shí)間要占到總時(shí)間的 60% 甚至更多，有時(shí)候也需要跟客戶進(jìn)行交流。
檢查完質(zhì)量以后，做一些探索性分析。
3. 模型訓(xùn)練檢驗(yàn)調(diào)整
先確定模型基本類型（回歸、聚類等），選取比較合適的模型進(jìn)行搭建，用 test 對(duì)模型進(jìn)行檢驗(yàn)。檢驗(yàn)的同時(shí)再去尋找模型最優(yōu)的參數(shù)配置，對(duì)模型進(jìn)行預(yù)測(cè)，如果預(yù)測(cè)結(jié)果很好的話，建模過程就結(jié)束了。
4. 報(bào)告和產(chǎn)品
在咨詢公司中，模型做完以后，會(huì)和客戶進(jìn)行交流，看是否符合實(shí)際。在科技公司中，模型往往會(huì)發(fā)展成一個(gè)產(chǎn)品。放在公司平臺(tái)上測(cè)試，或者發(fā)布到網(wǎng)上。
面試準(zhǔn)備
Data scientist 需要具備的能力：
1. Hacking skills（programming skills）；
2. Math and statistics knowledge；
3. Sustained expertise。
硬實(shí)力方面
數(shù)學(xué)方面的知識(shí)在各大公司，如 Google，相關(guān)職位的面試中很喜歡被提及，主要集中在概率論的基礎(chǔ)理論，比如獨(dú)立分布，隨機(jī)數(shù)等等。
有一道題供大家思考，現(xiàn)有一個(gè)隨機(jī)數(shù)生成器，等概率生成 1~4 四個(gè)數(shù)字。問如何改進(jìn)生成五個(gè)數(shù)字。這是一道與概率、工程學(xué)相關(guān)的題。
在統(tǒng)計(jì)方面涉及比較多的是 ABtest 實(shí)驗(yàn)設(shè)計(jì)理論。這個(gè)問題在做過 research 以后才會(huì)更加了解。比如要做一個(gè)藥物測(cè)試，測(cè)試其效果，就會(huì)涉及一個(gè)大樣本雙盲測(cè)試。大家就需要了解其前提假設(shè)與操作。
模型方面的內(nèi)容是重頭戲，問的比較多的是回歸分析和機(jī)器學(xué)習(xí)。根據(jù)職位不同，問的也有可能不同。比如給一個(gè)回歸模型，系數(shù)應(yīng)該如何計(jì)算，T 檢驗(yàn)是什么之類的問題。再比如，加權(quán)回歸，Principle Component Regression。
除了回歸分析，很多公司也會(huì)問關(guān)于機(jī)器學(xué)習(xí)的模型。主要會(huì)集中在問 Classification，比如 Logistic Regression 、FBM、Tree model。各自有什么特點(diǎn)，適合于哪些情景等，也會(huì)展開問。比如問 Tree model 下三個(gè)模型的異同點(diǎn)，解決的問題，適合用在怎樣的數(shù)據(jù)上面，包括模型的評(píng)價(jià)，術(shù)語(yǔ)。
很多公司要求你有一定的編程能力。希望大家在準(zhǔn)備時(shí)刷一些 lecal 的中低難度的題，高難度的不需要。C++，Python，Java 等語(yǔ)言一般都可以用，但是推薦用 Python 和 Java，尤其是 Python，因?yàn)?Python 在數(shù)據(jù)挖掘方面運(yùn)用的很多，對(duì)熟悉語(yǔ)法有幫助。也有公司會(huì)問 Pascal 和 R 語(yǔ)言的問題。
軟實(shí)力方面
如果想去金融、咨詢行業(yè)工作，一定要注重提升軟實(shí)力。
要注意三點(diǎn)。
第一，熟悉自己的簡(jiǎn)歷。在面試的一開始都會(huì)要求過簡(jiǎn)歷，或者說(shuō)一下自己 highlight 的地方。建議要熟悉自己簡(jiǎn)歷的內(nèi)容。推薦一個(gè)回答問題的 SAR 結(jié)構(gòu)，就是 Situation-Action-Result 結(jié)構(gòu)，按照這個(gè)清晰的條理來(lái)展現(xiàn)自己。
第二，準(zhǔn)備一段非常好的團(tuán)隊(duì)合作的經(jīng)歷。這在科技公司中可能要求不高，但是在金融、咨詢公司是很看重團(tuán)隊(duì)合作的，要求你有一定的 leadership。一定要體現(xiàn)你在團(tuán)隊(duì)出現(xiàn)問題的時(shí)候能冷靜面對(duì)，積極溝通的能力。
第三，在面試之前研究一下公司及所在行業(yè)。準(zhǔn)備一些聊天的話題，面試官可能把你從一個(gè)房間帶到另一個(gè)房間的路上，聊一些比較好玩的而不是老生常談的話題，這對(duì)氣氛、心態(tài)有很大的幫助。