数据科学家有哪些技能要求

数据科学家所需的技能如下：

(1) 计算机科学

一般来说，数据科学家大多要求具备编程、计算机科学相关的专业背景。简单来说，就是对处理大数据所必需的Hadoop、Mahout等大规模并行处理技术与机器学习相关的技能。

(2) 数学、统计、数据挖掘等

除了数学、统计方面的素养之外，还需要具备使用SPSS、SAS等主流统计分析软件的技能。其中，面向统计分析的开源编程语言及其运行环境“R”最近备受瞩目。R的强项不仅在于其包含了丰富的统计分析库，而且具备将结果进行可视化的高品质图表生成功能，并可以通过简单的命令来运行。此外，它还具备称为CRAN(The Comprehensive R Archive Network)的包扩展机制，通过导入扩展包就可以使用标准状态下所不支持的函数和数据集。

(3) 数据可视化(Visualization)

信息的质量很大程度上依赖于其表达方式。对数字罗列所组成的数据中所包含的意义进行分析，开发Web原型，使用外部API将图表、地图、Dashboard等其他服务统一起来，从而使分析结果可视化，这是对于数据科学家来说十分重要的技能之一。

一、一个数据科学家应该具有如下五个特质与技能：

定量分析技能——例如数学和统计技能

技术才能——例如软件工程、机器学习和编程能力

善于怀疑——每个数据科学家必须善于用批判的眼光来审视自己的工作，而不是采用片面的求同方式。如果坚信自己或者别人是对的，一定要有全面的客观依据来支持。反之亦然。

好奇与创新——数据科学家必须对数据充满激情，并找到创新的方式来解决问题和描述信息。例如对于不同的客户群，要能够运用灵活的、创新的方法，正确的为客户提出最适合的解决方案。

沟通与合作——即使具有很强的定量和工程技能也是不够的。一个数据科学项目的成败取决于团队协作。数据科学家不是关在一个屋子里独自工作的。即便大部分数据科学家都是内向的，但是他们会走出自己的圈子，与客户、项目发起人、项目干系人、其它项目相关同僚合作，并能够采用清晰的方式表达出项目中的商业价值。

二、除去上述5个特点之外，数据科学家还会非常熟练的运用下列技能：

数据获取——熟练编写代码以从传统和非传统的数据源获取数据（例如：编写代码从微博抓取并清理非结构化数据。）

数据管理——提取、转换、加载（ETL）、查询、维护从数据库、key-value存储（例如CouchDB和MongoDB），和Hadoop里的数据

数据可视化——运用静态的数据可视化工具或是交互性的数据可视化平台（例如R、Python、D3.js、Tableau、Processing和Gephi）以发现并确认数据的模式