大數據應用愈來愈普及，有更多企業對數據分析專員有更大需求。根據此等走勢，在未來十年內「數據科學家」將成為十分有競爭力的人材。你想成為數據科學家嗎？在成為一個數據科學家前，原來有不少需求。
數據科學家將變得十分搶手
你是否擅長數學？如果你的答案「是」的話，那麼你就可以想想成為數據科學家。LinkedIn 指出：「統計分析和數據發掘」是 2014 年最炙手可熱的技能。
Glassdoor 報告顯示，一個數據科學家平均年薪是 118,709 美元，遠比程式員的 64,537 美元為多。McKinsey 預計於 2018 年，在美國會需要大約 140,000 到 190,000 位數據分析專家，屆時所有人都會明白到分析師和大數據應用上是如此有用。
紐約大學（NYU）管理總裁 Roy Lowrence 認為數據科學方面專材不斷澎漲：「紐約大學會在未來幾年把數據科學計劃的學位，從每年 40 個增加到 60 個，現時距離學期完結還有五個月才完結，已有 50% 到 75% 的學生得到企業聘用。」可見此方面專材十分搶手。
數據令所有事物更準確
為何數據專材突然這樣受歡迎？科技公司如 Google、Amazon、Netflix 和 Uber 已有數據科學團隊，他們開始為非科技企業提供服務，如 Neiman、Marcus、Walmart、Clorox 及 Gap 。這些公司都需求數據科技人材。
這個專業為業界提供了新願景，發掘新資訊能為企業開源，找尋另類收入。IBM 大數據分析部門副總裁 Anjul Bhambhri 認為數據令所有事物更準確，如透過大數據分析能預計哪飛機引擎需要維修，準確性達 97% 。
IBM 剛在上月發表了免費增值軟件－以雲端為基礎的 Watson 分析計劃，企業可以此為借鏡，大部分數據科學家應製造自家軟件，以分析沒有結構的數據，因此這成為了大眾需求的技能，亦是他們價值所在。
如何晉身成為數據科學家
Roy Lowrance 指出數據科學家有三個技能需求：數學 / 統計學、電腦知識及企業知識。NYU 計劃教導學生在以上三方面成為專才，當學生畢業後在各方面都會有一定知識，能夠獨立處理各種數據：「當在做數據科學計劃的作業時，他們需要處理多方面的工作。」
不是所有人都能在大學裡學習而成為數據科學家。一所名為 Metis 的企業，創辦人為 Jason Moss ，在去年九月提供了 12 週數據科學訓練營，地點在紐約，學費為 14,000 美元，而入學要求十分嚴格，有半數學員都擁有碩士學位或 PhD 學位。
完成這課程的確會令自身大幅增值，十二月初，這課程剛完結時，15 位學員中已有 6 位學員得到聘用。
Jason Moss 認為這計劃並非要取代學院：「我覺得學院不是令你較快得到工作。我也不相信你需要到學院入讀才能成為一個成功數據科學家。這是個人性格問題，有天份、好奇的、有決心的及喜歡探索到底的人會較有優勢，這些特質是成為數據科學家重要基礎。
Lowrance 認為訓練營和網上課程對學員在一些技能在很有幫助，但在其他方面未必能補足。
獨立數據科學家及顧問 Anmol Rajpurohit 認為快速學習者是最重要的能力，他道：「通用的程式技能比只懂得專一程式語言更重要，生活在發展千里的科技世界裡，我們可看到電腦語言轉變得很快，新語言也會快速冒起。只有能快速學習的人才能成為專家。」
數據科學家的工作
數據科學家 Jon Greenberg 說：「我每天都管理一系列儀表板，向公司報告我的業務，用家要求做甚麼。」
Greenberg 是遊戲公司 PlayStudio 的經理，他毋須經常編制程序，但他也有一定工作量。通常他把數據從 Apache Hadoop 拉下來，在 Revolution R 裡運行一個分析平台。「這可能是一個碎片，這會互動成為新功能。」他解釋。
Greenberg 在 6 年前已擁有碩士課程，他期望到政府裡打工，但後來公眾對數據科學家有如此高的需求而感到驚訝。「從前這一定不是一個熱門工作，我以前是這樣想的。現在我常常都收到獵頭公司聯絡，他們常常都希望幫這方面人材跳槽。」
對於 Greenberg 來說，工作條件不是最重要，但他喜愛自己的工作。「我在想，你需要有分析的能力，你需要好奇、你需要靈活和創意思想，有不同方法處理才能解決問題。這些都只是工作的一部分，我花最多時間在清除數據，移除一些無關的探索。這部分工作會沉悶，但你必須要在此花很多時間。」
Anmol Rajpurohit 指出，他不但花很多時間在清除數據，還有很多調查工作。「我在調查裡用了最多時間，因為我不時找到新問題，而且我要在特定項目裡研究最新的調查背景，或者在那些特定題目裡尋求專家意見。除了以科學家為名，數據科學家包含了藝術和科學。科學部分十分明顯，數學、程式等技能；而藝術部分同樣重要，包括了創意、深入上下文了解等。能夠處理以上兩部分才算是好的疑難排解專家。」
Rajpurohit 也明白在這行業並不是有如此大的魅力，這行業需要人們在各行各業裡得到有效證明，但那兒並沒有太多令人覺得刺激的工作，每天都未必能如此多姿多彩。
你適合嗎？
如果你認為每天花很多時間在程式和分析儀器，以找到相關資料，那麼你適合成為電腦科學家。如果你只因薪金才有動力，那麼數據科學這行並不適合你。思考一下，人們在此行業不時花很多空餘時間寫程式和分析數據，都是為了自己開心。
一位數據科學家招聘者 Adam Fludel 指出：「我有位學生是個 PhD ，目前他在 EA Games 裡工作，他很開心，能夠有自由時間裡玩遊戲。他參與了一個多人連線遊戲， World of Tank ，帶領著一個遊戲隊伍，他從遊戲伺服器裡創造了很多數據和運行分析，評估了整個隊伍的表現。他用這些分析調整了戰術，有哪類型玩家他應該要招募等。」
他續道：「如果你不喜歡以此方式使用數據，那麼你並不是此行業的候選人，任何人都應該學習喜歡數據，這是為了他們的事業。十年內，如果你不能把數據應用得出神入化，那麼你就很難有晉升機會。」
大家可以看看 Steve Jobs 和 Bill Gates 的特質，他們如此成功不是因為天資過人，而是眼光獨到。各位可想想未來十年的願景是甚麼。
Source: Mashable
