京公网安备 11010802034615号
经营许可证编号:京B2-20210330
网络安全顾问斯特凡·马拉杰。
作为数据科学家,我们有时会有点过于…科学地看待事物。虽然数据科学家的核心技能与以往基本相同--统计学、数学和逻辑学--但总有新的技能出现。有时,这些与计算机编程的新范式或新的统计技术有关。
在今天的商业环境中,对于数据科学家来说,这些新兴技能中最重要的是软技能。尽管老派程序员告诉你什么,但事实是,今天没有人,包括数据科学家,可以忽视这些技能。它们不仅使团队合作更加有效,而且还能促进你的职业生涯。
在本文中,我们将带您了解数据科学家的五种最重要的软技能,并向您展示如何开发它们。
首先,如果你仍然对发展这些技能的必要性持怀疑态度,让我们来看看数据。谷歌最近的一项研究对几家大公司的员工进行了调查,试图评估最有生产力、最有创新精神的员工所拥有的技能。
结果可能会令人惊讶。创新不是由拥有最高技术水平的员工推动的,而是那些参与跨学科小组的最具生产力和创造性的工作人员。在这些群体中,那些拥有高度发展的软技能的人能够推动变革,更有可能升到管理职位。
当然,你所需要的技能类型取决于你的工作方式和工作重点。尽管如此,有一些技能对几乎每一个数据科学角色都是至关重要的。它们在这里:
作为一名数据科学家,你很可能已经为自己有能力向普通观众传达复杂的想法和数据分析而自豪。然而,有一个理由可以在你的角色的技术要求之外分享你的技能和专业知识。积极主动地接触你的客户和经理,不仅可以改善这些关系,甚至可以促进你的职业生涯。
能够对一屋子的科学家整理、分析和反刍大量与主题相关的数据是一回事,但能够将其本质传达给那些可能帮助你实现向上发展的职业抱负的人是另一回事。
假设有一天你在午餐室碰见了公司的CEO。她开心地在手机上冲浪,谷歌这个,那个,还有其他一切。由于IT部门每天都在向你灌输网络安全的想法,你不经意间提到使用世界上最受欢迎的搜索引擎是一个糟糕的想法,除非你喜欢跟踪和存储你的每一次在线活动。谈话接踵而至。首席执行官对你的精明和帮助的意愿印象深刻。下一次,当她参加董事会会议时,高管团队正在审查该提升哪名员工,该将哪名员工调往西伯利亚时,你的名字在她的记忆中浮现为一个乐于助人的家伙。
你得到了很大的加薪和一个带窗户的角落办公室。这一切都是因为您能够超越硬数据科学技能的限制,并以人类的身份进行联系。
有效、清晰、及时的决策是一项至关重要的业务技能。然而,它经常被数据科学家忽视。这可能会给公司带来重大问题,因为数据科学家可能会发现自己处于高级职位(参见上面的午餐故事),而没有必要的技能和知识来做出管理或商业决策。
然而,这并不是一项很难获得的技能。定期回顾当前和即将到来的行业趋势对于提高你的管理水平是非常有价值的,并且(再次)表明你渴望更多的责任。
批判性思维比这份清单上的其他一些软技能更难定义--事实上,这就是为什么一些文科专业的学生花了几年时间在大学里磨练这种技能。作为科学家,我们工作的方法似乎很少给批判性和创造性留下空间。这与事实正好相反。
最终,批判性思维允许你做两件事。一个是有效地过滤我们现在被轰炸的信息海啸。在前八大平台上有超过90亿的社交媒体用户,谁能跟上呢?没错。没人。
快速扫描和过滤信息的能力可能是你职业生涯中与众不同的因素。与批判性思维相关的另一个关键软技能是能够在动态中重新构建和修改数据分析,以便识别和解决手头的真正问题。
尽管数据分析似乎是一项孤独的任务,但现实是团队工作对组织来说一直很重要。这在一定程度上是由于我上面提到的研究,它强调了多学科团队在推动创新方面的价值。
如果你不是一个善于与人相处的人,也不具备与可能不分享你的专业知识或世界观的同事一起工作所必需的软技能,那么在这些环境中工作可能会带来压力。与同事建立专业关系的能力至关重要。
最后但绝对不是最不重要的是研究技能。数据科学的世界和那些在其中工作的人的角色正在快速变化。正因为如此,一个最重要的技能培养是进一步你自己的教育。
技术专业继续教育的重要性正逐渐被雇主所认识。如果你能及时了解这个领域的新技术、新问题和新工具,你就会期待更多更好的工作机会。
我们刚才讨论的软技能不仅是高效和胜任工作的必要条件,而且也受到雇主的高度追捧。成功的软技能发展可能是在未来工作场所获得成功的关键。伴随着更多的协作工作而来的是新的挑战。确定哪些技能是你需要加强的,现在就开始制定一个改进计划。
生物:斯特凡·马拉杰几乎是一名会计师,但现在对网络安全的了解超过了收入确认原则。20年后,他是一名网络安全顾问,为黑客的大脑提供洞察力,以找出他们到底在实施什么样的计算机渎职行为以及如何阻止它。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07