京公网安备 11010802034615号
经营许可证编号:京B2-20210330
由数据科学家米斯拉·图尔普
作为一名资深数据科学家被视为一种圣杯,尽管许多人并不知道担任一个高级职位的真正含义。最常见的印象是,作为一名资深数据科学家意味着你知道关于数据科学的一切,你是一名真正的专家。这是真的,但只是在一定程度上,因为数据科学中的收入永远不会结束。此外,作为一名资深数据科学家,不仅仅是技术知识,还有很多东西要做。
你可能会想,是的,但我为什么要关心呢?我相信了解数据科学家遵循的标准路径是很重要的,这样你就可以更明智地决定你想走哪条路。简单地说,你了解的越多,就越容易在两家公司、两个职位或两个项目之间做出选择。
[参加免费数据科学入门迷你课程,可以更好地了解什么是数据科学,它如何在更大的人工智能世界中定位,以及对学习有什么要求。]
让我们来看看数据科学家平时的职业是什么样子。
背景
作为一名初级数据科学家,对你的期望是拥有基本的数据科学知识。你的能力应该足以独自完成你的任务,或者在更资深的同事的帮助下完成任务。在这个时间点上,你不会有太多专业的动手经验。
学习
你应该对学习持开放态度,不要害怕问很多问题。更多的资深同事会很乐意帮助你学习。作为一名初级数据科学家,如果你每天都学到一些新东西,这并不奇怪。
项目
你的主要责任将是分配给你的任务。你会在遇到问题时得到更资深数据科学家的协助。除了您的技术能力之外,您还需要很好地理解与您的特定任务相关的领域的各个部分。
在初级数据科学家之后,您可能会处于一个过渡角色,在这个角色中,您将被简单地称为:数据科学家。
背景
在这一点上,您对数据科学的主要概念和技术的知识必须是扎实的。虽然这并不意味着你已经知道了一切。相反,它意味着你知道很多事情,你也知道你不知道的。你可能已经在这个级别上获得了一些很好的实践经验。
学习
学习永远不会结束,所以你仍然对新的想法和方法持开放态度。你仍然会问很多问题,但你也会被别人问到问题。初级同事带着他们的问题来找你。你仍然学习新的东西,也许不是每天,而是每隔一个月。您试图更深入地了解某些技术和工具。
项目
您是项目决策过程的一部分。你对项目的背景有一个很好的整体理解,但你仍然不需要知道比你需要做你的工作更多的东西。
然后是高级数据科学家的职位。在这一点上,您基本上是数据科学家的一切,具有一些额外的能力和责任。让我们看看它们是什么。
背景
您对主要概念和技术有坚实的理解,也对它们的陷阱有更深的了解。你在从事项目时获得了这些知识。现在你有了扎实的实践经验。
学习
因为你已经掌握了基本概念,所以你更容易学习更高级的主题。你仍然对学习持开放态度。教和支持更多的初级同事是你工作的一部分。
项目
你是项目的领导者。你不仅是决策过程的一部分,而且你领导着它。项目的成功是你的责任,在许多情况下,也是你团队成员的幸福。在领导项目的同时,你还需要与外界沟通。向业务方汇报是你的责任。在项目中工作时,您需要记住非技术约束,并确保将技术团队推向正确的方向。您必须对上下文和域有一个整体和完整的理解。保持目标和交付是你的责任。
当然,这并不是世界上每个公司的每个数据科学家的职业生涯都是这样的。此外,你可能是一个自由数据科学家,或者你可能创办你的公司,成为一个CTO,那么你的道路看起来会非常不同。但总的来说,从我和数据科学界的人交谈所学到的,这是一个普通数据科学家职业道路的很好的表现。
我们今天研究这个问题的原因是,每家公司都有自己的结构,自己的规则和自己的道路,当你得到选择时,你想知道该选择哪一个。有些人会倾向于更多的技术工作,因为你得到了更高的职位,有些人会倾向于更多的管理和行政工作。你可以用这篇文章中的解释作为一个基线,来找出你在旅途的高级阶段想要达到的位置,并相应地校准你的求职。当然,计划和偏好会随着时间而改变。但是,有一个想法,你想在哪里结束比盲目地进入它要好。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 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 ...
2026-08-24 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 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19