“当我最开始听说这些的时候，我认为’没有人符合该定义–他们怎么可能?’”Robert说，“因为这是一个新角色，我觉得人们把什么职责都扔给了他。当你过度指定，最终只能得到一个空集”。许多商业人士视作数据科学家的，实际上是一个团体的人表现出的各种各样的功能。尽管现在依然缺乏符合这些角色的人，实际情况也与“凤毛麟角”相去甚远，有太多的人拥有这样的天赋，成长为一个或多个所需的角色。
必要的技能与凭据是什么?
正如Robert表明的那样，详细的数据科学技能如雨后春笋般在网络上列出，列表令人生畏。绝大多数指定经验要求先进的数学和统计分析(包括对类似R、SAS和Stata工具等的掌握)、创建程序(包括C、C++、Python和Java语言)、SQL数据库、平台如Hadoop/MapReduce、数据挖掘和建模、数据虚拟化、创造性和沟通能力与商务理解力。
当然，数据科学家的确需要与先前的数据分析人员决然不同的能力与技巧，这是事实。Raden承认，例如，他们需要有能力处理当前各种各样的有效数据，并且最终分析数组可以采用，Raden表示。
他们需要掌握编程技巧，也要有定量方法和调查与建模方向的背景;在涉及到数据的时候，他们必须能够辨别什么数据是有意义的，什么数据是无意义的，Raden补充道。高效的数据科学家还需要足够的业务领域知识，在复杂学科上与缺乏相应背景工具和方法的人顺畅沟通的能力，他说。
到底是什么导致数据科学家优于其他分析人士呢?Ripaldi解释，是沟通能力–通常的C系列–数据告诉他们结果，以及针对此结果应该如何采取行动。“你可以分析所有你想要的数据，但如果你不能清晰的表达出数据告诉你的东西，你就不能算作是数据科学家”，他说。毕竟，我们的目标是推进经营战略，如减少客户流失，提供跨渠道，化解金融风险。
然后再一次，Robert看到了这些需求本身存在的固有的冲突，她坦陈，“他们不得不能够坐在那里，在一段时间内寻找数据，然后翻转开关，化身为能引人入胜的主持人?这完全是两个不同的人。”
Opera–也雇佣了各种各样机器学习(能力)的数据科学家–在寻找这样的人，他们拥有定量领域背景，有数学和统计概念资质，能够将这些概念以计算机程序进行实例化，接受大容量数据流并对解决实际商业问题有一定兴趣。
“我们对那些需要学习机器学习算法的人感到自在，如果他们对数学和解决问题的能力表现出色。”Opera分析部门全球负责人Joseph Milanna表示，“他们可能不是一名合格的数学家或已经建立了神经网络，但他们应该表现出激情与兴趣，这样我们才会选择他”。
拥有怎样的背景，才能成为一名数据科学家?
在Opera，大多数成功的申请者都拥有更高水平的学术培训甚至拥有PhD。“鉴于在机器学习科学和其他新出现的新型技术的进步，科学家的确需要更高水平的训练，浸淫最新思想成果”，Milanna说。即便是在求职搜索网站Dice，半数的数据科学家都指定要求必须具备PhD学位，Silver表示，“这不是绝对必要的，但却是主要的奖励”，他补充。
Opera雇员跨越了各种各样的数据驱动型学科，包括计算机科学、电子工程、统计学、机械工程和心理学。这样跨学科的知识大有裨益，Milanna强调。例如，他已经看到了来自水文学的分子式应用于股票市场交易信号。
对于更大的数据科学家池，Raden坚信PhD学位不是必要的。如果一个人现在的工作室商业智能和定量分析，并且在那之前表现出了先进的数学和统计建模能力，就可以成长为企业的数据科学家，为企业提供如预测建模和大数据等类似关键领域的指导与培训。
Roberts表示同意，专注于特定技能和学历。某些时候可能会成为潜在求职者思考的代理人。“他们正示图衡量的是‘你喜欢学习吗?’但一堆方法可以用来获取该结论”，她表示。在天才分析(Talent Analytics)公司的调查中，数据科学家的先天特性包括好奇心、创造力、客观、有条理地思考能力与对细节的专注力，她强调。Milanna和Spoelstra也同意该观点，他们寻找候选人的最重要的天然特质也包括好奇心、逻辑思维、常识力、毅力、实用性和良好的判断力。 更多详细信息，请您微信关注“计算网”公众号：