【揭秘】商科留学生转战Data Science实践操作指南！

 

当今求职

如果不是一身的本领和技能傍身

都不好意思随便投简历

尤其是作为准备参加秋招的商科留学生

除了日常专业技能学习以外

Networking也得非常在行

说到SAS/R/SQL的技能也丝毫不输

有朝一日修炼到

“进能挺身华尔街，退能幕后做coding”

才可以说是真赢家了

 

Data Science究竟有哪些工作

作为商科学生想转行做Data

又该如何操作?

一、Data Science到底是什么？

Data Scientist曾被Harvard Business Review 评为21世纪最性感的职业之一，麦肯锡预测全球将有超过1.5Million的空缺职位。
在人工智能和金融科技大肆兴起之后，Data Science作为一切的根基，该方面的求职者更是变成了最炽手可热、千金难求的人才！
Data Science，实际上就是对数据提取、分析、理解、描述、预测的一门学科。乍一看来数据科学其实很像统计学，但实际上，数据科学应当是数学、统计与计算机的交叉学科。

 

数据科学类技能大致可分为三类：

 

算法（Algorithms）: 数学、统计、算法、模型等理论知识是解决任何数据问题的核心。数据科学背后的算法模型以及数据实验是怎样被设计和检测是必不可少的技能。

 

编程（Engineering）: 数据的获取、处理和储存是必不可少的知识。同时，熟练掌握编程语言和分布式计算将帮助你处理大规模的数据。

 

沟通（Communication）: 数据在外行人眼中就如同一门外语，如何将数据分析结果转化为可读性极强的商业报告是必须掌握的技能。

二、商科留学生转Data Science能做哪些工作？

 

Data Science 的职位可以分为：

 

• 除了最适合商科学生的Data Analyst
• 还有Data Scientist
• 以及Data Engineer
• Data Architect
• Data Administrator
• Business Analyst
• Data/Analytics Manager
• Business Intelligence Manager

 

1. Data Analyst

 

Data Analyst是商科学生转入Data领域的最优门槛。想朝这个方向发展的小伙伴可以优先考虑这个职位。

 

Data Analyst偏重于将分析和商业运用相结合，分析只是一个手段和途径，更加重要的是将分析的结果转化为切实可行且能有所成效的商业方案。其核心使命是为公司决策提供服务，因此数据分析师的基本要求是懂企业的业务和数据，具备写报告的能力，考验的一方面是数据分析水平和业务能力，另一方面是沟通能力、理解能力和表达能力。

 

类似职位的面试有些类似于，基于技术面试题基础上的咨询类型的Case Study。从分析中找到可能存在的风险，并提出解决方案比起完美的Code有时候更加重要。更加适合非技术出身的求职者。

 

但是同样是做DataAnalyst的工作，在不同的公司，要求的技能和工作的内容会很不一样。

 

微软Online Service Division有跟Marketing更接近的Data Scientist，也有很多学统计或者IE出身的Applied Scientist做Randomized controlled experiment；

LinkedIn、Facebook的Data scientist感觉要求Java编程技术熟练，可能学ComputerScience出身的最适合；

 

Insurance行业招的是Predictive Modeler，他们的总体目标就是要基于数据，预测在不同客户身上收多少保险费能最大化收益、Optimize profits，所有相关专业的它们都考虑。

 

所以在求职阶段，要根据自身的特长和喜好选择对应公司的Analyst Team；而在求学阶段，更要提早准备好自己的职业发展目标，去有针对性的学习Data的相关专业知识。

 

除了这个之外，Data Scientist 和 Data Engineer的要求相对较高。应届生的学习要求已经达到了博士，而非应届生则需要有相关的工作经验。

 

小编在这里为大家粗略的介绍一下，有长期打算或具备条件的小伙伴，可以有选择的考虑。

 

2. Data Scientist

 

这个职位更经常存在于IT部门，或者干脆自己组成一个部门。职责是解决一切Data Analyst解决不了的比较复杂的问题。且他们通常是不需要负责定期出报告来分析季度数据的。

 

核心使命： 为公司决策提供服务。

 

主要工作：

 

从Business部门那里收集有趣的/亟待解决的问题。

采用科学方法、运用数据挖掘工具对复杂多量的数据进行数字化重现与认识，并据此寻找新的想法的专家。

与传统数量分析师相比，他们更多通过关注面向用户的数据来创造不同特性的产品和流程，为客户提供有意义的增值服务。

 

要求掌握的技能包括Python、SQL、SAS、Spark、机器学习算法等。

 

3. Data Engineer

Data Engineer所做的一切都为了Data Management。具体内容包括：数据模型、数据架构、数据标准、元数据、主数据、数据治理、数据管控等等。

 

Data Enginner的目标是把数据整好，存储成本低，查询效率高，至于怎么使用这些数据不是他们关心的范畴。

 

主要负责：Database architecture，Data modeling，Data quality check, Data cleaning, Data enrichment/transformation(aggregation,join…) 等等后端的工作。

 

三、从事Data Science有哪些必备技能？

 

综上所述，从某种程度上讲，这三类数据科学专业人才有明显的侧重。

 

Data Analyst：更注重沟通交流和行业领域技能。

Data Scientists：更注重数学、统计的训练和算法、模型的开发，

Data Engineer：更注重数据库与编程语言等技能，

 

但是，任何数据科学专业人才都必须掌握上面说的三大类技能，只有这样才能更好地理解数据科学并运用到解决实际问题中去。

 

从学习的角度来讲，成为数据科学专业人才所需要的技能不外乎是以下四个：

 

• 扎实的理论知识（数学、统计、算法、模型）
• 熟练的数据库操作语言（SQL、PL/SQL…）
• 熟练的编程语言（Python、R…）
• 丰富的实战经验（项目与工作经验） 

对于学习的顺序问题，应当是：理论- 编程 – 实战的过程，一个循序渐进的安排会让效率大增。