为了挖掘数据集从而获得更加具有价值的见解，各大企业对数据科学家、数据工程师和数据分析师的需求比以往任何时候都要强烈。
近几年，全国各地的高管都在试图赢得与竞争对手的“人才竞赛”，所以未来几年与数据相关的预算可能会有所增加。
企业对目前的数据分析设置有什么担忧？在合适的时间雇佣合适的人才总是让高管和人力资源经理夜不能寐。但正如unsupervisory.com的一项新研究所强调的那样，人们也担心企业是否能够处理好数据分析过程中的特定部分。
Unsupervisory网站调查了223名数据专业人士和226名商业领袖，尽管样本量很小，但我们还是了解到了让企业在处理海量数据集时所担忧的方面：
分析显然会让企业感到担忧，但处理过程以及将见解付诸于行动也是如此。如下图所示，高管们也非常担心数据的巨大数量和不断变化的性质，以及不准确性：
对于数据科学家和分析师来说，他们的工作并不局限于分析数据集，在分析过程的每个阶段，都必须使用沟通和同理心等“软技能”，以缓解高管和团队成员对分析过程的担忧。
这对任何技术人员来说都是一个具有挑战性的职位，也是薪酬相应较高的一个关键原因。猎头公司Burtch Works在2021年底进行的一项研究表明，对于数据科学家和工程师来说，在今年第二季度和第四季度之间换工作的人中，约有51%的人的基本工资增加了至少20%。Emsi Burning Glass分析了全国数以百万计的招聘信息，据该公司称，数据科学家可以轻松拿到六位数的薪水，而且这还不算其他津贴和福利，比如股权。
但是，为了确保拿到这些职位，你还需要技能和经验的正确组合，并掌握最新的工具和技术。例如，根据职位的资历，数据科学家可能需要掌握从Python、SQL到机器学习的所有知识。考虑到现代数据项目的复杂性，在申请某个特定职位时，通常需要具备完整的能力组合。
作者：Nick Kolakowski
在微软成功的数据科学家身上，我学到这5个习惯
自 2016 年开始我的数据科学职业生涯以来，我一直想不断学习和提高自己的核心知识。发展空间和工作带来的经验是一份好工作的基本素质，而不仅仅是薪水的多少。
