数据科学家理想的职业路径是什么？有很多方法可以成为数据科学家，也有许多技术专家在职业生涯中期时转换到数据科学家的道路。
这个世界已经给出了充分的理由去成为一名数据科学家。研究者Thomas H. Davenport和DJ Patil在两项独立的研究中（第二项在2022年）重申，数据科学是“21 世纪最性感的工作”，在未来，其需求将实现可持续增长。世界各地的组织都需要数据科学家，他们可以处理庞大而又通常是混乱的数据集，以获得深刻洞察。
Davenport和Patil写道，“截至2019年，Indeed上的数据科学家职位增长了256%。在美国，劳工统计局预测，从现在到2029年，数据科学的需求增长将超过几乎所有其他领域，这类抢手的工作薪酬通常相当高，比如，加州经验丰富的数据科学家的平均工资接近 20 万美元”。但是，如何真正开启数据科学家的职业生涯呢？
学习正确的数据科学家技能
HackerEarth的2021年开发者调查发现，数据科学是“学生和专业开发人员最垂涎的领域”。但如果想真正成为一名数据科学家，则需要大量的训练。你需要了解用于数据库管理和数据分析的关键编程语言，如Python和SQL，以及专门的工具和技能。例如，你需要熟悉数据结构和分析的技巧。
以下是一个“基础”数据科学技能列表，来自Lightcast（前身为Emsi Burning Glass），它收集和分析了来自全国各地的数百万个招聘信息。如果你能学会这些，你已经走上了成功的数据科学家道路：
- 统计（即统计分析）
- 数据处理
- 数据可视化
- 数据存储
- 编程语言（Python、R等）
- 机器学习
- 人工智能
一旦你掌握到了一定程度，你就应该考虑获得证书认证，这可以帮助你找工作——简历上的证书的存在将向招聘经理等人员保证你拥有该职位所需的技能。
你可能还想考虑特定语言，工具和学科的认证，如Python或机器学习，这也在很大程度上取决于你想要关注的行业和学科。但请记住，无论你获得多少认证，雇主都希望通过技术面试来测试你的技能，他们想知道你是否真正了解数据科学的基础知识。
数据科学家的职业路径
对于那些刚开始技术职业生涯就进入数据科学行业的人来说，他们通常会担任初级或助理数据科学家的角色，在那里他们会学到许多数据科学的诀窍。自此，许多数据科学家真正开始了职业发展，最终成为数据架构师或高级数据科学家，甚至是数据科学主管。
还有一些人会利用他们的数据科学技能在其相关领域开启职业生涯，比如人工智能工程师。无论你的水平如何，走哪条路，学习数据科学、机器学习和数据分析总是有利无害的。
在其他学科中学习到的技能，有时放在数据科学家身上也同样奏效。例如，经济学家、数学家和金融分析师，平时就在大量处理数据；软件工程师经常学习使用一些重要工具，而掌握它们对数据科学家同样至关重要。换句话说，即便是在职业生涯中期，向数据科学转型也是可能的。以下是一些可以走向数据科学领域的常见职位：
无论选择什么样的数据科学家职业道路，请记住你将需要“软技能”，如沟通能力和共情能力，以有效地将你的分析和结果传递给整个组织内外的利益相关人。有了软技能和硬实力的正确组合，数据科学家的位置会向你大力招手。
作者：Nick Kolakowski
