在考虑是否转行成为数据科学家时，许多人会面临选择困难。本文提供了一个简单的测试框架，帮助评估自己是否适合从事数据科学工作。
职业规划对于个人发展至关重要。它不仅涉及到技能的提升，还包括对个人兴趣和职业目标的深入理解。作为一名数据科学家，需要具备特定的技能和素质，这些素质将决定在这一领域的成功与否。
以下是一个简单的自评估测试，它基于数据分析师应具备的属性。请根据每个问题后的分数给自己打分，然后将分数相加。一个好的分析师得分应该超过70分，而得分低于50分的人应该认真考虑是否要成为数据科学家。
是否热爱数字处理和逻辑问题解决——即谜题、概率和统计？（满分20分）
这里的“热爱”不仅仅是喜欢，而是对数字的痴迷！是否喜欢在一天中的任何时候做猜测估计——在洗澡、开车、看电影甚至游泳（数圈数）时都做过这些估计！知道朋友Tavish也在心里做这些计算——当他开车或打羽毛球时。如果想让在讨论中分心，只要问一个非常难的逻辑问题就行了！
分数关键点：
5 - 讨厌数学和统计，但可以在一定程度上面对
10 - 对数学和统计感到舒适，但需要计算器和Excel来解决问题。不介意尝试谜题
15 - 喜欢处理数字和解决逻辑谜题
20 - 没有处理数字和逻辑谜题就活不下去——一种痴迷！
是否喜欢处理/处理非结构化问题？（满分20分）
分析师不可避免地会被测试对非结构化和无定形的商业问题的应对能力。如何解决这些非结构化问题，决定了作为分析师的好坏。在第一个角色中的第一个项目声明：“在过去的几个月里，看到了高风险客户类型X的大幅增加。需要提出一个基于数据的策略来衡量、控制和改善这种情况。”
分数关键点：
5 - 过去尝试过这些问题，但不是菜！
10 - 10分意味着喜欢偶尔解决这些问题（比如说3-6个月一次）
15+ - 更喜欢非结构化问题而不是结构化问题。不喜欢别人为构建问题。
是否喜欢深入研究，并且可以花费数小时切分和分析数据？（满分20分）
回到面临的第一个项目，花了3个月的时间来理解业务，与利益相关者进行多次讨论，使他们达成共识，然后挖掘数据以提出解决方案。需要有研究员的视野才能成为一名优秀的业务分析师。上次花几个小时沉浸在解决问题中是什么时候？能一次又一次地这样做吗？
分数关键点：
5 - 希望每隔几个小时就有所变化。不能整天只处理一个问题
10 - 可以处理研究问题——但需要一些辅助工作来帮助摆脱无聊
15 - 觉得辅助工作分散了对关键问题的进展。如果它们被拿走，会很高兴
20 - 不能忍受分心
是否喜欢构建和呈现基于证据的故事？（满分20分）
数据科学家需要流畅的表达能力。如果他不能影响他的利益相关者，所有的努力有什么用？用数据沟通和呈现由数据支持的故事是数据科学家生活中最重要的元素之一。想象一下，作为谷歌和亚马逊等公司的一份子——拥有需要的所有数据（可能比那还多）来处理正在工作的领域，但需要将其转化为有意义的故事，呈现给利益相关者，并影响他们做出正确的决定！
分数关键点：
5 - 努力向观众传达数学思想
10 - 可以通过大量练习来管理讲故事。不能即兴做这个！
15+ - 任何时候，任何地方！
是否总是发现自己质疑人们的假设，并且总是好奇地想知道“为什么”？（满分10分）
这可能是最好也是最有趣的部分！在领英上读到的一句引言是： 与工程师争论就像和猪在泥里摔跤：几个小时后，意识到猪喜欢它。 同样，提问“为什么”对一个好的数据科学家来说是自然而然的。一些最好的数据科学家会停下来问任何人，如果他们不清楚——为什么要问这个问题？思维过程是什么？为什么这么假设？只是这些问题的几个例子！
分数关键点：
5 - 只在需要问问题时才问问题
8+ - 不能忍受不理解某事的焦虑！急于提问！
是否喜欢解决问题，并且在智力挑战中茁壮成长？（满分10分）
分析师需要解决问题的技巧。大多数企业面临的问题是独特的，需要一个聪明的解决者。一个组织适用的解决方案可能不适用于另一个组织——需要成为一个能够迅速深入理解问题的人，然后提出创新的方法来解决这些问题。
分数关键点：
3 - 不介意思考解决问题——但很挣扎。
6 - 有时可以解决问题
9 / 10 - 喜欢智力思考的过程
得分是多少？会在这次测试中得到80到85分。现在轮到了。
请进行测试并告诉，得了多少分？
另外，请告诉，认为这个测试是否有帮助或者不是。
请注意，像所有主观问题一样，这里没有正确或错误的答案。可能会在测试中得分低，但仍然可以成为最好的分析师/数据科学家。然而，这个测试应该能帮助大多数人解决困惑。如果在阅读本文后仍然感到困惑，请随时在评论中分享困惑/问题。这将帮助澄清困惑，也将帮助改进这个框架。
Certified AI & ML BlackBelt Plus Program