数据科学不仅仅是21世纪“最性感的工作”，它还是最具挑战和激动人心的职业之一。数据科学家能够利用最新的技术和算法，在公司乃至整个经济层面产生影响。那么，一个人如何知道自己是否应该追求数据科学这一职业呢？成为数据科学家需要具备哪些特质？他们可能对编程感兴趣，喜欢构建新技术，并且在调试时展现出耐心。例如，一个对数学感兴趣的人可能会因为他对数学概念的兴趣和解决问题的能力而想要成为一名数学家。那么，有哪些迹象可以定义一个人是否是潜在的数据科学家呢？他们需要深入自，了解自己是否具备这些特质。
数据科学家的角色对于整个组织乃至整个经济都是至关重要的。然而，问题在于——全球“熟练”的数据科学家数量不足。AI和ML黑带+计划旨在通过14+课程、39+实际项目和1:1导师指导，使成为一个行业就绪的认证数据科学专业人士，确保始终不会偏离轨道。
如果是数据科学领域的新手，建议浏览数据科学职业指南——下载这个免费的综合数据科学指南，开始职业生涯。
如果喜欢处理数字和解决基于概率、统计和逻辑的问题，那么很可能天生就适合成为一名数据科学家或商业分析师。这里的“热爱”不是指准确计算朋友间分摊的账单，而是一种达到下一个层次的狂热。例如，猜测印度15岁以下男孩的数量。这被称为猜测估计，数据科学面试官喜欢问这类问题。为找到了一篇完美的文章，帮助理解作为数据科学家的问题解决——
非结构化问题无处不在。在教育技术公司，管理层可能会问——如何增加课程的收入？而在社交网络公司，问题可能是——如何增加应用的用户留存。注意到这些问题有什么不对吗？嗯，这些都是非结构化问题。
成为数据科学家的一个重要方面是能够制定明确的目标。对上述问题的结构化方法可以是——在未来3个月内，通过下滑功能增加20%的客户留存。目标应该代表什么？为什么？怎么做？
下次，如果发现自己在问题中，发现自己将问题分解为更小的目标，这可能是成为数据科学家的一个好迹象。
是否发现自己在质疑他人的假设？是否无法在不问“为什么这个？为什么那个？为什么这个而不是那个？”的情况下结束一天？可能天生适合成为一名数据科学家。
例如，在上述例子中，可能会想要质疑管理层并问——为什么要留住客户？不能只留住付费客户吗？为什么关注留存而不是用户获取？
一些最优秀的数据科学家会停下来问任何人要理由，如果他们不清楚——为什么问这个问题？思维过程是什么？为什么这么假设？这些问题只是其中的一些例子！
最容易告诉是潜在数据科学家的迹象是对解决问题的痴迷。冰箱不工作了？试图找出问题的根源。公司的销售量这个季度下降了，试图理解问题的根源。
数据科学家的角色不仅仅是应用机器学习算法来构建一个准确的模型，而是要制定问题陈述，形成假设，数据分析，数据模型，然后找到最佳结果并与管理团队沟通。这些步骤中的每一个都需要擅长解决问题。
数据科学家需要在一个问题陈述上花费很长时间，来回与利益相关者沟通以了解他们的需求，尝试不同的假设，挖掘数据，不同的建模技术，直到结果实现。
是那个不解决问题就不放弃的人吗？研究和谷歌搜索和研究一个问题。上次花几个小时解决一个问题是什么时候？能一次又一次地做到这一点吗？
房间里总是有一个人讲述着令人惊叹的故事。没有人能抗拒听他讲，他用他的故事讲述技巧给每个人留下深刻印象。是那个人吗？
数据科学家需要擅长讲故事。如果他不能影响他的利益相关者，所有的努力有什么用？用数据沟通和展示数据支持的故事是数据科学家生活中最重要的元素之一。
是否发现自己在一天中的任何时候都在进行实验？不是指科学实验。成为数据科学家的一部分是保持好奇心。