京公网安备 11010802034615号
经营许可证编号:京B2-20210330
由数据科学家米斯拉·图尔普
作为一名资深数据科学家被视为一种圣杯,尽管许多人并不知道担任一个高级职位的真正含义。最常见的印象是,作为一名资深数据科学家意味着你知道关于数据科学的一切,你是一名真正的专家。这是真的,但只是在一定程度上,因为数据科学中的收入永远不会结束。此外,作为一名资深数据科学家,不仅仅是技术知识,还有很多东西要做。
你可能会想,是的,但我为什么要关心呢?我相信了解数据科学家遵循的标准路径是很重要的,这样你就可以更明智地决定你想走哪条路。简单地说,你了解的越多,就越容易在两家公司、两个职位或两个项目之间做出选择。
[参加免费数据科学入门迷你课程,可以更好地了解什么是数据科学,它如何在更大的人工智能世界中定位,以及对学习有什么要求。]
让我们来看看数据科学家平时的职业是什么样子。
背景
作为一名初级数据科学家,对你的期望是拥有基本的数据科学知识。你的能力应该足以独自完成你的任务,或者在更资深的同事的帮助下完成任务。在这个时间点上,你不会有太多专业的动手经验。
学习
你应该对学习持开放态度,不要害怕问很多问题。更多的资深同事会很乐意帮助你学习。作为一名初级数据科学家,如果你每天都学到一些新东西,这并不奇怪。
项目
你的主要责任将是分配给你的任务。你会在遇到问题时得到更资深数据科学家的协助。除了您的技术能力之外,您还需要很好地理解与您的特定任务相关的领域的各个部分。
在初级数据科学家之后,您可能会处于一个过渡角色,在这个角色中,您将被简单地称为:数据科学家。
背景
在这一点上,您对数据科学的主要概念和技术的知识必须是扎实的。虽然这并不意味着你已经知道了一切。相反,它意味着你知道很多事情,你也知道你不知道的。你可能已经在这个级别上获得了一些很好的实践经验。
学习
学习永远不会结束,所以你仍然对新的想法和方法持开放态度。你仍然会问很多问题,但你也会被别人问到问题。初级同事带着他们的问题来找你。你仍然学习新的东西,也许不是每天,而是每隔一个月。您试图更深入地了解某些技术和工具。
项目
您是项目决策过程的一部分。你对项目的背景有一个很好的整体理解,但你仍然不需要知道比你需要做你的工作更多的东西。
然后是高级数据科学家的职位。在这一点上,您基本上是数据科学家的一切,具有一些额外的能力和责任。让我们看看它们是什么。
背景
您对主要概念和技术有坚实的理解,也对它们的陷阱有更深的了解。你在从事项目时获得了这些知识。现在你有了扎实的实践经验。
学习
因为你已经掌握了基本概念,所以你更容易学习更高级的主题。你仍然对学习持开放态度。教和支持更多的初级同事是你工作的一部分。
项目
你是项目的领导者。你不仅是决策过程的一部分,而且你领导着它。项目的成功是你的责任,在许多情况下,也是你团队成员的幸福。在领导项目的同时,你还需要与外界沟通。向业务方汇报是你的责任。在项目中工作时,您需要记住非技术约束,并确保将技术团队推向正确的方向。您必须对上下文和域有一个整体和完整的理解。保持目标和交付是你的责任。
当然,这并不是世界上每个公司的每个数据科学家的职业生涯都是这样的。此外,你可能是一个自由数据科学家,或者你可能创办你的公司,成为一个CTO,那么你的道路看起来会非常不同。但总的来说,从我和数据科学界的人交谈所学到的,这是一个普通数据科学家职业道路的很好的表现。
我们今天研究这个问题的原因是,每家公司都有自己的结构,自己的规则和自己的道路,当你得到选择时,你想知道该选择哪一个。有些人会倾向于更多的技术工作,因为你得到了更高的职位,有些人会倾向于更多的管理和行政工作。你可以用这篇文章中的解释作为一个基线,来找出你在旅途的高级阶段想要达到的位置,并相应地校准你的求职。当然,计划和偏好会随着时间而改变。但是,有一个想法,你想在哪里结束比盲目地进入它要好。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22