京公网安备 11010802034615号
经营许可证编号:京B2-20210330
网络安全顾问斯特凡·马拉杰。
作为数据科学家,我们有时会有点过于…科学地看待事物。虽然数据科学家的核心技能与以往基本相同--统计学、数学和逻辑学--但总有新的技能出现。有时,这些与计算机编程的新范式或新的统计技术有关。
在今天的商业环境中,对于数据科学家来说,这些新兴技能中最重要的是软技能。尽管老派程序员告诉你什么,但事实是,今天没有人,包括数据科学家,可以忽视这些技能。它们不仅使团队合作更加有效,而且还能促进你的职业生涯。
在本文中,我们将带您了解数据科学家的五种最重要的软技能,并向您展示如何开发它们。
首先,如果你仍然对发展这些技能的必要性持怀疑态度,让我们来看看数据。谷歌最近的一项研究对几家大公司的员工进行了调查,试图评估最有生产力、最有创新精神的员工所拥有的技能。
结果可能会令人惊讶。创新不是由拥有最高技术水平的员工推动的,而是那些参与跨学科小组的最具生产力和创造性的工作人员。在这些群体中,那些拥有高度发展的软技能的人能够推动变革,更有可能升到管理职位。
当然,你所需要的技能类型取决于你的工作方式和工作重点。尽管如此,有一些技能对几乎每一个数据科学角色都是至关重要的。它们在这里:
作为一名数据科学家,你很可能已经为自己有能力向普通观众传达复杂的想法和数据分析而自豪。然而,有一个理由可以在你的角色的技术要求之外分享你的技能和专业知识。积极主动地接触你的客户和经理,不仅可以改善这些关系,甚至可以促进你的职业生涯。
能够对一屋子的科学家整理、分析和反刍大量与主题相关的数据是一回事,但能够将其本质传达给那些可能帮助你实现向上发展的职业抱负的人是另一回事。
假设有一天你在午餐室碰见了公司的CEO。她开心地在手机上冲浪,谷歌这个,那个,还有其他一切。由于IT部门每天都在向你灌输网络安全的想法,你不经意间提到使用世界上最受欢迎的搜索引擎是一个糟糕的想法,除非你喜欢跟踪和存储你的每一次在线活动。谈话接踵而至。首席执行官对你的精明和帮助的意愿印象深刻。下一次,当她参加董事会会议时,高管团队正在审查该提升哪名员工,该将哪名员工调往西伯利亚时,你的名字在她的记忆中浮现为一个乐于助人的家伙。
你得到了很大的加薪和一个带窗户的角落办公室。这一切都是因为您能够超越硬数据科学技能的限制,并以人类的身份进行联系。
有效、清晰、及时的决策是一项至关重要的业务技能。然而,它经常被数据科学家忽视。这可能会给公司带来重大问题,因为数据科学家可能会发现自己处于高级职位(参见上面的午餐故事),而没有必要的技能和知识来做出管理或商业决策。
然而,这并不是一项很难获得的技能。定期回顾当前和即将到来的行业趋势对于提高你的管理水平是非常有价值的,并且(再次)表明你渴望更多的责任。
批判性思维比这份清单上的其他一些软技能更难定义--事实上,这就是为什么一些文科专业的学生花了几年时间在大学里磨练这种技能。作为科学家,我们工作的方法似乎很少给批判性和创造性留下空间。这与事实正好相反。
最终,批判性思维允许你做两件事。一个是有效地过滤我们现在被轰炸的信息海啸。在前八大平台上有超过90亿的社交媒体用户,谁能跟上呢?没错。没人。
快速扫描和过滤信息的能力可能是你职业生涯中与众不同的因素。与批判性思维相关的另一个关键软技能是能够在动态中重新构建和修改数据分析,以便识别和解决手头的真正问题。
尽管数据分析似乎是一项孤独的任务,但现实是团队工作对组织来说一直很重要。这在一定程度上是由于我上面提到的研究,它强调了多学科团队在推动创新方面的价值。
如果你不是一个善于与人相处的人,也不具备与可能不分享你的专业知识或世界观的同事一起工作所必需的软技能,那么在这些环境中工作可能会带来压力。与同事建立专业关系的能力至关重要。
最后但绝对不是最不重要的是研究技能。数据科学的世界和那些在其中工作的人的角色正在快速变化。正因为如此,一个最重要的技能培养是进一步你自己的教育。
技术专业继续教育的重要性正逐渐被雇主所认识。如果你能及时了解这个领域的新技术、新问题和新工具,你就会期待更多更好的工作机会。
我们刚才讨论的软技能不仅是高效和胜任工作的必要条件,而且也受到雇主的高度追捧。成功的软技能发展可能是在未来工作场所获得成功的关键。伴随着更多的协作工作而来的是新的挑战。确定哪些技能是你需要加强的,现在就开始制定一个改进计划。
生物:斯特凡·马拉杰几乎是一名会计师,但现在对网络安全的了解超过了收入确认原则。20年后,他是一名网络安全顾问,为黑客的大脑提供洞察力,以找出他们到底在实施什么样的计算机渎职行为以及如何阻止它。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12