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
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27