目录
大家眼看着数据科学家，数据分析师薪水那么高，待遇那么好，很多人刚毕业就专门面试数据分析师岗位；还有的是半路从其他岗位，比如从产品经理、运营、开发等岗位转过来做数据分析或数据科学家。
通常这类数据科学家被称为“新手”或者“业余选手”，在工作过程中，他们不可避免地走了大量弯路，犯了大大小小的错误，在围观他们常犯的错误之前，我们先来看看新手/业余数据科学家最常接到哪些任务。
新手数据科学家的任务
- 从不同的数据库中挖掘数据以推动企业的产品开发。开发算法和数据模型以应用于业务开展将用到的数据集。
- 与利益相关者合作，帮助公司寻找能够提高公司数据价值的机会，通过手头的数据驱动业务解决方案来增加价值。
- 评估组织内所有数据源的准确性。
- 利用预测建模技术来增加收入、优化广告定位并提供良好的客户体验。
- 开发测试模型以改进测试框架。
- 与公司中的不同团队进行协调，以确保模型的正确实施。持续监控模型，并及时发现问题。
- 开发用于提高访问数据准确性和评估模型性能的工具。
新手/业务数据科学家常犯的4个错误
新手/业务数据科学家接到工作任务后，因为没有体系化地学习过数据分析，也没有经过培训就上岗，几乎可以说是0经验，于是他们在工作中就犯下这些错误：
1、呈上一大堆看不懂的数据，没有进行数据可视化处理。数据不仅仅是给数据科学家自己看的，更要呈现给团队，给领导，给客户看，未经过可视化处理的数据，容易让人摸不着重点，更不用说从中发现什么价值了。
2、一次学习多种工具 。许多业余数据科学家都想一次学习所有工具，真会让人的技能变得混乱，这个技能会一点，那个技能会一点，但都会得不深，不全面。
所以，对新手来说，先学好、学精1-2种工具，并经常使用它们，直到你已经熟练掌握，然后再进行扩展，去学习更多工具。
新手科学家要记住，工具不要为了学而学，最好是从你的工作需要出发，然后选择应该学习和使用哪些工具。
3、解决问题缺乏结构化方法 。结构化是解决问题的好办法，它有助于将问题分解为逻辑部分，并帮助您可视化每个相应的解决方案。.逐步解决问题，而不是尝试将其作为一个整体来解决。
4、专注于实现模型准确性而不是可解释性和适用性 。当然，模型准确度是一个目标，但如果您无法解释您是如何在模型上获得 96% 的准确度，以及哪些功能对业务产生什么样的帮助，那么这个模型很难被团队接受。
专业数据科学家该具备哪些技能
了解完业余数据科学家常犯的错误后，我们来看看一名专业数据科学家应该具备哪些技能：
编程：无论您作为数据科学家在哪家公司或扮演什么角色，都必须了解编程的来龙去脉，因为它有助于理解行业工具，如 Python 和 SQL。
统计学：关于统计学在培养优秀数据科学家方面的作用，我们谈得再多也不为过。数据分析是成为数据科学家的重要组成部分，要做到这一点，您需要对统计学有很强的掌握。
机器学习：了解随机森林和集成方法等机器学习的算法，是专业数据科学家的进阶课。
数据整理：你挖到的数据都是未经整理的原始数据，大部分时候别人给你的也是原始数据，这需要你自己的清洗和整理。
数据可视化：不会数据可视化的数据科学家，是会被同行嘲笑的。
如果你没有这些技能，或者技能学得太浅，圣普伦的数据科学课程可以给你提供系统化的培训课程，帮助从业余新手成长为一个专业的数据分析师/科学家。