蹩脚数据科学家的10种现象

在当今这个时代，解雇员工同样代价不菲，错误的招聘会使你的公司倒退几个月。所以，在寻找优秀的数据科学家时，你也应该警惕蹩脚数据科学家的迹象。如果发现以下10个迹象中的任何一个，你都应该迅速远离。

优秀的数学家可以成为***的数据科学家，但光是会在笔记本上写公式可不行，他们还必须熟练地运用计算机来处理数据。

如果他们的所有经验都来自学术机构，当他们面对现实问题时，可能会束手无策。寻找有实践经验的人，不要在这方面妥协。

对数据科学的热情以及掌握一定的技能，这是成功的关键。如果你只是假装有兴趣，或者并不具备重要的技能，总有一天，你会原形毕露。

[[182459]]

如今，数据科学家已是炙手可热，那些曾经对其毫无所知的企业，眼下也开始在全世界搜寻***的数据科学家。问题在于，优秀数据科学家的标准是什么?和其他东西一样，数据科学家也是良莠不齐，招聘他们是一项重要的投资，如果选了个“次品”，你会付出沉重的代价。凭借一批出色的数据科学家，Facebook为自己的社交媒体平台注入了富有创造力的新功能，令用户为之兴奋。

过去10年里，数据呈现爆炸式增长。大数据扑面而来，普通人很难弄懂它的含意，更别提加以利用了。但数据科学家能从中提取出有价值的信息。对一家公司来说，数据科学家的雇用成本很高，由于这方面的人才供不应求，他们的薪水会迅速上涨。

在当今这个时代，解雇员工同样代价不菲，错误的招聘会使你的公司倒退几个月。所以，在寻找优秀的数据科学家时，你也应该警惕蹩脚数据科学家的迹象。如果发现以下10个迹象中的任何一个，你都应该迅速远离。

1. 糟糕的数学背景

许多计算机专家和程序员都会把自己说成是数据科学家，但实际上，真正出色的数据科学家通常拥有数学背景。优秀的数学家可以成为***的数据科学家，但数学不好的程序员不行。蹩脚的数学家无法有效地分析数据，而这恰恰是数据科学家的首要任务。

2. 计算机知识贫乏

没错，优秀的数学家可以成为***的数据科学家，但光是会在笔记本上写公式可不行，他们还必须熟练地运用计算机来处理数据，要熟悉Spark和其他系统。如果你的数据科学家坚持要求配一名助手，因为他用不来电脑，那么你应该继续寻找，去雇用其他人。

3. 没有全能型人才

一个人集统计学家、开发员、数学家和其他身份于一身，并不意味着他能成为一名数据科学家。几乎可以肯定的是，他拥有跨领域知识，能够根据不同的职位需求来推销自己。他也许什么都会，但可能什么都不精。

4. 纯粹的学术派

你需要有实践经验的人。如果他们的所有经验都来自学术机构，当他们面对现实问题时，可能会束手无策。寻找有实践经验的人，不要在这方面妥协。

5. 缺乏团队精神

数据科学家将和其他人共事，所以你不会想要一个不合群的人，即便他再怎么聪颖过人。数据科学家应该真正地融入团队，了解整体情况，做出全面改进。而如果他们不能和其他人融洽相处，就做不到这一点。

6. 缺乏商业知识

数据科学家不能只会运用理论。他们还要重视经过验证的技巧，运用可靠的传统方法。这些都来自于实践经验。

数据科学家需要参加商务会议，通过演示向高级管理层阐述分析结果。因此，在雇用一名数据科学家之前，要确保他拥有一定的商业知识，这一点非常重要。

7. 不熟悉工具

你面前的那个人拥有丰富的技术知识，但他们能否运用这些知识?如果他们没有实际运用过SAS、R、Scala、Python或其他计算机语言，他们可能只会像一个“绣花枕头”，中看不中用。

他们必须能够利用工具来阐释和转化信息流。

8. SAS成瘾者

有些SAS开发人员会把自己包装成数据科学家，但他们不是。数据科学家应该掌握多项技能，对于某个具体的问题，他们可以运用多种不同的系统。而蹩脚的数据科学家在遇到任何问题时，都只会采用同一种技能，他们希望用一种语言就能解决所有问题，这是不切实际的。

9. 没有理科学位

这是个不好的迹象，因为数据科学属于理科范畴。你也可能自学成才，但如果有人能秉持科学原则，并且掌握了分析学的一般性应用，还毕业于名牌大学，此人更有可能给企业带来价值。***能拥有硕士学位。如果在其他领域还拥有一技之长，此人将是一只潜力股。

10. 不会用通俗语言来解释

数据科学家应该能用通俗易懂的日常用语来解释最复杂的问题，不能与现实世界脱节，这会导致你的解决方案无法被人理解，而且你需要花费一定的时间和精力来克服语言障碍。

虽然有很多重要的数据科学技能可以后天习得，但有些却是天生的。那些妨碍你进入数据科学领域的因素常常无法改变或纠正。对数据科学的热情以及掌握一定的技能，这是成功的关键。如果你只是假装有兴趣，或者并不具备重要的技能，总有一天，你会原形毕露。