Datový vědec získává poznatky ze složitých dat. Vytváří modely, provádí experimenty a odpovídá na otázky, které vyžadují více než jen dotaz. Odejde tento zákazník? Jaká cena maximalizuje příjmy? Kteří pacienti jsou ohroženi opětovným přijetím? Tato práce kombinuje statistiku, programování a znalosti oboru. Nejlepší datoví vědci rozumí byznysu i matematice.

Role se vyvinula. Raní datoví vědci dělali všechno: čištění dat, modelování, nasazování. Moderní týmy si práci často dělí. Datoví inženýři se starají o datové kanály. Inženýři strojového učení nasazují modely. Datoví vědci se zaměřují na analýzu a experimentování. Nástroje jsou Python a R s knihovnami jako pandas, scikit-learn a TensorFlow. SQL zůstává nezbytný. Komunikační dovednosti jsou stejně důležité jako technické. Model, kterému nikdo nerozumí nebo mu nedůvěřuje, nebude použit. Datoví vědci musí vysvětlit svá zjištění manažerům, produktovým manažerům a inženýrům. Musí být upřímní ohledně nejistoty. Predikce se 70% jistotou není zárukou. Nejtěžší je model nestavit. Jde o to, aby organizace jednala podle toho, co model říká. To vyžaduje důvěru a důvěra vyžaduje jasnou komunikaci.

Dovednosti datového vědce

• Statistika – testování hypotéz, regrese, pravděpodobnost
• Programování — Python, R, SQL
• Strojové učení — výběr modelu, trénování, vyhodnocení
• Znalost domény – pochopení obchodního problému
• Komunikace – jasné vysvětlení zjištění

Datový vědec je zčásti analytik, zčásti inženýr a zčásti překladatel. Název je široký, protože i jeho práce je široká.