Nhà khoa học dữ liệu trích xuất thông tin chi tiết từ dữ liệu phức tạp. Họ xây dựng mô hình, tiến hành thí nghiệm và trả lời những câu hỏi đòi hỏi nhiều hơn một truy vấn đơn thuần. Khách hàng này có rời bỏ dịch vụ không? Mức giá nào tối đa hóa doanh thu? Bệnh nhân nào có nguy cơ tái nhập viện? Công việc này kết hợp thống kê, lập trình và kiến ​​thức chuyên môn. Những nhà khoa học dữ liệu giỏi nhất hiểu cả khía cạnh kinh doanh lẫn toán học.

Vai trò của nhà khoa học dữ liệu đã phát triển. Những nhà khoa học dữ liệu thời kỳ đầu làm tất cả mọi thứ: làm sạch dữ liệu, xây dựng mô hình, triển khai. Các nhóm hiện đại thường phân chia công việc. Kỹ sư dữ liệu xử lý các đường dẫn dữ liệu. Kỹ sư máy học triển khai mô hình. Nhà khoa học dữ liệu tập trung vào phân tích và thử nghiệm. Các công cụ là Python và R, với các thư viện như pandas, scikit-learn và TensorFlow. SQL vẫn rất cần thiết. Kỹ năng giao tiếp quan trọng không kém kỹ năng kỹ thuật. Một mô hình mà không ai hiểu hoặc tin tưởng sẽ không được sử dụng. Nhà khoa học dữ liệu phải giải thích kết quả nghiên cứu của họ cho các nhà quản lý cấp cao, quản lý sản phẩm và kỹ sư. Họ phải trung thực về sự không chắc chắn. Một dự đoán với độ tin cậy 70% không phải là một sự đảm bảo. Phần khó nhất không phải là xây dựng mô hình. Mà là làm sao để tổ chức hành động dựa trên những gì mô hình nói. Điều đó đòi hỏi sự tin tưởng, và sự tin tưởng đòi hỏi sự giao tiếp rõ ràng.

Kỹ năng của nhà khoa học dữ liệu

• Thống kê — kiểm định giả thuyết, hồi quy, xác suất
• Lập trình — Python, R, SQL
• Học máy — lựa chọn mô hình, huấn luyện, đánh giá
• Kiến thức chuyên môn — hiểu rõ vấn đề kinh doanh.
• Truyền đạt thông tin — giải thích rõ ràng các phát hiện.

Nhà khoa học dữ liệu vừa là nhà phân tích, vừa là kỹ sư, vừa là người phiên dịch. Chức danh này rất rộng vì công việc của họ cũng rất rộng.