数据科学家从复杂的数据中提取洞见。他们构建模型、运行实验，并解答那些需要进行更深入分析才能解答的问题。例如，这位客户会流失吗？怎样的价格才能最大化收入？哪些患者有再次入院的风险？这项工作融合了统计学、编程和领域知识。优秀的数据科学家不仅精通数学，也了解业务。

数据科学家的角色已经发生了演变。早期的数据科学家包揽一切：数据清洗、建模、部署。而现代团队通常会分工合作。数据工程师负责数据管道，机器学习工程师负责模型部署，数据科学家则专注于分析和实验。常用的工具是 Python 和 R，以及 pandas、scikit-learn 和 TensorFlow 等库。SQL 仍然至关重要。沟通技巧与技术技巧同样重要。一个无人理解或信任的模型将不会被使用。数据科学家必须向高管、产品经理和工程师解释他们的发现，并且必须坦诚面对不确定性。70% 置信度的预测并不能保证成功。最难的不是构建模型，而是如何让组织根据模型的预测采取行动。这需要信任，而信任则需要清晰的沟通。

数据科学家技能

• 统计学——假设检验、回归分析、概率论
• 编程——Python、R、SQL
• 机器学习——模型选择、训练、评估
• 领域知识——理解业务问题
• 沟通——清晰地解释调查结果

数据科学家既是分析师，又是工程师，还是翻译人员。这个头衔涵盖范围很广，因为工作内容也十分广泛。