数据处理、分析与可视化均使用 R 及其相关包完成。可在此处查看所用笔记本和相关文件。
根据《韦氏词典》，数据是用于推理、讨论或计算的事实性信息。按此定义，数据本质上是任何可用于进一步处理和分析、以获取见解的收集信息。数据通常与计算机相关，因为它通常在计算机中产生并存储，但数据的历史远比我们想象的要久远。
数据的历史
人类存储和分析数据最早的例子可以追溯到公元前18000年，人们发现史前人类使用刻痕棒进行最基本的计算。这些旧石器时代的部落人在木棒和骨头上刻划刻痕，以记录他们的活动，如交易和物资盘点。到公元前2400年，用于进行计算的装置——算盘——在巴比伦被发明出来。
纵观历史，数据收集、处理与分析不断发展，这从石板、黏土、纸草、木简以及纸卷上的大量文字中可见一斑。随着更多形式的数据被发现，对数据的处理、收集、存储与分析的需求也不断演进。
随着人类社会的日益发达，对数据处理的要求也与日俱增。19世纪，美国开始进行人口普查。普查中的数据点数量呈指数级增长，以至于美国人口普查局估计，收集和分析全部普查数据需要数年甚至几十年。这在当时是个大问题，因为当前普查数据的汇总与分析，往往要等到下一次普查将要开始或已经开始时才能完成。幸运的是，一位名叫赫尔曼·何乐礼（Herman Hollerith）的年轻工程师和发明家研发了何乐礼制表机——一种机电式制表机器，将收集与分析普查数据的时间从数年缩短到短短几个月。由此，何乐礼被视为现代自动计算之父，后来更因创立 IBM 而为人熟知。
时间快进到20世纪，计算机问世。随着功能更强大的计算机器出现，对数据存储的要求也变得更为复杂。德奥工程师弗里茨·普夫洛伊默（Fritz Pfleumer）发明了在磁带上以磁性方式存储信息的方法。他的部分发明原理至今仍用于数字数据存储。在这一时期，“商业智能”一词开始流行，分析企业与运营绩效所需的新兴软件与系统需求迅速上升。
数据领域真正的革命发生在1989年，当蒂姆·伯纳斯-李（Tim Berners-Lee）创建了万维网（即互联网）。这使得全球范围内的信息实现自动化共享。也就是说，如今有更多数据被共享、创建与存储，进而催生了收集、使用与分析数据的新方式。
迈向“大数据”的转变
由于1990年代互联网的惊人增长，以及个人计算机和各类计算设备的稳步发展，联网设备的数量（以及由此产生的数据量）迅速攀升。
尽管“大数据”的概念在1990年代之前就已存在，但直到2005年，罗杰·穆加拉斯（Roger Mougalas）才为其正式命名。他将其描述为“一个庞大的数据集，几乎无法用传统商业智能工具来管理和处理”。
大数据用来描述组织在日常运作中面临的海量数据——既包括结构化数据，也包括非结构化数据。它涵盖信息的规模、数据产生与收集的速度，以及所覆盖数据点的多样性与范围。
鉴于大数据的规模与复杂性，从中收集、组织并分析以发现模式和其他有用信息，已成为许多组织制定业务决策的重要一环。反过来，这也催生了数据科学——一个跨学科领域，通过科学方法、流程、算法与系统，从海量数据中发掘模式，帮助业务领导者做出有依据的洞察与判断。
有哪些数据科学相关角色？
据 IBM 所述，数据科学是一种多学科方法，旨在从当今组织收集与创建的海量且不断增长的数据中提取可行动的洞见。该领域通常需要计算机科学和纯科学能力，因为数据科学家在方法上采用科学方法，并通过预测分析与人工智能从数据中提炼洞见。参阅我们的《什么是数据科学》完整指南以获得更深入的定义。
如今，企业和组织经常将“数据科学”作为一个统称，用来指处理海量数据的全过程，无论是准备、清洗、分析，还是可视化来揭示模式。以下仅是部分可从事的数据科学职业方向：
-
数据科学家
数据科学家需要能够运用数学、统计学和科学方法；使用多种工具与技术进行数据清洗与准备；开展预测分析与人工智能；并能解释这些结果如何用于为业务问题提供数据驱动的解决方案。与数据分析师相比，他们需要更强的技术能力。入门时，您可以在 DataCamp 上学习面向数据科学的课程，例如：《数据科学 Python 入门》和《R 语言入门》。
-
数据分析师
数据分析师负责收集、处理并进行统计分析，以为组织得出有意义的结论。他们将大规模数据集转化与整理为可用形式，如报告或演示文稿。他们还通过识别重要模式并从数据中提炼洞见，帮助决策制定，并将这些洞见有效传达给组织领导者，辅助业务决策。以下 DataCamp 课程可助您开启数据分析师职业之路：《SQL 入门》和《SQL 中的探索性数据分析》。
-
数据工程师
数据工程师负责为分析或运营用途准备、处理与管理收集和存储的数据。与传统工程师类似，数据工程师构建并维护数据“管道”，将数据从一个系统连接到另一个系统，使数据科学家能够获取信息。因此，数据工程师需要理解数据科学中使用的多种编程语言，如 Python、R 和 SQL。与数据工程相关的主题在 DataCamp 上也有提供，例如：《数据工程入门》和《读懂数据工程》。
-
数据架构师
数据架构师主要为数据管理系统设计并创建蓝图，随后由数据工程师据此构建。与传统建筑师相似，数据架构师是“愿景制定者”，负责构想与设计组织的数据管理框架。此外，数据架构师会优化现有系统的性能，确保数据库管理员和分析师能够顺畅访问。您可以在 DataCamp 上学习与数据架构相关的课程，例如：《AWS 云概念》和《数据库设计》
-
商业智能（BI）开发工程师
BI 开发工程师是专门的工程角色，使用软件工具将数据转化为有助于业务决策的有用洞见。他们负责将技术信息简化，便于公司内的其他人员理解。简言之，他们使用商业智能工具创建并运行报告，将所发现的数据转化为通俗易懂的表述。DataCamp 提供与商业智能工具相关的课程，如 Microsoft Power BI 和 Tableau，例如：《Power BI 入门》和《在 Tableau 中分析数据》
-
统计学家
鉴于统计学是数据科学的主要基石之一，许多统计学家可以轻松转向数据科学领域。统计学家主要负责数据的收集与处理。他们决定需要哪些数据以及如何收集；此外，他们还会设计实验、分析与解释数据，并报告结论。您可参考 DataCamp 上这些统计学入门课程：《R 中的统计建模入门》和《用电子表格学统计入门》。
-
机器学习工程师
机器学习工程师同样是专门的工程角色，专注于研究、构建和设计人工智能（AI）与机器学习（ML）系统，以实现预测模型的自动化。本质上，他们开发算法，利用输入数据并借助统计模型来预测输出，并在有新数据时持续更新结果。DataCamp 提供大量与机器学习相关的课程，例如：《读懂机器学习》和《在 R 中使用 caret 做机器学习》。
快速在网上搜索职位，您就能对上述哪些数据科学职业路径最受欢迎有大致了解。下图显示截至 2021 年 12 月 8 日，Indeed 美国站上各职业路径的职位空缺数。
数据架构师似乎是最受青睐的数据科学职业路径，这与其在创建被其他数据科学专业人士使用的数据管理系统中的重要性密切相关。其次是机器学习工程师，鉴于在众多科技公司中，利用人工智能进行结果预测的重要性日益凸显。
最不吃香的是统计学家，主要原因在于许多传统统计学家正在转型为数据科学家。考虑到统计学家从纯统计转向数据科学相对容易，因为他们已具备成为成熟数据科学家所需的基础知识，这一趋势预计仍将持续。
数据科学的热度不减
数据科学在2010年代大受欢迎，尤其是在《哈佛商业评论》将“数据科学家”称为“21世纪最性感的职业”之后。它之所以如此走红，以至于“数据科学家”这一头衔成为一种无处不在、时髦的表达。尽管“最性感职业”这一说法乍听有些夸张，但主要是指数据科学家不仅需求旺盛，而且招聘成本高、留任难度大。
毫无疑问，数据科学当下极为热门；更好的问题是，它在未来是否仍能保持热度？根据就业预测，答案似乎是肯定的。美国劳工统计局的2020—2030年就业预测数据显示，包括统计、数据科学以及诸如数据工程等其他数学与科学类职业在内的数据科学相关职业，在2020至2030年的增速（按百分比变化计算）将非常可观。统计学家在全部790个职业中排名第14位，数据科学家及其他数学科学类职业排名第31位。
尽管统计学家与数据科学家在整体劳动力中的占比较其他职业仍然较小，但随着数据科学职业路径日益受欢迎，这些数字预计在未来几年会持续增长。下图展示了统计学家、数据科学家和其他数学科学类职业与其他高增长预期岗位的对比。
一个“高薪”的领域
数据科学之所以受欢迎，重要原因之一是它是全球薪资最高的职业之一。下图展示了纽约市10种不同职业（包括数据科学家与数据分析师）的薪资范围。数据来自Teleport，该网站汇总不同城市的生活状况数据（如薪资）。
据 Teleport 统计，数据科学家在纽约市的年薪中位数排名第4，为\$114,105，仅次于高管层和医疗从业者。事实上，在马尼拉等其他城市，数据科学家的排名甚至高至第2，仅次于高管层。这足以说明该职位的高薪程度。数据分析师的职位虽不及数据科学那么高薪，但也不可小觑。其年薪中位数为$61,818，仍相当于纽约市的家庭平均收入水平。
在就业市场中持续增长
数据科学受欢迎的另一个主要原因是，如今的组织将数据科学的原则融入日常运营。下图显示了最常涉及数据科学工作的十大行业。8,000家数据科学导向型公司的样本数据来自全球最大的知识图谱——Diffbot。
软件公司——包括 Google、Apple、Uber 等科技公司——位列榜首并不令人意外。毕竟，大数据的非凡增长源于互联网的诞生，而互联网与软件和技术紧密相连。数据科学的核心，正是利用各种工具与技术处理海量信息。
其次是金融服务公司，这与金融科技（fintech）的崛起密切相关。Fintech 是“金融”（finance）与“技术”（technology）的合成词，这类公司将技术与创新融入其服务与产品，以提升客户体验并颠覆传统金融服务。由于涉及处理大量数据（如客户信息），金融服务企业看到了数据科学工具在简化与优化流程、提升服务方面的潜力。
结论：值得从事数据科学职业吗？
综合以上内容，答案是肯定的！至于应选择哪条具体的数据科学职业路径，主要取决于您的个人优势与兴趣。重要的是，上述任何一种职业都必将物有所值。
作为一条高回报且在热度上似乎丝毫没有放缓迹象的职业道路，数据科学将在未来很多年里，持续塑造并影响企业与组织的运作方式。
数据处理、分析与可视化均使用 R 及其相关包完成。可在此处查看所用笔记本和相关文件。
根据《韦氏词典》，数据是用于推理、讨论或计算的事实性信息。按此定义，数据本质上是任何可用于进一步处理和分析、以获取见解的收集信息。数据通常与计算机相关，因为它通常在计算机中产生并存储，但数据的历史远比我们想象的要久远。
数据的历史
人类存储和分析数据最早的例子可以追溯到公元前18000年，人们发现史前人类使用刻痕棒进行最基本的计算。这些旧石器时代的部落人在木棒和骨头上刻划刻痕，以记录他们的活动，如交易和物资盘点。到公元前2400年，用于进行计算的装置——算盘——在巴比伦被发明出来。
纵观历史，数据收集、处理与分析不断发展，这从石板、黏土、纸草、木简以及纸卷上的大量文字中可见一斑。随着更多形式的数据被发现，对数据的处理、收集、存储与分析的需求也不断演进。
随着人类社会的日益发达，对数据处理的要求也与日俱增。19世纪，美国开始进行人口普查。普查中的数据点数量呈指数级增长，以至于美国人口普查局估计，收集和分析全部普查数据需要数年甚至几十年。这在当时是个大问题，因为当前普查数据的汇总与分析，往往要等到下一次普查将要开始或已经开始时才能完成。幸运的是，一位名叫赫尔曼·何乐礼（Herman Hollerith）的年轻工程师和发明家研发了何乐礼制表机——一种机电式制表机器，将收集与分析普查数据的时间从数年缩短到短短几个月。由此，何乐礼被视为现代自动计算之父，后来更因创立 IBM 而为人熟知。
时间快进到20世纪，计算机问世。随着功能更强大的计算机器出现，对数据存储的要求也变得更为复杂。德奥工程师弗里茨·普夫洛伊默（Fritz Pfleumer）发明了在磁带上以磁性方式存储信息的方法。他的部分发明原理至今仍用于数字数据存储。在这一时期，“商业智能”一词开始流行，分析企业与运营绩效所需的新兴软件与系统需求迅速上升。
数据领域真正的革命发生在1989年，当蒂姆·伯纳斯-李（Tim Berners-Lee）创建了万维网（即互联网）。这使得全球范围内的信息实现自动化共享。也就是说，如今有更多数据被共享、创建与存储，进而催生了收集、使用与分析数据的新方式。
迈向“大数据”的转变
由于1990年代互联网的惊人增长，以及个人计算机和各类计算设备的稳步发展，联网设备的数量（以及由此产生的数据量）迅速攀升。
尽管“大数据”的概念在1990年代之前就已存在，但直到2005年，罗杰·穆加拉斯（Roger Mougalas）才为其正式命名。他将其描述为“一个庞大的数据集，几乎无法用传统商业智能工具来管理和处理”。
大数据用来描述组织在日常运作中面临的海量数据——既包括结构化数据，也包括非结构化数据。它涵盖信息的规模、数据产生与收集的速度，以及所覆盖数据点的多样性与范围。
鉴于大数据的规模与复杂性，从中收集、组织并分析以发现模式和其他有用信息，已成为许多组织制定业务决策的重要一环。反过来，这也催生了数据科学——一个跨学科领域，通过科学方法、流程、算法与系统，从海量数据中发掘模式，帮助业务领导者做出有依据的洞察与判断。
有哪些数据科学相关角色？
据 IBM 所述，数据科学是一种多学科方法，旨在从当今组织收集与创建的海量且不断增长的数据中提取可行动的洞见。该领域通常需要计算机科学和纯科学能力，因为数据科学家在方法上采用科学方法，并通过预测分析与人工智能从数据中提炼洞见。参阅我们的《什么是数据科学》完整指南以获得更深入的定义。
如今，企业和组织经常将“数据科学”作为一个统称，用来指处理海量数据的全过程，无论是准备、清洗、分析，还是可视化来揭示模式。以下仅是部分可从事的数据科学职业方向：
数据科学家
数据科学家需要能够运用数学、统计学和科学方法；使用多种工具与技术进行数据清洗与准备；开展预测分析与人工智能；并能解释这些结果如何用于为业务问题提供数据驱动的解决方案。与数据分析师相比，他们需要更强的技术能力。入门时，您可以在 DataCamp 上学习面向数据科学的课程，例如：《数据科学 Python 入门》和《R 语言入门》。
数据分析师
数据分析师负责收集、处理并进行统计分析，以为组织得出有意义的结论。他们将大规模数据集转化与整理为可用形式，如报告或演示文稿。他们还通过识别重要模式并从数据中提炼洞见，帮助决策制定，并将这些洞见有效传达给组织领导者，辅助业务决策。以下 DataCamp 课程可助您开启数据分析师职业之路：《SQL 入门》和《SQL 中的探索性数据分析》。
数据工程师
数据工程师负责为分析或运营用途准备、处理与管理收集和存储的数据。与传统工程师类似，数据工程师构建并维护数据“管道”，将数据从一个系统连接到另一个系统，使数据科学家能够获取信息。因此，数据工程师需要理解数据科学中使用的多种编程语言，如 Python、R 和 SQL。与数据工程相关的主题在 DataCamp 上也有提供，例如：《数据工程入门》和《读懂数据工程》。
数据架构师
数据架构师主要为数据管理系统设计并创建蓝图，随后由数据工程师据此构建。与传统建筑师相似，数据架构师是“愿景制定者”，负责构想与设计组织的数据管理框架。此外，数据架构师会优化现有系统的性能，确保数据库管理员和分析师能够顺畅访问。您可以在 DataCamp 上学习与数据架构相关的课程，例如：《AWS 云概念》和《数据库设计》
商业智能（BI）开发工程师
BI 开发工程师是专门的工程角色，使用软件工具将数据转化为有助于业务决策的有用洞见。他们负责将技术信息简化，便于公司内的其他人员理解。简言之，他们使用商业智能工具创建并运行报告，将所发现的数据转化为通俗易懂的表述。DataCamp 提供与商业智能工具相关的课程，如 Microsoft Power BI 和 Tableau，例如：《Power BI 入门》和《在 Tableau 中分析数据》
统计学家
鉴于统计学是数据科学的主要基石之一，许多统计学家可以轻松转向数据科学领域。统计学家主要负责数据的收集与处理。他们决定需要哪些数据以及如何收集；此外，他们还会设计实验、分析与解释数据，并报告结论。您可参考 DataCamp 上这些统计学入门课程：《R 中的统计建模入门》和《用电子表格学统计入门》。
机器学习工程师
机器学习工程师同样是专门的工程角色，专注于研究、构建和设计人工智能（AI）与机器学习（ML）系统，以实现预测模型的自动化。本质上，他们开发算法，利用输入数据并借助统计模型来预测输出，并在有新数据时持续更新结果。DataCamp 提供大量与机器学习相关的课程，例如：《读懂机器学习》和《在 R 中使用 caret 做机器学习》。
快速在网上搜索职位，您就能对上述哪些数据科学职业路径最受欢迎有大致了解。下图显示截至 2021 年 12 月 8 日，Indeed 美国站上各职业路径的职位空缺数。
数据架构师似乎是最受青睐的数据科学职业路径，这与其在创建被其他数据科学专业人士使用的数据管理系统中的重要性密切相关。其次是机器学习工程师，鉴于在众多科技公司中，利用人工智能进行结果预测的重要性日益凸显。
最不吃香的是统计学家，主要原因在于许多传统统计学家正在转型为数据科学家。考虑到统计学家从纯统计转向数据科学相对容易，因为他们已具备成为成熟数据科学家所需的基础知识，这一趋势预计仍将持续。
数据科学的热度不减
数据科学在2010年代大受欢迎，尤其是在《哈佛商业评论》将“数据科学家”称为“21世纪最性感的职业”之后。它之所以如此走红，以至于“数据科学家”这一头衔成为一种无处不在、时髦的表达。尽管“最性感职业”这一说法乍听有些夸张，但主要是指数据科学家不仅需求旺盛，而且招聘成本高、留任难度大。
毫无疑问，数据科学当下极为热门；更好的问题是，它在未来是否仍能保持热度？根据就业预测，答案似乎是肯定的。美国劳工统计局的2020—2030年就业预测数据显示，包括统计、数据科学以及诸如数据工程等其他数学与科学类职业在内的数据科学相关职业，在2020至2030年的增速（按百分比变化计算）将非常可观。统计学家在全部790个职业中排名第14位，数据科学家及其他数学科学类职业排名第31位。
尽管统计学家与数据科学家在整体劳动力中的占比较其他职业仍然较小，但随着数据科学职业路径日益受欢迎，这些数字预计在未来几年会持续增长。下图展示了统计学家、数据科学家和其他数学科学类职业与其他高增长预期岗位的对比。
一个“高薪”的领域
数据科学之所以受欢迎，重要原因之一是它是全球薪资最高的职业之一。下图展示了纽约市10种不同职业（包括数据科学家与数据分析师）的薪资范围。数据来自Teleport，该网站汇总不同城市的生活状况数据（如薪资）。
据 Teleport 统计，数据科学家在纽约市的年薪中位数排名第4，为\$114,105，仅次于高管层和医疗从业者。事实上，在马尼拉等其他城市，数据科学家的排名甚至高至第2，仅次于高管层。这足以说明该职位的高薪程度。数据分析师的职位虽不及数据科学那么高薪，但也不可小觑。其年薪中位数为$61,818，仍相当于纽约市的家庭平均收入水平。
在就业市场中持续增长
数据科学受欢迎的另一个主要原因是，如今的组织将数据科学的原则融入日常运营。下图显示了最常涉及数据科学工作的十大行业。8,000家数据科学导向型公司的样本数据来自全球最大的知识图谱——Diffbot。
软件公司——包括 Google、Apple、Uber 等科技公司——位列榜首并不令人意外。毕竟，大数据的非凡增长源于互联网的诞生，而互联网与软件和技术紧密相连。数据科学的核心，正是利用各种工具与技术处理海量信息。
其次是金融服务公司，这与金融科技（fintech）的崛起密切相关。Fintech 是“金融”（finance）与“技术”（technology）的合成词，这类公司将技术与创新融入其服务与产品，以提升客户体验并颠覆传统金融服务。由于涉及处理大量数据（如客户信息），金融服务企业看到了数据科学工具在简化与优化流程、提升服务方面的潜力。
结论：值得从事数据科学职业吗？
综合以上内容，答案是肯定的！至于应选择哪条具体的数据科学职业路径，主要取决于您的个人优势与兴趣。重要的是，上述任何一种职业都必将物有所值。
作为一条高回报且在热度上似乎丝毫没有放缓迹象的职业道路，数据科学将在未来很多年里，持续塑造并影响企业与组织的运作方式。