如何成為一名數據科學家？大概是能怎么制作出都屬于自己的數據地圖吧。這是我自己才能做成的，子集了近10年來的數據分析職業(yè)經驗，建議參考了數十份行業(yè)內的很權威著作、等，特點數十萬字的浩大學習資料，才有了這

如何成為一名數據科學家？

大概是能怎么制作出都屬于自己的數據地圖吧。

這是我自己才能做成的，子集了近10年來的數據分析職業(yè)經驗，建議參考了數十份行業(yè)內的很權威著作、等，特點數十萬字的浩大學習資料，才有了這個。

基礎別人前，自己也得有拿的出手的干貨吧，不然的話怎摸欽佩？

先說一個，要是題主只不過替高上大的title來的，那我勸你趁早決定放棄幻想，現實中數據科學家只不過是稱呼而已，好像沒什么用，到時候別人轉首就其實你是為他們服務的呢？

那這個概念是怎末來的？

程序員都覺得自己不合適編程，產品經理都覺得自己不比較適合做產品，統計會計都覺得自己天花板又低，咦，這個數據科學家的崗位聽起來蠻高大上的，能做的事情和我也都沒什么差距，我去試試？

嗯，基本是那樣。

你們認為的：

這種人存不必然？存在，但醒一醒，數量一般很少，而且要多年的歷練。

據我打聽一下，多個互聯網大公司的數據leader，他們就是導導表，跑下數據，接著按業(yè)務需求把數據給別人，偶爾還幫其他部門做一些充當的需求，挖掘點用戶數據可能一些一些。

離數據科學家還遠著，這就是現實。

但并也不是沒有辦法，擁有數據科學家，應該靠路其規(guī)律。

1、數據科學家怎莫來的？

先有Data science，再有做此行當的人datascientists。

science全是做好實驗的，實驗的對象是數據，方法是dm，ml，dl等，儀器是各類存儲硬件，處理軟件。仙靈的是研究對象是不同領域，所以一個data science過程，產出物很可能僅僅一些第一項知識，提示和決策，哪怕可以去拓展對某個領域認知。

2、數據科學家的類型

第一種，偏總結。

可以算，類似商業(yè)分析這種，必須你懂行業(yè)，懂市場，懂公司經營管理，后再再去能夠解決問題。

主要注意工作，大部分是清清數據，做做分析什么，出出報告，搞個深刻洞察，但隨著大數據的到來，對模型確立能力、工具使用能力、數據處理能力而且了。

Tableau、python、Finebi、R、pandas、matlab都得會。

還得懂市場、經濟、統計的知識。

第二種，偏算法。

做研究類的升華，例如阿里達摩院，也算一個成本部門，是部門就得有產出，是研究就得有成果，就得能落下時（這句話不是我說的，是馬老師）。

那這種就很好解釋了，把算法從Research你做到Product。

具體的要求會更高，NLP，數據挖掘，推薦算法，CV，業(yè)務邏輯，需求管理，編程能力的確其次的。

3、數據科學家的核心技能

以外數據分析，有什么？

其實數據科學在公司里的應用肯定基礎層次，老板招工很可能只不過想讓公司趕不上AI的末班車，但不太懂如何讓數據擁有生產力，噱頭是主要的。公司越大，職位邊界會越影像。

因為，數據科學家估計強大產品經理一樣的的嗅覺能力，也可以不僅僅遠遠超過程序員的代碼能力。

要不你是會很一片迷茫，自己在產品和旗下都沒有話語權，逐漸地變的了支持部門。

因為要在大方向上，更加積極一點兒，從insight到product，要全程參與，真有很培養(yǎng)能力，然后才能有數據話語權，這可不是寫個python、sql的或etl就能實現程序的。

國內有哪些低調但很有技術含量的BI產品，類似tableau、power bi？

Gartner2017年商業(yè)智能魔力象限中沒上榜的全是國外產品

是需要，Tableau當然是其中最好是是用。

或者，回答我樓主問題，如圖：

麻煩問下帆軟

Smartbi智講我個人認為很不錯，從性價比來看是高了的，要是從產品性能來看，智分析不輸任何一家BI產品，其他產品有的功能，智分析也有，而且智分析是最接底氣的，即使是EXCEL用戶都能輕松上手，無須太高的學習門檻。到最后要的是，智分析的很便宜，個人版幾十塊一個月就能用，可比幾萬幾十萬的貴得要命價格，我用這個難道不香嗎

也不知題主還有沒有聽過奧威軟件，要說低調的實力派BI工具，它需要榮譽上榜。這是一家國內老BI廠商了，主打BI商業(yè)智能工具標準解決方案，可實現方法自助式、一路探索式的智能數據可視化分析什么。