在获得奥斯卡奖提名的电影“隐藏人物”的高潮中，数学家凯瑟琳·约翰逊被要求验证约翰·格伦的太空舱，友谊7的着陆坐标的计算。技术刚刚取代人类计算机，完成复杂方程的数据计算人员在计算机系统出现之前，但来自机器的数据存在需要由一个人解决的差异。
这就是1961年的数据科学。现在，情况有所不同。 复杂的数据收集系统使每个部门的公司都能更多地了解其业务，客户和未来前景。 但就像隐藏数字一样，人们仍然需要从数据中找到重要的事实。
以下是关于我们如何每天使用数据科学以及成为数据科学家，工程师或分析师所需的基本技能的独家新闻。
数据科学无处不在
远远超出金融和科技行业的数据科学家的潜力正在蓬勃发展。 “各个领域越来越认识到，数据科学技能已经成为当今市场竞争和改进的必要条件，”Metis公司数据科学公司培训执行总监迈克尔·高尔文说，这是一家与个人和企业合作的数据科学技能培训公司。
想想饼干。 不，不是那些你喝牛奶的人 - 强大的数据收集工具，帮助数据分析师，科学家和工程师了解消费者的网络习惯，并告诉算法围绕那些“他们怎么知道我只是在思考那个？！“我们在Facebook上展示的广告。 他们的目标？ 评估消费者的兴趣和行为，并使用这些分析来帮助制定关键业务决策 - 适用于所有行业的公司。
“主流中的数据科学意识更广泛。 影响从亚马逊购买到Netflix狂欢的所有事情，数据科学比以往任何时候都触动更多的人，“高尔文说。
你如何适应
随着数据科学领域的发展，数据科学家，数据分析师和建模师的角色之间的重叠程度也在增加。
但据LexisNexis风险解决方案技术和HPCC系统副总裁Flavio Villanustre博士所说，各种职位之间的区别实际上是非常独特的 - 并为特定领域的天才提供了机会。
“数据分析师传统上专注于数据处理技术，这些技术需要从查询语言到图形数据模型的所有内容进行培训，”Villanustre说。 “同时建模人员分析数字数据的相关性和模式。”
在数据科学方面，Villanustre解释说，理想的候选人应该展示这两种技能的超集，这些技能与领域和商业知识相结合。 “与使用更复杂技术的数据分析方法的统计建模者相比，数据科学家通常拥有比数据分析师更深入的关于编程技术和更广泛知识的知识。”
在申请这些职位时，重要的是要注意公司真正希望执行的任务。
“围绕数据科学的嗡嗡声导致许多公司聘请数据科学家来做数据分析师的工作，最终清理和准备数据，花费很少时间进行实际数据科学，”数据和分析高级总监Nick Kramer解释道。 SSA＆Company，一家管理咨询公司，专门将大数据分析转化为公司运营。
新工具允许具有较低专业水平的人员创建分析模型，因此多样化的相关技能（如商业知识和有效的沟通技巧）对于将求职者与众不同非常重要。 在面试时，一定要提出问题，以确切了解公司正在寻求什么 - 然后相应地展示自己的优势。
我们的办公室
你需要什么才能成功
在作为数据科学家，分析师或工程师工作时，关于没有看到森林树木的古老格言是一件重要的事情。 虽然核心数据的准确性很重要，但承认公司希望解决的问题的总体情况也是如此。
“数据科学家倾向于过度复杂化并陷入细节的黑洞，”高尔文警告说。 “相反，他们应该考虑他们试图解决的业务问题，让事情有效，然后进行迭代。”
此外，对你正在做的事情的兴趣 - 对任何工作都是如此 - 也是必不可少的。
“公司针对不同的问题处理不同类型的数据（如图像，文本和财务数据）。 你需要感兴趣并理解你将要合作的数据类型才能获得成功，“高尔文说。 “例如，使用医学图像的数据科学家通常不是医生，但他们的最终用户或客户将是医生。 你能理解他们试图解决的问题吗？ 你有兴趣解决这些问题吗？“
然后是沟通。 据说数据科学家，分析师和工程师都说他们自己的语言，但要想在工作场所取得成功，你需要能够与那些将利用并从中获益最多的人清楚地沟通。
“与业务利益相关者合作越来越重要，”克莱默说。
数据科学及其相关的职业生涯从20世纪60年代开始走过了漫长的道路，当时NASA需要人机来利用和验证新计算机的工作。 但是，对数据如何影响我们的生活，工作和经营方式感兴趣的聪明人才仍然像以往一样重要 - 如果没有人类专家来解释输入和结果，数据科学可能会被滥用，或者只是简单地混淆。
