联合编译：Blake、高斐

　　编者注：作者Alec Smith是数据科学领域中资深HR，之所以写这篇文章是因为经常被问到一个问题：“如何才能获得一份数据科学家的职位？” 不仅这个问题经常被问引起了注意，另外问这个问题的人不同的背景也非常很令人感兴趣。作者曾经和以下这些职业的人有过类似对话：软件工程师、数据库开发者、数据架构师、保险精算师、数学家、学术界人士（不同领域）、生物学家、天文学家、理论物理学家—我还能接着往下数。通过和他们的这些谈话，作者发现在这之中有很大的误解存在，很多人都非常困惑——为了闯入这个领域的话，他们需要做些什么？

　　本文是如何成为一名数据学家的第二部分。

　　第二章：自我剖析

　　我们正在取得进步！成功地消化了第一章的内容之后，你现在要做好准备开始制定个人目标。但是，我们首先要回顾一下——不妨来杯咖啡，寻一隅安静之所，深思下面的问题：

　　1.你为什么想要成为一名数据科学家？

　　2.对哪一类型的数据科学感兴趣？

　　3.你已经具备了哪些天赋或相关技能？

　　为什么认真思考这些问题是重要的？

　　简而言之：数据科学是一个专业的研究领域，因而，除非你已经掌握了我们在第一章中提到的知识与技能，否则从事该领域的研究并不是一种轻松的选择。讲到这里，有一点对合理解决前两个问题尤为重要：你需要为从事数据科学领域的研究找到合理的理由，否则，当遇到困难时，很容易半途而废。

　　为了详细阐释上面的观点，我们来听听Dylan Hogg的见地。Dylan之前是一名软件工程师，现在是数据科学研究协会的领导者，数据科学研究会为运用机器学习(NLP)为雇主和相关候选人员建立联系搭建了一个平台。Dylan是如何从软件工程师成功地转型为数据科学家的（他仍然处于转型期），下面我们将讨论转型过程中应当具备的条件，他讲到：

　　“不论学历高低，经历丰富与否，有一些内在的东西尤为重要，那就是一个人的求知欲、决心和毅力。你会遇到很多困难：也许是算法方面出错，也许是遇到技术瓶颈。不论遇到什么样的困难，你都能够找到最优的方法来研究机器学习算法或软件工程，但是，倘若你的信心不够坚定，你将会放弃或无法克服遇到的困难。”

　　这下你会懂了：在学习过程中，你不仅仅会遇到困难；在工作生活中，你会接二连三地遇到难题，因而，你最好能够保证有合理的理由来激励自己，而不仅仅因为你觉得拥有“科学家”这一头衔有多酷。

　　但是，我们应当如何应对第三个问题？为什么拥有相关技能是重要的？对，一个人的起点会对选择最适合自己的数据科学类型及你应当从自己感兴趣的领域学到的知识产生影响？为了能够恰当地回答这个问题，有必要探寻通往数据科学领域的典型途径，我们应当首先从更为广阔的科学领域开始。

　　注：在许多定量学科中有许多人具备向数据科学转型的素质。在这里我就不一一列举了，但是，需要强调的重点是：如果你花费时间来真正理解每种类型数据科学之间存在的细微差异，不论你的知识背景如何，你都将会意识到自己所具备的相关技能的重要性。

　　其他科学学科

　　这不是通往数据科学领域最平凡的道路；我们接下来将要讨论统计学与计算机科学在数据科学研究中的重要性。但是，许多领域的科学家都具有娴熟的相关技能（特别是物理学领域），许多人在这一方面已经跳过了。

　　为了对此进行解释，请允许我介绍Will Hanninger，澳洲联邦银行数据科学家。之前，Will是欧洲核子研究中心的粒子物理学家，发现了希格斯玻色子，下面是他的语录：

　　“在物理学界，你能够自然而然地学习到所需要的数据科学领域的知识：编程、操作数据，获取原始数据并根据实用性对数据进行转换。你能够学习到统计学知识，重要的是：你将学到解决问题的能力。这些是作为一名数据科学家应当具备的基本技能。”

　　因此，技能组合具有高度可转换性，最重要的是获取解决问题的能力。工具与技术两者之间将会产生差异，例如，尽管机器学习是数据科学的同义词，但是，就更为宽泛的科学而言，这种同义关系是不常见的。在上述讨论中，我们一直谈及的是高智商人才，他们具有在短时间内学会使用工具与技术的能力。