1月3日，你擅长数学，会用Python编程，而且还对某个行业了如指掌？
如果你拥有这样的技能集，那你就有可能当上数据科学家。而如果你当上了数据科学家，那你的日子就可以过得风风光光了——LinkedIn的最新投票结果显示，“统计分析和数据挖掘” 是2014年最大的求职法宝。
美国招聘网站Glassdoor的报告称，数据科学家的平均年薪为118709美元（约合人民币737550元），而程序员的平均年薪为64537美元（约合人民币400974元）。麦肯锡公司的一份研究预测称，到2018年，在“具有深入分析能力的人才”方面，美国可能面临着14万到19万的缺口，而“可以利用大数据分析来做出有效决策的经理和分析师” 缺口则会达到150万。
该领域目前异常火爆，纽约大学数据科学中心课程的负责人罗伊-洛伦斯（Roy Lowrance）表示，现在可能已经到了巅峰期。“也许存在着泡沫，” 他说。 “无论什么事情，一旦变得这样火爆，之后就肯定就会冷下来。”不过，纽约大学希望在未来几年里扩大数据科学课程的招生规模，把学生人数从40名增加到60名。本学年还有五个月才会结束，但50%到75%的学生已经找到了比较理想的工作。
为什么该领域会变得如此火爆？琳达-博奇（Linda Burtch）是芝加哥的猎头公司博奇工程的董事总经理，她表示，尽管像谷歌、亚马逊、Netflix和Uber这样的高科技公司都有自己的数据科学团队，但那些非高科技公司，比如Neiman Marcus、沃尔玛、Clorox和Gap，它们现在也需要使用这方面的人才，“很多公司都在物色数据科学家，”她说。
这些公司希望，数据科学专业人才可以挖掘新的信息，来帮助公司开源节流。IBM负责大数据业务的副总裁Anjul Bhambhri表示，航空航天制造商Pratt & Whitney现在可以预测出飞机发动机何时需要进行维护，准确率达到97%，这可以帮助它更加有效地开展业务。
虽然IBM在本月刚刚推出了基于云计算的Watson Analytics免费增值工具，但是，为了分析非结构化数据，数据科学家常常不得不亲自动手编写专门的软件程序，这正是数据科学家必须掌握编程技巧的一个原因。
学校教育
洛伦斯说，数据科学家需要具备三项基本技能：数学/统计、计算机能力、在特定业务领域的知识。纽约大学数据科学中心希望招收至少具备其中一种技能的学生，然后培养他们掌握其他技能，让学生到毕业的时候，可以独当一面负责处理数据工作。 “在学习过程中，他们要做一些数据科学项目，这些项目需要他们用到这三种技能，”他说。
但是，如果你想成为一名数据科学，也不一定非得去大学读书才行。从今年9月开始，一家名为梅蒂斯（Metis）的公司开始在纽约举办为期十二周的数据科学训练营，费用为1.4万美元。报名的人非常之多，入学竞争相当激烈。梅蒂斯公司的联合创始人杰森-莫斯（Jason Moss）说，大约有一半的学生都拥有硕士或博士学位。
第一期训练营在12月初结束。莫斯说，不过几周， 15名学生中就有6名拿到了聘用通知。
“我不认为训练营可以替代大学教育，”莫斯说。“训练营可以提供一条捷径，让你以最快的速度找到一份工作，但大学的目的不在于此。但我也不认为你必须上大学才能成为一名数据科学家，”他说。“有一种人，他们天生具有好奇心，有勇气，有决心，总想把事情理出头绪，他们在这一行可以干得很好。”
Anmol Rajpurohit是一名独立的数据科学家兼顾问，他说，做这一行工作最重要的素质就是能够快速学习东西。“与专长于任何特定编程语言相比，泛型编程技巧远远更加重要，”他说。 “在如今这个时代，技术的发展突飞猛进，语言会很快过时，新的语言则将迅速普及。因此，学东西很快的人，会比单独领域的专家更有前途。”
洛伦斯说，他认为，在某些技能方面，训练营和网上课程可以为学习者提供很大的帮助。但在另外一些方面，它们的作用就就相对有限了。纽约大学的数据科学课程有一个优势，就是可以按照正确的先后顺序来培养你的技能。“我们的教学顺序可以让你循序渐进、融会贯通地掌握技能。”他说。
数据科学家要做哪些事？
游戏公司Playstudios的数据科学家乔恩-格林伯格（Jon Greenberg）说：“在日常工作中，我需要管理一系列控制面板，它们提供的信息可以让公司知道，我们的生意到底做得怎么样？ 用户在做什么事情？”格林伯格现在是一名经理了，所以他编程的时候没有以往那么多，但是他有时候仍然需要编程。通常来说，他把数据从Apache Hadoop的存储器里调取出来，在分析平台Revolution R上运行它，并对它进行一些可视化处理。 “比如说，我们可以从中得知一部分用户如何与新推出的功能互动，”他解释说。
六年前，格林伯格拿到了统计学的硕士学位。他希望进入政府部门工作，但却惊讶地发现，公司企业非常需要数据科学家。 “那个时候，数据科学领域还没有现在这么火爆，，”他说。现在，他每天都能从猎头那里收到一个电话或一封邮件。 “这种情况不只是发生在我身上，”他说。“所有的数据科学家可能都是这样。”
对于格林伯格来说，就业机会很好只是一个加分项，因为他本来就热爱这一行。 “我认为，要做数据科学工作，你必须得有分析头脑才行，而且还得有好奇心，”他说。“你必须得有灵活性和创造性，构思出不同的方法来解决问题。”这项工作的唯一缺点，格林伯格说，就是“清洁”数据（去掉那些没有相关性的结果）需要花费大量时间。“这部分任务并不是那么招人喜欢，你得花很多时间来做它。”他说。
