數據科學家則需要了解Python語言、R語言或兩者兼具，并且能夠獲取數據（例如使用SQL或Spark）、整理數據、分析數據、訓練預測模型并將數據驅動的洞察提供給利益相關者。他們需要在統計方法和機器學習方法（包括深度學習）方面有扎實的基礎。在某些公司中，數據科學家也會參與機器學習模型的部署。

盡管現在很多企業(yè)對于數據科學家和數據工程師職位的劃分還不是那么明確，但是未來更加精細化的分工是大勢所趨。當然這并不會一蹴而就，新職位不是憑空而來，需要一個漸進的過程和角色轉化，國內某頭部互聯網公司兩年前正式組建了數據科學團隊，而團隊成員以前散落在集團各業(yè)務部門，其中有數據分析師也有大數據專家，而數據科學團隊成立以來，讓數據驅動業(yè)務運營，更加高效。

國內另一家頭部直播平臺正在招聘數據科學家職位，從招聘信息描述來看，數據科學家屬于其數據分析部，其工作職責包括分析和挖掘海量數據，發(fā)現用戶行為模式與規(guī)律，優(yōu)化用戶體驗，提升社區(qū)粘性，通過數據分析和經濟運籌模型優(yōu)化，為公司不同的運營團隊制定目標和策略，關注落地結果等。而職業(yè)技能要求需要熟練使用SQL、Python或R語言進行數據分析、可視化呈現，具有統計學和概率論基礎，擅長數據分析，了解常見規(guī)統計機器學習模型及使用等，其需求與Maria Khalusova所說基本一致。

有分析稱近來對AI、機器學習（ML）、非ML預測分析和“大數據”的應用，使得數據科學家的需求有了顯著的增長。不過從這一點來看數據科學是不是21世紀最性感的職業(yè)還為時尚早，公民數據科學家的到來讓不少人為此打上了大大的問號。

全民數據科學家時代到來？

早在2013年就有專家指出對數據科學家的“炒作”該結束了，他們認為大數據走入了一個新的階段。企業(yè)用戶利用直覺和互動的UI來從大數據中獲取價值，從而避免依賴于數據科學家，應該讓大數據變得更加民主。

市場競爭加劇，外部環(huán)境和技術飛速變化，需要業(yè)務和技術更高效聯動更及時有效了解用戶需求，明確企業(yè)自身現狀，為企業(yè)決策提供幫助。隨著大數據技術不斷走向成熟，技術應用的門檻也不斷降低，復雜的數據統計可能仍限于數據科學家，一些可視化分析工具和敏捷的大數據工具可以讓業(yè)務人員能夠輕松上手，大數據民主化也催生出了公民數據科學家這個概念。

根據Gartner 的定義，公民數據科學家（Citizen Data Scientist ）“能夠創(chuàng)建或生成采用高級診斷分析或預測和規(guī)范功能的模型，但本職工作并不屬于統計和分析領域”，近兩年關于公民數據科學家概念也異�；鸨�。

有人指出公民數據科學家發(fā)展預示著全民數據科學家時代的到來，數據科學家可能會退出舞臺，也有人認為數字化智能時代，數據的增長和數據價值的重要性日益凸顯，企業(yè)對數據科學家和數據分析人員需求不斷擴大，而人才缺口較大，公民數據科學家是暫時填補供需之間不平衡的一個方案，數據科學家仍然是最亮的星。

可以看到近兩年技術民主化成了熱點，不只是公民數據科學家，還有公民開發(fā)者，在Gartner的定義中公民開發(fā)者是指在傳統IT渠道之外的創(chuàng)建應用程序的業(yè)務用戶，低代碼／零代碼的發(fā)展促使了全民開發(fā)者時代的到來。公民開發(fā)者無法替代開發(fā)者，同樣的公民數據科學家也無法替代數據科學家。術業(yè)有專攻，數據科學家會向著更高階和更專業(yè)的數據分析方向發(fā)展，正如Gartner所說，公民數據科學家可以彌合企業(yè)用戶采用的主流自助型分析和數據科學家掌握的高級分析技術之間的鴻溝。

目前，越來越多的企業(yè)構建數據文化，將自身打造成數據驅動的組織�！坝捎诩夹g公司蘊含的技術文化，也使他們（互聯網企業(yè)）自然地在數據工程和數據科學方面更加領先。今天，我們看到越來越多的公司開始接受技術文化，因為這已成為競爭優(yōu)勢所在。與此同時，同樣的事情也發(fā)生在傳統產業(yè)。今天，各行各業(yè)的許多公司都開始嘗試將其業(yè)務轉到互聯網上�？梢赃@樣說，未來所有公司遲早都會成為互聯網公司，也都會更加注重技術文化。”Andrey Cheptsov指出，與此同時軟件開發(fā)越來越多地涉及到數據，這意味著軟件不再僅僅是一組算法，而是一組經過數據訓練的模型。收集和處理這些數據，并進行建模和部署機器學習（ML）模型，已成為軟件開發(fā)的一部分。

技術不斷迭代進化，新的職位也會出現，員工與企業(yè)組織都面臨著新的挑戰(zhàn)與機遇。很多人都愿意相信數據科學家未來可期，只是不要把職業(yè)角色和應該掌握的技能標簽化，畢竟需求是動態(tài)變化的，是需要個體與時代彼此適應的。