【数据科学职业发展】data science, machine learning, data mining, business analytics, applied statistics傻傻分不清

如今做公司，言必称大数据，否则就显得很out，那么data science, machine learning, data mining, business analytics, applied statistics, operations research这些时髦词，到底有什么联系和区别呢？从就业的角度，小伙伴们该如何选择？下面蟹老板来简单讲讲： 最近Data Science这个专业非常火，申请竞争也越来越激烈，好在越来越多的学校正在努力开设这个专业，满足小伙伴们日益高涨的学习热情~~有同学可能会担心，过两年这个专业是否会变得人才饱和然后不好找工作？ 我认为是不会的： 首先，各行各业都需要data science的人才：市场营销需要分析数据，金融投资需要数据分析，风险管理需要数据分析，医疗系统需要数据分析，电商 、媒体、政府、能源等等，几乎所有重要的领域都越来越离不开数据分析，因此数据科学人才的需求将在未来很长的一段时间持续增长。 再者，数据科学是偏理工的实践类专业，对逻辑能力和动手能力都有较高要求，不是大家都能学明白的，因此人才数量的增长有限，算是门槛较高的专业，不像一些做app、做前端的职业，学习门槛低，人才容易过剩。 最后，数据科学将慢慢发展成一种高级人才的必备工具，无论从事哪个行业，都需要具备一定的数据分析能力，即使不读专门的学位，也建议大家通过上网课来学习这方面的知识和技能，尤其是对于在国内读书的同学，由于我国教育在这方面比较落后，因此要多利用互联网资源，比如youtbue上就有很多免费的教程非常不错。 下面谈谈小白们常有的一些疑问和误区： 1. “我喜欢跟人沟通，不喜欢编程，因此不适合学数据科学。” 实际上从事数据科学工作，往往需要很强的沟通能力和business acumen，而编程只是辅助技能，不是决定性的，在职业生涯中后期，能脱颖而出的data scientist都是具备很强的沟通能力、解决问题的能力，而且一般都有自己深钻的领域，比如金融行业、医疗行业、电商平台等等。从漫长的职业发展道路来看，编程只是一座小小的山丘，后面还有连绵不绝的高山等着大家去征服。此外，据我观察，大部分声称“我擅长跟人沟通，不喜欢搞技术的”人，只是因为喜欢跟人聊天而产生了自己擅长跟人沟通的幻觉，实际情况往往是既没有一技之长，也不擅长跟人沟通，请大家注意“话痨”和“商务谈判能力”、“营销能力”的区别，前者是毛病，后者才是技能，不要加错了属性点。 2. 常见名词解释： Machine Learning（机器学习）：听起来比较高级的前沿技术，实际上机器学习的核心算法就那么几个，也不是什么新发明，有编程基础的同学花上一两月就基本搞懂了，而且实际工作中，一般不会让你自己去实现某个算法的，有很多开源的库可以直接用，关键之处往往是获取和筛选出高质量的数据，有了好数据，具体用哪个算法其实差别都不大。 Data Mining（数据挖掘）：主要是用模式识别和特征识别技术，从海量数据中找出有价值的信息或信息之间的联系，比如我们浏览亚马逊的网站时会留下很多记录，在某个页面的停留时间、购买特定产品的频率等等，有了这些原始数据，我们就可以对用户的访问和消费数据进行模式匹配，筛选出各类优质客户，为其推荐定制化的产品和服务。在实际工作中，需要用到一些基本的统计学知识，然后有不少现成的工具可以使用，比如Rapid Miner。 Predictive Modeling（预测建模）：基于统计学的实际应用，主要是设计统计模型，根据过去的数据预测未来的数据，比如根据过去的销量预测未来的销量，从而优化原材料的采购、运输线路的部署等等。 Applied Statistics（应用统计学）：所谓“应用”，在实际工作中，一般是使用STATA, SAS，R这样的统计分析工具和编程语言分析数据，听起来没有data science, machine learning那么酷，实际学的东西有很多交叉的地方，从留学申请的角度，applied statistics一般设置在统计学院下面，学的东西相对窄一点，不如data science综合性强。 Quantitative Investment（量化投资）：简单来说，就是通过编写计算机程序辅助投资决策，比如通过分析公司的价格、财务报表信息，选出符合指标的股票，不一定要使用程序自动交易才算量化投资，可以用计算机程序分析，然后人工买卖，也属于量化投资。另外听起来比较高级的高频交易，实际上是量化投资中非常小众的一个分支，资金量一大就不好使了，因此发展空间其实不大。 Business Analytics（商业分析）：商学院开出来的专业，没有data science技术性那么强，适合商科出身没有编程经验的小伙伴，就业面比data science窄一些，也就是说data science出来的人可以胜任BA的工作，BA的不一定能干data science的工作。 Operations Research（运筹学）：从统计学演化出来的一个专业，最早哥大的data science项目发的是operations research的学位，可见联系紧密，相对来说，OR更侧重大型企业的decision-making和process optimization，比data science更传统一些。 3. 自学资源推荐： 小象学院：http://www.chinahadoop.cn/ 国内最好的数据科学网课平台，团购一节课400左右，质量很高 Python学习（英文网站，视频+文字教程）：pythonprogramming.net 一个自由职业者做的Python教学网站，内容很全，从Python基础到机器学习到量化投资都有涉及，强烈推荐，一节课10多分钟左右，适合每天看一点 蟹老板书单（量化投资+数据科学）： http://shixiren.com/04%20books/ 需要留学申请服务的小伙伴请加微信（xieqiao1218）预约咨询，预约请注明“留学申请服务”，本人是布朗大学CS系2010年毕业的校友，每年带20个学员左右，仅限数据科学、商业分析、量化金融、CS等相关专业。