在过去的一年里，人们对数据科学的兴趣飙升。内特·西尔弗（Nate Silver）是一个家喻户晓的名字，各地的公司都在寻找独角兽，许多不同学科的专业人士已经开始将高薪职业视为一种可能的职业发展。
在 Burtch Works 的招聘搜索中，我们采访了许 购买电子邮件数据库 分析专业人士，他们正在考虑将自己的技能适应不断发展的数据科学领域，并对如何做到这一点存有疑问。从我作为招聘人员的角度来看，我想列出一份对数据科学成功至关重要的技术和非技术技能清单，这些技能是招聘经理最需要考虑的。
每家公司对技能和工具的重视程度都略有不同，这绝不是一个详尽的列表，但如果您在这些领域拥有经验，那么您将为自己作为数据科学候选人提供强有力的支持。
更多阅读
大数据职业
对世界产生积极影响的数据职业
对数据科学和数据分析师角色的需求不断增长
增加您获得数据科学家工作的机会
11 月 21 日前，365 门数据科学课程免费
Python 开发人员在数据科学团队中的角色
技术技能：分析
教育——数据科学家受过高等教育——88% 的人至少拥有硕士学位，46% 的人拥有博士学位——虽然有明显的例外，但通常需要非常强大的教育背景来发展数据所需的知识深度科学家。他们最常见的研究领域是数学和统计学（32%），其次是计算机科学（19%）和工程（16%）。
SAS 和/或 R – 深入了解这些分析工具中的至少一种，对于数据科学，R 通常是首选。
技术技能：计算机科学
Python 编码——Python 是我认为数据科学角色通常需要的最常见的编码语言，另外还有 Java、Perl 或 C/C++。
Hadoop 平台——尽管这并不总是必需的，但在许多情况下它是首选。拥有 Hive 或 Pig 的经验也是一个强大的卖点。熟悉 Amazon S3 等云工具也很有帮助。
SQL 数据库/编码– 尽管 NoSQL 和 Hadoop 已成为数据科学的重要组成部分，但仍然期望候选人能够使用 SQL 编写和执行复杂的查询。
非结构化数据——数据科学家能够处理非结构化数据（无论是来自社交媒体、视频还是音频）至关重要。
非技术技能
7.求知欲——毫无疑问，你最近随处都看到了这个短语，尤其是当它与数据科学家相关时。Frank Lo在几个月前发布的客座博客中描述了这意味着什么，并讨论了其他必要的“软技能” 。
商业头脑——要成为一名数据科学家，您需要对您所从事的行业有深入的了解，并了解您的公司正在尝试解决哪些业务问题。就数据科学而言，除了确定企业应利用其数据的新方式之外，能够辨别哪些问题对企业来说需要解决很重要，这一点至关重要。
沟通技巧——寻找强大数据科学家的公司正在寻找能够清晰流畅地将其技术发现转化为非技术团队（例如营销或销售部门）的人。数据科学家除了了解非技术同事的需求以便适当地处理数据之外，还必须通过为企业提供量化的见解来帮助他们做出决策。查看我们最近的快速调查，了解有关定量专业人士沟通技巧的更多信息。
我经常遇到的下一个问题是：“我能做些什么来培养这些技能？” 网络上有很多资源，但我不想给任何人留下这样的错误印象：通往数据科学的道路就像参加一些 MOOC 课程一样简单。除非你已经拥有强大的定量背景，否则成为数据科学家的道路将充满挑战——但并非不可能。
但是，如果您真诚地对此感兴趣，并且对数据和终身学习充满热情，请不要让您的背景阻止您追求数据科学作为职业。以下是我们发现的一些有用的资源：
资源
高级学位——越来越多的数据科学课程不断涌现以满足当前的需求，但也有许多数学、统计学和计算机科学课程。