很多牛逼的公司都宣稱在建立數據科學部門，這個部門該如何組建，大家都在摸石頭過河。
O『reilly Strata今年 六月份發布了報告 《Analyzing the Analyzers》，比較清晰的闡述了數據科學部門所需要的不同角色及其技能。重點內容翻譯如下：
請被調查者用常用的5級標準（從完全同意到完全不同意）來回答 「我覺得自己是一個XX」 這樣的問題，能夠獲得數據科學家的自我認識結果。調查結果將數據科學家分為以下四類：Data Businesspeople、Data Creatives、Data Developer、Data Researchers。
請被調查者對數據科學家所需的以下22項技能進行排序，分析不同類型的數據科學家的技能要求。其中的ML是機器學習的簡寫，OR指運籌學（Operations Research）
根據受訪者的自我認知和技能排序，可以識別出不同類型的數據科學家所需要的技能。
Data Businesspeople
Data Businesspeople 往往專注於組織管理和如何從數據項目中產生利潤。他們往往將自己定位為領導或創業者，約 80% 的 Data Businesspeople 承擔員工管理的責任。Data Businesspeople 還可能是諮詢服務或合同類服務的提供者。Data Businesspeople 學歷相對較高，大約 60% 擁有碩士以上學位，其中 MBA 接近 25%；而且很多 Data Businesspeople 都有工科學位的背景。Data Businesspeople 往往操作真實數據，90% 以上偶爾會操作 GB 級別的數據。與其他數據科學家相比，Data Businesspeople 年齡稍微偏大，接近四分之一是女性（相比略高），僅有四分之一的 Businesspeople 把自己稱為數據科學家（相比略低）。
Data Creative
數據科學家往往可以獨立完成一條龍的完整分析過程：從數據提取，整合、並進行分層，進行統計或其他複雜的分析，創造引人注目的可視化詮釋和效果，開 發具有更寬廣應用前景的數據工具。而 Data Creative 則是其中能力最廣泛的數據科學家，他們能夠綜合使用各種工具和技術解決問題、能夠像黑客馬拉松那樣創新產品原型，是典型的萬事通型人才。與其他類的數據科 學家相比，Data Creative 更具藝術家風範。與 Data Researcher 相似，Data Creative 也有豐富的的學術經驗，大約 3/4 擁有院校授課或發表論文的經歷，一般擁有經濟學和統計學等領域的學位。但不同之處在於，僅有較少的 Data Creative 擁有博士學位。Data Creative 具有深厚的業務經驗，80% 的 Data Creative 按合同工作（接項目？）；40% 創立了企業，甚至比 Data Businesspeople 還多。Data Creative 還被認為是黑客。他們往往還可能有深厚的開源經驗，業餘為開源項目和開放數據項目做貢獻。Data Creative 相對更年輕，男性更多。有意思的是，他們也是最積極的回應我們最後一個問題的：「你覺得本次調查是否對你有用？」
Data Developer
Data Developer 專注於解決數據管理的技術問題 —— 如何獲取，存儲，以及學習。Data Developer 更傾向於將自己評價為科學家（在這一點上僅次於 Data Researcher）。對於那些從事機器學習和相關的學術研究的人來說，這是當然合理的。但是，還有一些 Data Developer，每日的工作僅僅是日復一日的開發代碼。半數 Data Developer 具有計算機科學或計算機工程學位，約一半人為開源項目作出過貢獻。更多 Data Developer 會強調自己具有機器學習/大數據技能。部分 Data Developer 做過諮詢工作，承擔過管理崗位、或為開放數據項目做出過貢獻。
Data Researcher
走向「數據科學家」頭銜的職業生涯路徑中，最有趣是從在學校研究物理或社會科學開始，也有統計學專業的。許多組織已經深刻認識到，即使這些學生在校 期間所學專業與企業業務領域完全不同，但他們被訓練出的利用數據了解複雜過程的能力仍然極具價值。大部分具備統計技能的受訪者，自認為是 Data Researcher。近 75％ 的 Data Researcher 在同行評審期刊上發表過文章，半數以上擁有博士學位。（心理和政治科學學位也有可觀的數字）。Data Researcher 很少創業，而且僅有半數具有管理經驗。
下圖描述了對於不同數量級數據集處理的調查結果：大多數數據科學家很少直接操作 TB 級以上的數據。
大多數成功的數據科學家既有豐富的專業經驗，還至少在數據科學的某一方面深入鑽研，如統計，大數據，或業務溝通等。這就是20世紀90年代提出的所 謂的「T形技能」模式：「T」字母頂部的橫表示廣博技能，而豎線表示在某個區域的深度鑽研。T形人才能夠更容易融入跨學科團隊，也能夠更高效地工作。數據 科學領域與生俱來就具有協作性和創造性，那些成功的專業人士能夠與資料庫管理員，商務人士，以及其他具有多種互補工作技能的人合作，以使數據項目以創新的 方式完成。
Data Businesspeople 具有頂級的商業能力，其他能力較弱。Data Researcher 往往具有非常深的統計相關技能，但一般說來，他們對於機器學習/大數據，商業，和編程技巧卻相對低。Data Developer的模式可以被稱為「π形」，擁有強大的編程技巧，較強的機器學習/大數據相關技能，而其他三個技能相對中庸。最後，Data Creative 是不像T形結構的，所有技能相對平均，既不最強，也不最弱。
70% 的受訪者至少擁有碩士學位，而科學領域的（社會學或物理學，而非數學、計算機、統計、或工程學科）達40%。
科學領域的研究生以上教育，提供了對真實數據的動手實踐，不僅僅描述現象，還要評價理論和辨析立場。物理學和天文學教授了嚴格的統計思維，而粒子加 速器和太空望遠鏡系統則提供了大量的需要小心處理的數據流。硬科學背景為任何類型的數據科學家，尤其是Data Developer提供了良好的培訓。
另一方面，有人認為，社會科學也培養了大量的數據科學家。心理學家，經濟學家，政治學家，以及其他組織，他們在工作中需要處理的來自真實世界的混亂 的，嘈雜的數據。這些領域的數據科學家可以快速清理和匯總數據，利用先進的統計技術來理解因果關係，並深入思考有關數據可視化，展示和溝通的問題。我們在 Data Researcher 和 Data Creative中看到很多這樣的受訪者。
經典計算機科學（機器學習）和應用統計學位也是非常有效的數據科學家的起點。機器學習的重點是大規模數據處理和算法、結合軟體開發技能，自然應用於真實世界組織數據。許多應用統計學科則將諮詢能力、專業領域知識、以及關鍵方面有效的數據科學結合在一起。
還有不少學校也開始培養一些新興的學位，如分析、數據可續、商務智能碩士等。
大多數當前的數據科學家往往涉足過多個領域，在不禁意之間獲得了廣泛而深入的領域知識。
帕蒂爾（2011）建議 「招收哪些剛剛走出大學校園的聰明而有創意的人才，再把他們投入非常嚴格的實習計劃中去。」 對於擁有足夠預算，以及高級人才輔導項目的大型組織，這樣做可能效果不錯，但對於小公司，它的實用性似乎不太好。
對於小組織來說，有個可行的替代方式（DataGotham 2012年）—— 聘請專業的顧問，幫助招聘、培訓、再整合和指導新鮮出校的數據科學家。DonorsChoose.org 意識到，僱傭數據科學家收集數據，在完成其慈善使命中具有巨大價值，他們與專家團隊一同工作達5個星期完成僱傭。僱傭之前，專家幫助這個非營利性組織了解 到數據科學家的作用，隨後幫助新員工培訓和指導，並設置了啟動項目的成功路徑。數據科學家的廣泛的能力將對小組織非常有用，但必須有像這樣創新的方法以確 保其有效性。
首先，我們的數據顯示，數據科學家應該是T形人才，具有多樣技能，需要在技能互補的團隊中最有效率。（達文波特 2010;帕蒂爾 2011）。而不明白這一點的組織往往期望聘請一個可以做到一切的「神」。
其次，組織需要建立自己的數據科學團隊，以有效的開展工作。數據科學團隊即需要直接訪問原始數據，也需要與決策者溝通。根據我們的分析，他們具備需 要多方面的技能才能充分利用數據。他們還需要得到流程管理的支持，採納和使用其結果。當數據科學團隊的產出被期望為具有完整的生命周期的軟體系統時，那麼 這個團隊中就必須擁有足夠的資源去進行測試，部署和系統維護，這一點至關重要。雖然我們的受訪者都或多或少有一些編程技巧，並能夠承擔這類任務，但期望大 多數 Data Businesspeople 或 Data Researchers 能夠高效完成這些，還是個不現實的期望。在大型組織裡，在數據科學團隊上的資金投入，與其他團隊之間的管理關係協調，包括數據基礎設施和IT員工，確實能 夠實現價值。（達文波特，2010年）
企業中的數據科學家的角色不是一成不變的，也需要職業發展的晉升機會。具有多年數據科學家經驗的員工，非常有價值，也非常難於替代。將工程師提升為 領導角色需要充分衡量利與弊，還要考慮資深員工不想從事管理崗位的各種變數。在我們的調查者中，62％的承擔著管理責任；這個數據能夠顯示有多少數據科學 家願意管理團隊，而不是視管理為煩惱。
在大型組織中，保留數據科學家的另一個有趣的潛在方法是設立輪崗計劃（達文波特，2010年）。在入職培訓之後，數據科學家可以在內部團隊有計劃的 轉崗。產品部門可能需要個性化用戶模式；市場部門需要在可控實驗（controlled experiments）方面的幫助；財務部門需要預測；運營部門需要流程優化。通過直接加入不同部門，數據科學家能夠了解關鍵業務的價值觀和技能，專注 於部門最需要幫助的問題，並以最小代價提供解決方案。而且，通過階段性輪崗，數據科學家可以獲得更寶貴的技能和寬闊的視野，不斷提升其數據科學技能。
Author : iascchen(at)gmail(dot)com