如何成为一个数据科学家
2013-10-13
本书作者为天睿公司的首席技术官，而天睿公司是美国著名的大数据公司，其不仅在数据存储业务上享有盛誉，在数据的后端分析和挖掘上和SAS公司建立了合作，“库内分析”也是由该公司首先倡导实施的。所以，本书应该是大数据领域中具有实操意义的一本书。
对于书中的“如何成为一个数据科学家”比较感兴趣，相信对于和我一样有志于从事数据研究的同学，本节具有重要意义。一般认为，数据科学家需要拥有数学基础和编码能力，而作者认为以下能力更为重要：
1.创造力：企业面临的问题是多种多样的，不能指望通过常规方法就能得到结果，；同时实际收集到的数据往往是复杂而不完整的，比如性别标识出现了F、M之外的，缺少商品代码等---要从非标准中的数据中获得结果，能够支持决策就可以。（不要因为不完美的数据就对结果有所怀疑，人口普查的结果同样不准，但是反映现状和趋势是没问题的，这和大数据是一致的）
2.商业头脑：数据科学家要对业务感兴趣，对行业有敏感性。书中同时指出，是否行业内的从业经验并无大碍，其他行业的数据分析经验同样可以借鉴到本行业，关键是要有商业头脑。
3.承诺：这是如何向其他相关部门按时交任务的能力。这涉及到项目管理。
4.演讲能力和沟通技巧：如何用大家听得懂的语言解释数据挖掘结果。
5.直觉：没太认真看，高阶技能。
PS：名词解释
MPP：海量并行处理数据库系统，由大量通用微处理器构成的多处理机系统，适合多指令流多数据流处理。通俗的说，就是把海量数据分布到不同的服务器上
Mapreduce：映射-归纳，比如有一个大的任务，分成小的任务在不同的服务器上进行处理，这样就可以处理海量数据了。