傳統的信息管理和數據分析主要用於支持內部決策，大數據在這方面是不同的。當然，在大多數情況下，也可以使用大數據，特別是在大型企業中。然而，數據科學家通常致力於以客戶為導向的產品和服務，而不是創建報告或報告，向管理人員提供內部決策的建議。
直到2008，數據科學家的概念才被創造出來。它是由D.J. pattier和Geoff Hammerbacher M創造的，誰知道Davenport在第二十一世紀最性感的職業。那麼，成為數據科學家的潛力和能力是什麼呢？
數據科學家的特點
我們可以用這樣的圖表來展示數據科學家的必要技能：
如果你想成為一個數據科學家，先去看黑客。
因為大數據技術是一門新技術，很難從中提取出來進行分析，因此，要想成為一名成功的數據科學家，就必須具備黑客的一些特性。
首先，你必須有編碼或編程的能力。”“你寫代碼嗎？”這是首席科學家在招聘過程中向數據科學家提出的第一個問題。如果你有任何編程語言的經驗，這將是非常有用的，尤其是腳本語言，如Python，蜂巢，豬，有時產生的語言，如java。這些腳本語言相對容易編寫，並且可以在分佈式MapReduce框架中分發大型數據處理問題。
數據科學中的黑客也需要熟悉常用的大數據技術。最重要的是Hadoop，包括如何實現和擴展它們，以及它們是否需要在位置或雲計算中提供這些技術。這些技術是新技術，正在發生變化。因此，數據科學家必須開放思維，開放學習新的工具和方法
最後，總結一下黑客技術，很多大企業都不願意僱傭黑客就是原因。在本文中，黑客技術通常被定義為一種創新的快速計算，但這個術語也有一個“不太合法”的含義，它傾向於避免計算行為的正常規則。就目前大數據技術的現狀而言，黑客技術的背後可能是必要的。然而，值得注意的是，黑客特性在數據科學家特性中並不占主導地位，而您可能會為此感到遺憾。黑客的麻煩遠遠超過他們帶來的好處。他們不大可能對大型官僚機構感興趣。
閱讀更多 實講科技 的文章
