每天，人類和機器會產生2.5qn（即quintillion，10^18）字節的數據。這個數量非常龐大，而其中90%的互聯網數據，都是在2016年至今這不長的時間中積累下的。過去十年裡，數據量由200qn增長到了41萬qn。這些數據來自全球各地，可能是一條朋友發送的臉書消息，也可能是在另一個星系中有一顆流星被發現。
所有這些碎片化信息都是由雜亂無章的數據組成的，想要分析這些數據，無論對人還是對任何自動化機器來說都是巨大挑戰。只要能夠理解這些數據，一個優秀的數據專家就可以從中挖掘到巨大的價值，並進一步促進數據科學以及大數據、分析、機器學習、人工智能和其他領域應用的演進。
Gartner魔力象限報告顯示，數據科學和機器學習是可以重塑未來的兩種新興技術。眾所周知，數據科學融合了各種工具、算法和機器學習原理，可以從原始和非結構化的數據中挖掘出隱藏的規律和有意義的洞察。經驗豐富的數據科學家能夠成為該領域專家，就是依靠下面這些秘密武器。
統計學
藉助結構雜亂的數據去處理現實中的複雜問題，是非常具有挑戰性的。首先應該重點關注將隨機噪聲從數據源中分離出來，並使線程可行。統計學通過對數據進行數學計算，來幫助人們從數據中獲得有意義的洞察。
領域知識
即使是在醫療保健或者火箭科學中，所處科技領域的不同也是這些數據科學家之間的唯一區別。數據科學家的主要優勢在於，他們可以通過幾周時間的實踐適應不同語言或技術。一旦數據科學家獲得了這些知識，他們將能夠基於該領域的環境和經驗，為所有問題找到精準的解決方案。
可視化
人們難以用二進制溝通。為了使所有的業務解決方案具有更高的透明度，必須將數據從二進制轉化為到可以被視覺接受的形式。在提出解決方案之前，開發人員需要更好地瞭解問題。這裡的可視化，指的是將數據轉換為簡單易懂的形式。
數據挖掘
數據挖掘，關鍵在於如何從分佈式數據集中提取信息。整個過程包括數據查詢、尋找關聯並從現有的數據集中查找關鍵信息，這需要高強度的計算力和創造力。該流程可以用來對數據進行轉換、清洗、集成和模式分析。
數據庫和數據處理
這包括清洗、存儲和處理數據，以便從中挖掘出可執行的洞察。需要將從多個來源收集的信息，按照用戶需要的方式轉換並加載到系統中。
溝通
對於數據科學家來說，能夠回答“是什麼”以及“為什麼”是第一步，把你的發現和解決方案傳達給“聽眾”是最後一步。整個過程中，60%的數據來自於記錄。而剩下的40%，你需要進行收集，與一些部門或者總監等管理者坐在一起溝通。一個成功的數據科學家，同樣也是一個好的傾聽者。
展示
要以有吸引力和有用的方式向觀看者展示數據。數據科學家被當作是數據洞察的傳遞者。你可以編寫數百萬的代碼來構建解決方案，但吸引眼球的演示才能為工作畫上句號。如果你不具備向關鍵決策者展示輸出結論的能力，那麼所有的工作都失去了意義。
實踐
常言道，熟能生巧。獲得真實體驗的最好也是最簡單的方法是管理或構建小型項目。你可以從互聯網上獲取樣本數據，也可以從任何已知的商店或零售商處收集數據。找到一些開源項目，併為項目做出貢獻；清理一些有意思的數據庫，並通過探索或預測從中獲得洞察。
編程
越能夠與機器交流，它就會為你提供理想的結果。通過你的技術能力，瞭解機器是如何運行的。數據科學家通常更喜歡使用常用的編程語言，例如Python、R、Java、Julia、Scala和SQL。大部分數據科學家似乎首選Python，因為與其他語言相比，Python的速度更快。
創造力
讓好奇心激發你產生新的想法，引導大腦去發現那些令人大開眼界的見解。如果想成為一個偉大的數據科學家，你必須在每一步中發現創新的解決方案。常言道：發現萬有引力的不是牛頓，而是他的好奇心。
探索和理解這些基本的奧秘，積極地去解決難題吧！
作者：Joys Joy
來源：
https://datafloq.com/read/10-invisible-secrets-data-scientists/7939
翻譯：TalkingData 雅婷
圖片來源：Unsplash
