数据科学家（Data scientists）是2012年《哈佛商业评论》宣布“21世纪最性感的职业”，而若要在这个性感行业中脱颖而出，需要什么技巧？
一名叫Admond Lee的数据科学家曾在LinkedIn上提出疑问：“一名优秀的数据科学家和一位超级数据科学家有什么差别”？得到来自不同行业数据科学家的回应及讨论，最后列出了13项能帮助人们在该项职业进步或者得到更多成就的办法。
虽然一名数据科学家没办法具备所有“超级数据科学家”的技能，但这些小技巧也能对一个数据科学家的职业生涯有所帮助。来看看这13项有哪些吧！
1. 教育
要成就数据科学家所需的知识深度，几乎都需要强力的教育背景。在数据科学家中，至少88%拥有硕士学位，46%拥有博士学位。人们可以通过计算机科学、社会科学、物理科学或统计学的学士学位成为一名数据科学家，其中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%）以及工程学（16%）。在这些学位中能培养处理和分析大数据所需的技能。
但大多数的数据科学家不仅拥有硕、博士学位，他们还会继续学习如何使用Hadoop等大数据查询等技能，还可以通过架设应用程序、博客或进行数据探勘来检验在课堂上所学习到的知识。在业界，能解决业务问题是首当其冲，能完成任务会比博士学位更加实用。
数据分析的程序语言相关技能
2. R语言编程
R语言通常是对数据分析工具深入了解的首选，它可以解决在数据科学中遇到的任何问题。43%的数据科学家习惯用R语言来解决统计问题。虽然对于已经掌握了程序语言的人来说，学习R语言可能有些困难，但网络上有非常多关于R语言的教学渠道，例如Simplilearn的数据科学训练。想要自我提升的数据科学家千万不要错过。
3. Python编写
Python最常见的数据科学的程序语言中最常见的，还有Java、Perl或C/C++。对于在O’Reilly对于数据科学的一项调查中，40%的受访者使用Python作为他们主要的程序语言。Python可以用于各种格式的数据，也可以导入SQL数据表到程序中。可以创建数据组（Dataset）或在Google上找到所需类型的数据组。
4. Hadoop平台
根据一项Crowdflower对inkedIn上3490个数据科学职缺的调查发现，有49%将Apache Hadoop列为第二大重要技能。
当数据量超过了系统容量，或者需要将数据发送到不同的服务器，Hadoop都是你的好帮手。Hadoop可以快速地将数据传输到系统上的各个点上，也可以用于数据探索、数据过滤、数据采样和汇总。
5. SQL数据库
虽然NoSQL和Hadoop已经成为数据科学的一个重要部分，数据科学家有时仍需要在SQL中编写或查询。SQL能在数据库中进行增加、删减或摘录程序语言，也可以协助分析或转换数据库结构。
6. Apache Spark
Apache Spark正在成为世界最流行的大数据技术。它和Hadoop一样是大数据运算框架，但是Spark的速度更快。当Hadoop要读取数据写入磁盘，Spark允许用户将数据加载至集群内存，能更快地运行计算。它的优势在于其速度和平台能使执行数据科学项目的执行更加容易，从数据采集到分布式运算的分析都可以在Apache Sark上执行。
机器学习等AI领域能使你脱颖而出
7. 机器学习与人工智能
许多数据科学家并不熟悉机器学习领域，包括神经网络、强化学习、对抗性学习等。如果想在数据科学家中脱颖而出，可以从了解机器学习技术下手，如有监督式学习、决策树、逻辑回归等。这些技能将帮助您解决基于预测组织结果的不同数据科学问题。根据Kaggle平台的调查，只有一小部分数据专业人员能够胜任高端机器学习技巧。
8. 数据可视化
商业活动中会产生大量的数据，而这些数据需要转换成容易理解的图表。数据科学家能够借助数据可视化工具（如ggplot、d3.js、matplotlib和tableau）实现数据可视化。当对方不了解串行相关或p值，就能直观地向他们展示这些术语代表的数据结果。通过数据可视化，企业能够加速掌握新商机并保持领先地位。
9. 非结构化数据
处理非结构化式数据的能力对数据科学家至关重要。视频、博客文章、客户评论、社群贴文、音频等难以进行排序的数据，无法做成数据库图表，因为这些非结构化式数据的复杂性，大多数人将其称为“暗箱分析”。数据科学家要能理解和操作来自不同平台的非结构化式数据，洞察出有助于决策的见解。
除了必备技能，还有这些软实力
10. 好奇心
“我没有特殊的才华，只有极强的好奇心。”—爱因斯坦
好奇心代表对更多知识的渴望。数据科学家通常会花费80%的时间在发现和准备数据，因此要能够提出关于数据的问题。数据科学是一个发展非常迅速的领域，必须更深、更广地学习才能跟上步伐。
可以通过阅读有关数据科学趋势的书籍或文章更新知识，但不要被线上大量的数据淹没，必须知道如何理解这些数据。好奇心是驱动数据科学家通过筛选数据找到答案的重要技能之一。
11. 商业敏锐度
数据科学家必须要对所从事的行业扎实了解，并知道任职的公司正试图解决什么类型的商业问题。必须了解所解决的问题会如何影响业务，才能将其数据分析的努力导向正确的方向。
12. 沟通技能
一个优秀的数据科学家要能清楚、流畅地将他们分析上的发现，传达给其他如营销、业务等非数据科学相关部门的人员。最好还要能以storytelling的方式将数据讲解给公司其他人听，让包括老板的所有人都能轻松听懂。大多数人对数据科学家分析的内容不感兴趣，他们只想知道这些数据能如何影响、提升他们的业务成果。因此良好的沟通技巧也至关重要。
13. 团队合作
数据科学家在职场上不能当独行侠，必须要和公司高层一起制定战略；与产品经理和设计师一起创造更好的产品；与营销人员一起提升策略，与客户和服务器软件开发人员一起创建数据流程和改善工作流程。实际上，数据科学家必须与组织中的每个人合作。
以上就是13个成帮助你成为超级数据科学家的技巧，从本质上来说，数据科学家必须知道解决业务问题的目标和所需数据，并能用正确办法分析，最后要能将结果翻译成相关部门人员都能理解的语言，才能用数据成就业务上的增长。