你不会成为数据科学家的9个原因：数据科学是一个艰难的领域,请做好准备

免责声明：这个故事并不是要劝阻您。 相反，它是一面可以长时间检视自己的镜子。

所以你对数据科学很有热情，你已经读了几十篇博客文章，完成了一些在线课程。现在你梦想着把它作为你的事业。毕竟，据《哈佛商业评论》称，这是21世纪最性感的工作。

但是，尽管你很有热情，数据科学可能并不适合你。在这个时刻，你持有太多的幻想和错误的刻板印象。

现在，你的任务很简单:清除那些阻碍你前进的东西!你会对自己前进的速度感到惊讶。

你认为你的学位已经足够了

您拥有相关领域的硕士学位，甚至博士学位。 现在您想在数据科学领域抢先一步。

但是你以前用过Shell编程吗?当您偶然发现错误时，您是否感觉到了来自命令行接口的威胁?您曾经使用过tb级的大型数据库吗?

如果您以否的方式回答这些问题之一，则表明您还没有准备好。您需要一些实际经验并构建一些实际项目。 只有这样，您才能遇到作为数据科学家每天都会遇到的问题。 只有这样，您才能开发解决问题的技能。

那么祝贺你获得学位。现在开始努力工作吧。

你缺乏热情

你是否曾经把整个周末都投入到一个极客项目中?你是否曾经在朋友外出聚会的晚上浏览GitHub ?你是否曾经因为你更喜欢编程而对你最喜欢的爱好说不?

如果以上问题你都不能回答“是”，那说明你还不够热情。数据科学是关于面对真正困难的问题并坚持解决它们，直到你找到一个解决方案。如果你没有足够的热情，你会在第一个困难面前退缩。

想想是什么吸引你成为一名数据科学家。是迷人的头衔吗?抑或是在海量数据中寻找真知灼见的前景?如果是后者，你正朝着正确的方向前进。

没有激情，就不会有成功。

你还不够疯狂

只有疯狂的想法才是好主意。作为一个数据科学家，你需要大量的数据。你不仅仅需要对意想不到的结果保持开放的心态——它们经常发生!

但你也必须为真正困难的问题找到解决方案。这需要非凡的水平，你不能用正常的想法完成。

如果人们总是对你说你精神失常了，那说明你正在朝着正确的方向前进。如果没有，你就需要改变你的疯狂。

当然，这需要一些勇气。一旦你暴露了你的古怪行为，有些人会抓破脑袋，背对着你。（拒绝你）

但这是值得的。因为你对自己是真实的。你点燃了作为一名数据科学家所需要的火花。

你从课本和网络课程中学习

别误会我的意思。教科书和在线课程是一个很好的开始方式。但只是开始!

你需要尽快投入到真正的项目中去。当然，如果不能用Python编写一行代码，那么构建Python项目是没有意义的。但是一旦你建立了一个适度的基础，就要积极起来。

在实践中学习是关键。

开始构建您的GitHub个人主页。 参加一些Hackathons和Kaggle比赛。 以及写一些关于您的经历的博客。

每个人都可以使用教科书。要成为一名数据科学家，你必须做得更多。

你认为你可以在某个时候停止学习

您已订阅了一些有关数据科学的在线课程，并且正在阅读一些教科书。现在，您认为一旦掌握了这些知识，您就会学到足够的知识，可以在数据科学领域取得突破。

错了。这还只是开始。如果你认为你现在学到了很多，想想三年后你会学到多少。

如果您最终成为一名数据科学家，您的学习将比现在多十倍。这是一个不断变化的领域，不断需要新技术。 如果您一旦找到工作就停止学习，那么您的发展轨迹将会从数据科学的初学者变为糟糕的数据科学家。

如果您想在数据科学方面表现出色（如果您正在阅读这篇文章，那么你确实是想），您需要面对这样一个事实，即您的学习曲线会随着时间的推移变得越来越陡峭。如果您不喜欢学习大量东西，请不要梦想成为一名数据科学家。

仅仅成为数据极客是不够的。

你没有其他领域的专业知识

所以你对计算机科学略知一二，而且你的数学能力也不是那么差。你能在数据科学领域找到工作吗?

不,你不会的。你在IT和数学方面的技能是必不可少的，但还不足以让你从所有其他数据科学爱好者中脱颖而出。

数据科学家在各种各样的公司和行业工作。要为您的客户提供关键的见解，您需要了解他们的领域。

例如，Kate Marie Lewis在6个月内获得了数据科学的职位。但不同之处在于，作为一名神经学家，她拥有医疗保健领域的知识。

您擅长哪个领域？ 您在哪些领域有经验？

试着把自己定位为你所在领域的专家，而不是一般的数据科学家。这才是你真正找到工作的方式。

你缺乏商业技巧

所以你更善于分析。你喜欢数字和定量分析，你讨厌软技能和人际交往。

这并不能使你成为一个好的数据科学家，我的朋友。软技能甚至在定量工作中也很重要。软技能最终会让你在面试中脱颖而出。

在你可以获得的所有软技能中，你需要提升的是你的业务技能。记住，你的客户是商业领袖。因此，他们需要懂业务的人。只有这样，你才能产生对客户有价值的见解。

你没有任何有意义的联系

你想在这个领域找到一份工作，但是你不认识其他的数据科学家吗?是时候行动了，我的朋友。

去聚会。在LinkedIn上加入相关的群组。了解参加黑客马拉松的人。在Twitter上关注正确的人。请与GitHub项目的其他贡献者见面。做一些令人兴奋的事情!

就像找工作一样，你90%的成功并不取决于你的技能有多强。这取决于谁可以为你提供参考，谁可以给你介绍。

如果你在领英(LinkedIn)上的联系仅限于你的妈妈和同事，而那份工作没有前途，那么是时候为你的个人资料做一些推广去毛遂自荐。如果你在Twitter上的关注者屈指可数，那就发推吧。如果你的博客没有读者，尝试搜索引擎和跨平台营销。

连接会来的。但你得先行动起来。

去见面，去合作，建立您的网络。

你不喜欢脏活累活

你已经听过所有关于机器学习和人工智能的讨论。你认为数据科学可以打开与前沿技术合作的大门。

也许你会。但我向你保证，你做这件事的时间不会超过5%。

一旦你找到了理想的工作，你将花费大量的时间来清理数据。恭喜你，你刚找到一份看门人的新工作!

如果你不喜欢，那就回家吧——你不应该看这篇文章。如果读完这篇文章后，你仍然想成为一名数据科学家，那么现在是时候爱上这项肮脏的工作了。

数据科学不是职业选择。这是一个职业

数据科学家是非常受欢迎的个人，这使得很多人都在涉猎它。但要在这个领域找到一个位置，涉猎是不够的。你需要努力工作。

如果读完这篇文章后，你仍然相信自己会成为一名数据科学家，那么恭喜你。你可能在一条很好的道路上努力了。

如果在这一点上你不确定是否要成为一名数据科学家，找出你怀疑的最大原因。然后开始处理这些问题。你能做到的!

原文地址：https://imba.deephub.ai/p/74d6a4b068d811ea90cd05de3860c663