最近參加了tiger組織的解密大數據學習群，他請了幾位數據科學家方面大牛來做分享，從牛人的經歷來看，我們普通人和他們還有多大的差距，如何才能成為一個數據科學家？
一、什么是數據科學家
根據IBM研究院的這張圖，數據科學需要這三方面的知識 Math and statistics（數學與統計），Computer Science（計算機科學），Domain Knowledge（行業知識）。
二、和數據科學家的差距在哪里
如果以上面這張圖為例，衡量與數據科學家的差距，就轉換成掌握這些知識的多少。根據tiger等人的學歷和工作背景，初步估算了一下幾位大牛的情況，100%是最高，結果如下：
tiger等人都是北美高校的統計學博士，顯然數學和統計學知識是非常強的，例如像蒲博士那樣的，在讀博士期間又修了很多計算機編程方面的課程，計算機知識也還是不錯，當然行業知識會弱一些。自己和他們相比，差距還是非常大，主要是受到自己的學習背景所限，數學、統計和計算機科學學習都很少，稍微好一點的是，自己在金融行業，每天做的工作會逐漸增加自己的專業知識。
三、可行的成長之路
目標已經明確，具體的路徑如何選擇呢？
路徑的選擇由自己的起點決定。
第一類，統計學或者理科背景，路徑是補上計算機知識，盡快從事數據分析工作。以tiger他們為例，他們都是北美著名高校的理科博士或者統計學博士，起點還是非常高的，短板是計算機科學和行業知識，他們的最佳路徑就是在博士期間補強計算機知識，然后利用暑期實習等機會增加行業知識，一旦進入互聯網行業或者在金融等行業從事數據分析工作，他們原有的統計學背景結合計算機專業知識，就能夠迅速發揮作用。
第二類，計算機背景，建議的路徑是憑借計算機能力進入互聯網或者相關行業，增加統計知識后通過從事數據分析工作來向數據科學家的方向發展。
第三類，傳統行業背景，建議的路徑是以現有行業為基礎，挖掘可以開展數據分析的具體領域，在應用的過程中學習和掌握統計、計算機知識，逐漸提升自己的數據分析能力。在組織內部，也有機會調動IT等方面的資源，有些工作不一定需要自己親歷親為，但是數據分析的基本邏輯還是要非常熟悉。
PS：關于幾位數據科學家的具體介紹：
硅谷數據科學家成長之路主講人介紹 蒲博士，統計學博士2007年-2011年在上海交大讀核工程專業2011年-2013年在明尼蘇達大學讀物理專業2013年-2017年在加州大學圣地亞哥分校讀統計學專業
