数据科学家 Data Scientist发展是什么？

感觉Data Scientist （DS）的职业发展方向和两个因素关系最大，一个是出身（或者说本科研究生PHD领域），一个是职业生涯过程中遇到的机遇。

首先说出身，对于绝大多数人，如果毕业后选择职业方向，有三类人会成为或者说可以成为DS：

领域和DS自然相关的，比如CS，Stats ，Machine Learning，偏CS、Computtional的Informatics等等；

领域和DS非自然相关的，但是学业背景非常专，而且这些领域往往依靠数据和编程的情况比较多，比如Computational Bio，Neuro Science，Mechanical Engineer；

领域可以transferable到DS上，尤其是从business/social impact的层面，比如Political Science，Global Health等等。

2和3最大的区别是编程和数据往往贯穿于2的日常工作学习，而3是往往已经知道事情的发展方向，有倾向地去找数据支持自己的观点。1和其他两点最大的不同是，专业细分度差，只学习方法，具体到事实场景再具体学习context 。

之所以我先谈出身而不说发展方向是因为出身基本决定了方向，而且这个决定是主动的，也是被动的（市场和行业需要）。

对于1，绝大多数都会去tech或者fintech（有些fintech可能会更加倾向于某些专业，像物理和数学），原因是：

他们没有被special trained ，这也是tech和fintech喜欢的一点；

去其他领域只能当support部门，接触前沿的机会相对少，职业发展很容易面临瓶颈。

对于2 ，绝大多数反而不会去tech或者fin tech，而最终会去他们自己领域的公司：

因为被special trained，如果只是去tech当一个普通的DS ，自己这么多年学的东西就浪费了；

从技术环节上讲，和学ML 、Stats和CS的竞争tech同等级的职位还是比较劣势的；

很多巨头公司现在都有很specialize的下放研究机构，比如Google（或者叫Alphabet更贴切）的Verily ，也有不少更适合他们的机会；

最重要的是，这些高度专业的公司，基本不会招纯技术背景的去做核心的职位（比如药厂里面的研发部门）。

对于3 ，还有1和2中对business层面更感兴趣的人，绝大多数会去tech，vendor/service company，big4或者consulting ，总之选择的职位更加偏向analytics或者BI：

tech领域的包容性比较强，有些DS职位其实对技术并不是有非常高的要求；

现在很多consulting和big4为了顺应big data的趋势，有很多DS的职位；

这些职位往往需要理解力和沟通力强的人，技术并不是必须要求，反而懂点技术并且沟通能力强的人才是最需要的（当然也有一些因为client的原因，必须要求PHD的职位）；

并不是说做偏business而不是tech的人就low掉了。实际上过10年后，走管理路线的人，很多都是从这个track出来的（管2个人的小manager/director并不能完全算是管理路线，管理路线是指VP and above,比如EVP和CEO）。