三年前，著名的《哈佛商業評論》聲稱數據科學家是“21世紀最為性感的職業”。 許多機構與媒體對這一評價都表示了認同。作為現在最具潛力的職業，要成為優秀的數據科學家，除了要懂得數據采集、算法、軟件、分析等方面的知識，還應該從那些業界優秀的數據科學家身上學習一些成功的經驗。

如果你想了解：

• 數據科學家的日常生活是什么?
• 當前的產業格局是怎么樣的？
• 數據科學作為一門學科，它的歷史是怎樣的？
• 如何開啟數據科學的成功之路？
• 數據科學分析的真實世界是什么樣子？

那么我向你推薦以下五位數據科學家的博客：

1） 作者：Robert Chang

這篇文章直接說到了我的痛點。從不同類型的數據科學家需要做些什么，到如果你在扮演著不舒服的類型角色該做些什么（注意：不舒服不等于是錯誤的）。Chang很好的解釋了數據科學家在伴隨公司的建立到成長，如何扮演不同的角色。

找到你適合融入的公司類型與理解你自己是哪種類型的數據科學家同樣重要。拿我自己來說，我是Workday 公司的第一批數據科學家之一，我的職業生涯伴隨著這個團隊一起成長。伴隨公司的成長我的工作也在發生改變。但是，我卻開始對全新的年輕公司充滿著向往，我希望我能夠用他們收集到的數據來真正幫助他們。我花了三年時間來定位我是一個什么類型的數據科學家以及我希望從事什么類型的工作。

2） 作者：DataCamp

相比起Chang，DataCamp展示了一個更為傳統的數據科學產業分類。雖然這里探索的部分工作職位看起來已經過時了，但我認為它提供了對目前行業的一個更現實的看法。我們沉浸在硅谷的泡沫而忘記了灣區以外的地區在公司運營上有很大的不同。雖然兩者的差距正在慢慢縮小，但這對于那些想要到外面的地方找尋夢想的數據科學家來說還是有很大的幫助。

另外，你一定要記得看看DataCamp博客的其它內容。對于那些開始接觸R語言的人來說也是非常有用的。它提供了易學的R關鍵技能教程和一些與其它常用工具的對比文章。

3） 作者：Rafael Irizarry / SimplyStatistics

有句名言：“不學習歷史的人注定要重蹈覆轍。”對于這里介紹的故事尤其如此。這堂簡短的數據科學歷史課告訴我們，數據科學作為核心，已經存在了幾十年了。對于那些對數據科學感興趣的人來說，不僅會學習到數據科學的歷史，還可以對計算機科學、統計學以及數學方面的應用大開眼界，了解它們是如何相互作用的。

4） 作者：Eli Bressert

一旦你了解了數據科學是什么以及如何使用之后，你就可以著手來進行研究了。就像長跑新手不必以馬拉松賽為開始一樣，你的第一個數據科學項目部應當太專業或者太復雜。在開始任何一個大型數據探測項目之前，你需要對數據有一個基本的了解。在Bressert的文章中，他清楚地展示了這一個流程的步驟以及了解它們為什么重要。很多時候，做探索性數據分析可以為今后從事統計分析和機器學習的研究奠定基礎。

5） 作者：Edwin Chen

最后一個，是關于簡單的分析如何對項目產生巨大影響的例子。我喜歡chen在這里的做法。他闡明他的發現任何人都可以理解，他的圖形化報告清晰、簡潔，他們的方法是通過改進而非推倒重做。對于數據科學感興趣的人來說，這是一個通過方法論來對項目產生影響的實例。

本文翻譯自，譯者慧都控件網：回憶和感動，轉載請注明出處。