数据科学家，是鸡肋还是主流？

“数据科学家”就是一个独特的、听上去有些冷漠的词儿。有一点要弄清楚，那些有资格获得这个头衔的人是非常有价值的，但是这个头衔本身并没有。阻碍大数据分析被广泛采用的原因并不是缺少数据科学家，而是目前我们对他们的依赖。

大数据和分析是强大的，相关技术令人感到兴奋。但是如果只有高收入的专家配得上，那么就无法完全取得进展。我们需要数据和分析技术，但是我们不应该需要昂贵的、稀缺的实践者去采用这些技术。相比数据科学家来说，我们需要能够让知识工作者自己去做大数据分析的工具。

跨界是可能的吗？

人们肯定可以获得对大数据进行分析所需的能力，企业员工可以在工作中使用大数据，开发者可以收集数据并在代码中进行分析。

当然，某些人通过驯良可以成为具有高技能的专家，但这是超越常规的例外。我们并不需要有人把大批人才改造成科学家，我们需要的是让他们获得一种能力。

不仅仅是炒作

数据科学家这个词儿被过分夸大了。但是公平地说，实际上大数据和分析这两个词也是一样，但这些仍然是具有相当专业技术的领域。数据科学家这个词的问题不仅仅炒作的问题，还有一种态度和对抗的语气。这种语气让人们对获得分析能力感到沮丧，因为这个词的背后似乎蕴含着“这项工作必须外包给经过高度培训的某些人”的意思。

头衔的玄机

可能会有一种风险，很多技术专家将以获得更高能力的名义成为“数据科学家”，有点像技术领域其他听上去很牛的头衔，比如“架构师”。在任何领域都会看到这种“头衔的膨胀”，但是在技术领域，术语和头衔在任何情况下都被视为一种隐喻，而不是字面上的描述。技术控们似乎把这些头衔美化了，而那些没有这么做的人会发现自己处于某种劣势。

大数据是不成熟的工具

与主流的关系数据库和BI产品相比，分析尤其是大数据具有非常不成熟的模型。在这样的情况下，也难怪只有“科学家”能完成实际的工作。这些工具是专为实验室使用的，不是商业用途。

正如自助式BI如今很流行一样，自助式大数据和预测分析也应该是一股市场潮流。一旦这样，那些拥有我们所谓数据科学方面技能的人，仍将扮演重要的角色，但不会如现在这般具有核心的重要的作用。

数据通，是什么？

这一点都不奇怪，我相信会有一个场景，有越来越多的“数据通”——业务和技术人员都是多面手——这将成功地解决目前所面临的劳工问题。数据科学要求既懂数据技术，又有业务经验。如果技术变得简单容易了，那么业务人员也就更容易掌握它，那么企业用户可以成为真正的分析专业人士。

如果我的梦想变成现实，那么一个理想的业务分析人士，应该是一名销售、市场营销或者规划方面的专业人员，他们也是技术用户，拥有统计数据，精通Excel，可以做一些简单的编程。但这只是一个理想……为了让分析技术发展起来，我们不应该让人们来适应这个理想，以期成为具有生产力的大数据分析师。