被评为2019年美国最有前途的工作，数据科学家现在被认为对产生大量信息的企业至关重要。越来越多的组织正在实施物联网(IoT)技术在他们的数字转型倡议，带来更多的数据，并导致对这些专业人员的需求更大，谁可以把信息转化为可操作的计划。
LinkedIn最近的一份报告显示，去年数据科学家的职位空缺增加了56%。这种不断增长的需求就是为什么数据科学家的头衔在过去三年中一直高居Glassdoor的“美国最佳工作”榜单榜首的原因，数据科学家证实了他们的高薪和工作满意度。
参见:如何建立一个成功的数据科学家职业(免费PDF) (TechRepublic)
科技招聘公司Mondo的高级招聘经理尼莉•多兰(Neely Dolan)表示:“数据科学家帮助企业解释和管理数据，并利用各种数据利器中的专业技能解决复杂问题。”“用外行人的话说，数据科学家知道如何从数据中提取意义并解释数据，使用统计和机器学习的工具和方法。”
TechRepublic的艾莉森•丹尼斯克•拉约姆(Alison DeNisco Rayome)表示，数据科学家的十大必备技能包括编码、算法、大数据分析、数据操作、统计学、机器学习、自然语言处理、探索性数据分析、问题正式化和沟通。
然而，对这些技能的简单认识并不能保证成功。优秀的数据科学家会以特定的方式处理他们的业务。以下是数据科学家需要在该领域取得成功的三件事。
Stack Overflow的数据科学家Julia Silge说，数据科学家的角色是技术性很强的，专注于统计分析、建模和机器学习。
然而，“与此同时，数据科学家花费精力和精力与利益相关者沟通他们的工作意味着什么，”Silge说。“我分析复杂的数据集，训练统计模型，这是非常重要和必要的，但如果我不能向利益相关者解释这些意味着什么，那么我们就不能用它来做业务决策。”
数据科学家经常犯的一个错误是在不了解模型的业务目标的情况下进行模型开发，Gartner的高级总监分析师Saniye Alaybeyi说。
Alaybeyi补充说，数据科学家必须从一开始就与高管沟通，了解他们数据工作的目的，以便从数据中获得最佳的商业见解。
数据科学家在进行沟通时必须与他们的队友协作，将他们的技术技能与业务计划结合起来。
“数据科学家的主要工作是发现真知灼见，”阿莱贝伊说。“现在有一种误解，认为数据科学家是机器学习或人工智能专家。那不是真的。数据科学家建模复杂的业务问题并发现业务洞察。”
Alaybeyi补充说，这需要与跨职能的利益相关者合作。这有助于数据科学家理解数据的业务用法，“在这个阶段，业务人员和领域专家需要参与进来，”她说
Silge说，在组织中最成功和产生最大积极影响的数据科学家是那些能够将自己的技能与组织的日常功能联系起来的人，而不是在筒仓中工作的人。
强大的数据科学家从不停止学习，多兰说。多兰补充道:“数据科学家总是需要不断地自我教育，以跟上最新的趋势和发展。”“这类实践总是在不断发展，所以跟上最新的趋势和发现将推动职业发展和职业成功。”
Silge说，虽然深度的技术知识不应该是数据科学家关注的唯一内容，但这些技能无疑是工作岗位所固有的。
然而，数据科学家不能让他们的知识库被冲昏头脑:“我看到数据科学家犯的一个错误是，他们认为自己的高教育水平或深厚的统计知识使他们‘特别’或比其他部门的同事更好，”西尔奇说。“认识到组织中其他利益相关者的工作是必要的，并且不比数据科学家的技术工作更没有价值，这一点很重要。”