送书 | 转行做数据分析，这样突破瓶颈

听说数据分析岗大有前（钱）途，很多小伙伴纷纷尝试转行。找点儿入门书和入门课，学点儿Python和SQL，大半年下来，不少勤奋的小伙伴如愿以偿地跻身数据分析师行列。

不过，一路「过关斩将」后，有多少小伙伴能在晋升答辩中从容应对面试官的灵魂拷问呢？

数据科学家（data scientist）是舶来词，在线英语词典Lexico.com对其定义如下：分析和解释复杂数据的人，尤指借助数据帮助公司做决策的人。

从这个定义看，数据科学家似乎做的正是数据分析工作。但是，二者在薪资上差异明显。在最近发布的一份国内程序员平均工资报告中，数据分析师和数据科学家的薪资可谓天壤之别。

严格地说，数据分析师和数据科学家是截然不同的职业方向。在转行做数据分析时搞清楚二者的区别，有助于规划更符合自己的职业发展道路。

「数据大厦」的灵魂建筑师

数据分析师的工作是收集和分析数据，并从中提取有用的见解。他们通常与结构化数据打交道。

数据科学家的工作则更宽泛，他们判断要收集何种数据，如何收集这些数据，并且通常与非结构化的大型数据集打交道。

你可以把数据科学家想象成建筑师，负责规划、设计和构造数据结构。

全能数据科学家的技能矩阵

笼统地说，可以把全能数据科学家的技能分为以下4类。

数据理论

正如建筑少不了砖和砂浆，「数据大厦」少不了算法。利用数据理论，数据科学家可以构造出全新的抽象算法。

数据架构

将算法应用于具体的领域，正如富有创意的建筑师灵活地运用不同的砖块绘制出美丽蓝图。

数据建模

将蓝图付诸实践，这正如结构工程师所做的工作。

数据分析

利用已经盖好的房子做实际的工作。比如盖好的房子是消防站，那么数据分析师就是利用消防站的特殊设施进行训练的消防员。

可见，数据分析只是数据科学的一小部分。纯粹的数据分析师只会考虑如何使用「房子」，而不会考虑如何规划、设计和建造「房子」。

成为数据科学家没你想的那么难

如果你不满足于已有的「房子」，也想成为那个规划、设计和建造「房子」的人，欢迎来到数据科学世界！

任何拥有一定数学基础和编程技能的人，都可以从事数据科学工作。

你只需怀有好奇心，足够勤奋，当然还需要拥有一本优秀的入门书。

图 灵 上 新 啦 ！

乔尔·格鲁斯（Joel Grus） 著 岳冰 高蓉 韩波 译 全能数据科学家成长指南 长居亚马逊机器学习热销榜 数据科学关键能力矩阵全覆盖

在本书中，你将化身为虚构公司DataSciencester的员工，从零开始数据科学工作，亲手构建工具、实现算法，最终从数据科学新手蜕变为全能的数据科学家。

我适合读这本书吗？

如果你对探索数据充满热情，不满足于使用现有的数据科学库，而是希望真正理解数据科学，本书就很适合你！

懂得基本的Python编程自然更好，不过本书为你提供了一堂Python速成课，或者你可以先阅读「蟒蛇书」。

我能学到什么？

你可以通过本书习得数据科学家的关键能力。

- 编程语言（Python） - 数据可视化 - 统计学 - 概率论 - 机器学习算法 - 关系数据库 - 分布式计算 - 加分项：NLP、神经网络、深度学习

小编为你精心准备了学习路线图，建议立刻保存。