如何成為數據科學家？了解技能要求、出路、人工及課程

疫情之下，不論是企業還是個人，都在逐漸加深對互聯網及電子產品的依賴，為全球的數據量迎來爆發性的增長。作為其中一個新興行業，數據科學的發展前景和待遇都吸引了許多不同背景的人士入行。如果你也有興趣踏足大數據的領域，這篇數據科學家入門指南將會解答你所有疑問，並助你邁出轉變的第一步。

數據科學是什麼？

身處一個數據大爆炸的年代，我們日常生活中的每一個細節幾乎都離不開數字。為了善用這些源源不絕的資訊，並從中發掘出有用的資訊和見解，與之相關的學科應運而生，亦就是我們今天的主題 —— 「數據科學」(Data Science)。

事實上，數據科學並非一門獨立的學科，而是融合了電腦科學、統計學、數學、軟件開發、機器學習等多個現有學科的跨領域專業。

透過應用一系列邏輯及分析技巧，數據科學讓我們可以深入洞悉數據背後的模式及意涵，從而做出有根據的商業決定。

舉例來說，通過數據科學，零售業可以總結出店舖人流最旺的時段，從而安排相應的人手工作，減省不必要的成本。

參考資料：TIBCO

數據科學家（Data Scientist）做什麼？

顧名思義，數據科學家 (Data Scientist) 就是將數據科學付諸實行的專家。

早在60年代，企業便會聘請專人負責理解和分析數據。話雖如此，由於當時資訊科技尚未普及，市場上可供探索的數據非常有限，與現代相比，工作量可以說是不足掛齒。而隨著學術和科技的不斷進步，數據科學家可以處理的事務也越來越多，漸漸從單純的收集和分析數據，拓展到有能力就未來方向提供精準的預測，為企業創造更大的價值。

數據科學家的工作範疇非常廣闊，包括：

參考資料：TIBCO、Xccelerate

數據科學家 VS 數據分析家

一般而言，數據科學家的職業生涯都是從數據分析家開始，所以數據科學家又被視為這個領域中，較高級的職位。

以下為大家整合兩者最主要的分別：

| * 研發邏輯和分析模型

| | 學術要求 | * 基本編程及數據相關知識

| * 持有碩士或博士課程

| | 常用工具 | * SQL

| * SQL

| | 適合人士 | * 剛出社會的畢業生

| * 具備深厚的行業相關知識

參考資料：Xccelerate、TechOrange

數據科學的應用

數據科學的應用範疇非常廣泛，幾乎各行各業都在迫切招攬相關人才，帶領公司在數據主導的年代中拔得頭籌。

以下列舉了7個和數據科學最密不可分的行業：

參考資料：TIBCO

數據科學家需要的技能

業務技能

數據科學的初衷在於協助企業解決問題，因此，數據科學家必須具備敏銳的商業觸覺，懂得如何「問對的問題」。

舉例來說，假如企業的挑戰在於銷售額停滯不前，相比起「我該如何提高銷售額？」這類模棱兩可、空泛抽象的問題，一個及格的數據科學家應該深入現象背後的根源，調查「甚麼貨品的銷售額最高？」、「顧客通常來自哪一個年齡層？」、「過去哪些促銷活動能帶來最高轉換率？」等更具體、可研究等題目。

和進行科學實驗一樣，數據科學家同樣需要先就研究提出假設 (Hypothesis)，再開始制定研究方法、收集資料並正式開始進行數據分析。

分析技能

作為一名數據科學家，當然要具備清晰的邏輯思維，從而分析複雜數據的規例，並挖掘背後的商業價值。

數據分析是一個繁複但重要的過程，當中包括收集和整合原始數據、測試數據可用性、篩除錯誤數據等一系列工作。在確保數據正確無誤之後，數據科學家需要利用批判性思維，合併或修改現成工具，從以創建出最理想的分析模型和演算法，

計算機科學

科技發展一日千里，現代的數據科學家無須再事事親力親為，而是可以借助機器學習和人工智能的能力，實現高效的數據分析方案。

但是，由於各行各業的要求都不一樣，數據科學家有可能需要調整相關的模型架構及演算法，以確保其性能及準確度不會受到影響。一旦運算期間出現故障，數據科學家亦需要懂得如何除錯 (Debug)，讓機器和人工智能能夠朝著正確的方向學習、成長並發展，為數據分析的流程帶來最大效益。

參考資料：TIBCO

如何成為數據科學家？

具備相關學歷

修讀和數據科學相關的學位，可以說是成為數據科學家的關鍵第一步。

由於數據科學尚算是一個新興學科，所以你並不一定要挑選專門的學位，事實上，現時不少知名的數據科學家都是統計學、數學、資訊科技、電腦科學等專業出身。假如你無法長時間投入全職學生的生活，也可以考慮參與更具針對性的短期課程，重點鍛煉自己的編程、資料庫建構、數據分析工具運用等技巧，為將來的事業發展打下強心針。

熟悉數據科學技能

如果你希望成為數據科學中的佼佼者，自然需要對各種常用的技能了如指掌，當中包括統計學和計算學、模型建構、機器學習、深度學習、數據管理及分析、數據可視化等等，涵蓋多個不同範疇。

所謂「讀萬卷書，不如行千里路」，除了要吸收書本上的知識，你亦應該把握課餘的實習機會，將學習到的技能一一應用到現實項目當中。如果你有興趣實踐，網絡上有許多開源的數據庫可供你練習，例如是Kaggle、NASA、Wikipedia和UCL Machine Learning Repository，全都是一些很受初學者歡迎的網站。

參考資料：TIBCO、Xccelerate

數據科學出路和人工

鑒於疫情加速了數碼轉型的步伐，市場對數據科學家的需求正在不斷上升。直至2022年4月， JobsDB上有關數據科學的空缺已多達5,280個，其熱度可見一斑。

根據Glassdoor，香港的數據科學家月均收入為HK$35,500，實際數字或會因應個人經驗及公司政策而有所調整。

為了方便你掌握市場實況，以下歸納了10個知名企業的薪酬水平：

| 香港公司 | 平均月入 (HKD) | 月入水平 (HKD) | | 香港匯豐銀行 | $42,750 | $32,000 至 $60,000 | | 中國銀行 (香港) | $27,500 | $24,000 至 $31,000 | | IBM | $43,500 | $40,000 至 $47,000 | | 香港大學 | $22,000 | $21,000 至 $23,000 | | 香港中文大學 | $24,000 | $23,000 至 $25,000 | | 香港城市大學 | $60,000 | $57,000 至 $63,000 | | 香港科技大學 | $55,500 | $57,000 至 $62,000 | | Lalamove | $47,000 | $45,000 至 $49,000 | | 微軟 | $38,500 | $38,000 至 $41,000 | | 友邦保險 | $30,000 | $29,000 至 $31,000 |

參考資料：TIBCO、Xccelerate、JobsDB