数据科学家则需要了解Python语言、R语言或两者兼具，并且能够获取数据（例如使用SQL或Spark）、整理数据、分析数据、训练预测模型并将数据驱动的洞察提供给利益相关者。他们需要在统计方法和机器学习方法（包括深度学习）方面有扎实的基础。在某些公司中，数据科学家也会参与机器学习模型的部署。

尽管现在很多企业对于数据科学家和数据工程师职位的划分还不是那么明确，但是未来更加精细化的分工是大势所趋。当然这并不会一蹴而就，新职位不是凭空而来，需要一个渐进的过程和角色转化，国内某头部互联网公司两年前正式组建了数据科学团队，而团队成员以前散落在集团各业务部门，其中有数据分析师也有大数据专家，而数据科学团队成立以来，让数据驱动业务运营，更加高效。

国内另一家头部直播平台正在招聘数据科学家职位，从招聘信息描述来看，数据科学家属于其数据分析部，其工作职责包括分析和挖掘海量数据，发现用户行为模式与规律，优化用户体验，提升社区粘性，通过数据分析和经济运筹模型优化，为公司不同的运营团队制定目标和策略，关注落地结果等。而职业技能要求需要熟练使用SQL、Python或R语言进行数据分析、可视化呈现，具有统计学和概率论基础，擅长数据分析，了解常见规统计机器学习模型及使用等，其需求与Maria Khalusova所说基本一致。

有分析称近来对AI、机器学习（ML）、非ML预测分析和“大数据”的应用，使得数据科学家的需求有了显著的增长。不过从这一点来看数据科学是不是21世纪最性感的职业还为时尚早，公民数据科学家的到来让不少人为此打上了大大的问号。

全民数据科学家时代到来？

早在2013年就有专家指出对数据科学家的“炒作”该结束了，他们认为大数据走入了一个新的阶段。企业用户利用直觉和互动的UI来从大数据中获取价值，从而避免依赖于数据科学家，应该让大数据变得更加民主。

市场竞争加剧，外部环境和技术飞速变化，需要业务和技术更高效联动更及时有效了解用户需求，明确企业自身现状，为企业决策提供帮助。随着大数据技术不断走向成熟，技术应用的门槛也不断降低，复杂的数据统计可能仍限于数据科学家，一些可视化分析工具和敏捷的大数据工具可以让业务人员能够轻松上手，大数据民主化也催生出了公民数据科学家这个概念。

根据Gartner 的定义，公民数据科学家（Citizen Data Scientist ）“能够创建或生成采用高级诊断分析或预测和规范功能的模型，但本职工作并不属于统计和分析领域”，近两年关于公民数据科学家概念也异常火爆。

有人指出公民数据科学家发展预示着全民数据科学家时代的到来，数据科学家可能会退出舞台，也有人认为数字化智能时代，数据的增长和数据价值的重要性日益凸显，企业对数据科学家和数据分析人员需求不断扩大，而人才缺口较大，公民数据科学家是暂时填补供需之间不平衡的一个方案，数据科学家仍然是最亮的星。

可以看到近两年技术民主化成了热点，不只是公民数据科学家，还有公民开发者，在Gartner的定义中公民开发者是指在传统IT渠道之外的创建应用程序的业务用户，低代码／零代码的发展促使了全民开发者时代的到来。公民开发者无法替代开发者，同样的公民数据科学家也无法替代数据科学家。术业有专攻，数据科学家会向着更高阶和更专业的数据分析方向发展，正如Gartner所说，公民数据科学家可以弥合企业用户采用的主流自助型分析和数据科学家掌握的高级分析技术之间的鸿沟。

目前，越来越多的企业构建数据文化，将自身打造成数据驱动的组织。“由于技术公司蕴含的技术文化，也使他们（互联网企业）自然地在数据工程和数据科学方面更加领先。今天，我们看到越来越多的公司开始接受技术文化，因为这已成为竞争优势所在。与此同时，同样的事情也发生在传统产业。今天，各行各业的许多公司都开始尝试将其业务转到互联网上。可以这样说，未来所有公司迟早都会成为互联网公司，也都会更加注重技术文化。”Andrey Cheptsov指出，与此同时软件开发越来越多地涉及到数据，这意味着软件不再仅仅是一组算法，而是一组经过数据训练的模型。收集和处理这些数据，并进行建模和部署机器学习（ML）模型，已成为软件开发的一部分。

技术不断迭代进化，新的职位也会出现，员工与企业组织都面临着新的挑战与机遇。很多人都愿意相信数据科学家未来可期，只是不要把职业角色和应该掌握的技能标签化，毕竟需求是动态变化的，是需要个体与时代彼此适应的。