Module 01 · Defining Data Science and What Data Scientists Do
The Many Paths to Data Science数据科学家的职业路径：如何成为一名数据科学家？
领域的新生与术语的演变
许多受访者指出，在他们成长的年代，数据科学（Data Science） 这个领域本身并不存在，或者尚未被如此命名。
- “数据科学直到 2009 年或 2011 年才真正出现。”
- 像 DJ Patil 或 Andrew Gelman 这样的人创造了这个术语。
- 在此之前，它被称为统计学（Statistics）。
💬 “我小时候从来没有想过要成为一名数据科学家。不，它当时不存在。”
多元的专业背景与转折点
受访的数据科学家们拥有非常多元化的教育和职业起点，许多人是机缘巧合进入这个领域。
教育背景举例
| 原始专业/学位 | 职业转变/路径 |
|---|---|
| 统计学 | 转向商业，后发现数据科学更有趣。 |
| 机械工程（大一） | 首次接触数据科学——来自战略咨询公司利用数据科学做决策。 |
| 数学（本科） | 毕业于经济危机后，为求“有用”而攻读统计学学位。 |
| 商业（本科），主修政治、哲学、经济学 | 后在纽约大学斯特恩商学院攻读商业分析硕士。 |
| 土木工程（Civil Engineer） | 所有工程师都与数据打交道。其常规的数据科学使用始于交通研究。 |
职业生涯的发现时刻
- 从“无意”到“成为”：
- “我从事了足够多被称为‘数据科学家’的工作，然后突然就成为了一名数据科学家。”
- 早期工作即是数据科学：
- 一位受访者本科毕业后加入的第一家公司，工作内容是为零售制造商分析电子销售点数据。
- “我们当时做的就是数据科学，但直到很久以后，大约四五年前，我们才开始称之为分析和数据科学。”
- 解决复杂问题的需求：
- “我有一个需要解决的复杂问题，而当时我们所拥有的常规技术无法提供帮助。”
交通研究：一个早期的实践案例
一位受访者的经历展示了数据科学在传统工程领域中的应用和演变：
- 起点： 交通研究。
- 工作内容： 开始构建大型模型，尝试预测街道上的交通流量、确定拥堵情况和温室气体排放。
- 早期大数据： 在 20 世纪 90 年代中期，作为多伦多大学的研究生，开始构建这些模型。
- 当时处理的数据集被认为是 “非常大” 的，例如包含 150,000 个家庭样本和五十万次出行记录。
- （注：按今天的标准来看，这已不是一个大数据集。）
- 持续发展： 后续在麦吉尔大学担任交通工程教授，构建了涉及数据和分析的更大数据模型。
✨ 结论： 交通研究将其带入了数据科学领域。
