没有数据的数据科学？请马上利用数据工程师

不幸的是，了解这两个学科其中之一并不代表着你就对另一个的知识有所了解。

如果你有了跑去学习两个学科的冲动，你可能成为了那个(令人倍有压力且适得其反的)信念的受害者——数据专家们必须对数据的所有事项都有所了解。数据宇宙正在飞速地扩展着，现在是时候让人们意识到这个领域有多么广阔了，在数据领域的某个领域工作并不自动要求人们去成为全知全能的专家。

讲这么多就是为了说明，这门学科包含了太多的知识，以至于最有决心的天才也无法全部理解和掌握。与其希望数据工程师们全知全能，不如问问彼此(也问问自己)，“你是哪一类人?”让我们齐心协力一起工作，而不是在这条路上孤军奋斗。

但这不是一个绝佳的学习机会吗?可能是。这取决于你对已知的学问有多大的感情。数据工程不同于数据科学，所以如果你是个未经受过数据工程训练的数据科学家，那么你得从零开始。

这可能正是你所寻求的乐趣——只要你带着开放的眼光一路前行。建立你的数据工程团队可能要花费好几年的时间。当然，有理由去学习新事物是件好事，但相同的是，你的数据科学“肌肉”可能会因此萎缩。

作为一个类比，想象你是一位能流利使用英日两语的译者。你被提供了一个叫做“译者”的职位。当你来到岗位工作时，你发现你被聘来进行将普通话译为斯瓦希里语的工作，而这两种语言你都不会说。抓住机会成为一个四语达人可能是一件振奋人心且有益的事情，但请从现实的角度来思考你该如何有效地利用初级培训。

换句话来说，如果一个公司没有任何的数据或者数据工程师，那么接受首席数据科学家的工作会在你组建数据工程团队时，为了成为一个数据工程师(你很可能还未达标)，将你的数据科学家生涯搁置好几年的时间。

最终，你会很骄傲地看着你所建的团队，然后意识到你不再需要亲自去处理那些细枝末节。那时你的团队已经能够成熟应对那些绝妙的神经网络或者你读博时研究的复杂巧妙的贝叶斯定理推论，你就只能袖手旁观，看着他人完成目标。

（编辑：桂林站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!