數據科學家是當下非常受歡迎的技術人才之一。美國職場網站Glassdor的數據顯示，數據科學家已連續(xù)四年位居美國職業(yè)之首，并日益成為業(yè)務增長的重要組成部分。隨著對數據科學人才需求的增加以及人們對數據科學重要性認識的加深，有必要進一步規(guī)范這一職業(yè)。那么，數據科學家到底扮演著怎樣的角色?為什么他們的專業(yè)認證越來越重要?

數據科學家的角色

數據科學家與企業(yè)領導人和關鍵決策者合作，通過準備、分析和理解數據來洞察、預測新趨勢并提供建議以優(yōu)化結果，最終解決問題。這些專業(yè)人士的影響因行業(yè)而異。例如，在醫(yī)療領域，數據科學家正在使用認知計算技術幫助醫(yī)生提供個性化、精確的醫(yī)療服務。

由于全球數據的多樣性、更新速度和數量均呈指數增長，我們需要數據科學家來解讀這些數據。最近，互聯網數據中心(IDC)的報告稱，全球產生的數據量將在2025年增加10倍，達到每年175 ZB(zettabytes)，其中60%的數據會由企業(yè)創(chuàng)造和管理。肯在技術與人才上投資，來解讀數據的企業(yè)，發(fā)展將更上一層樓。數據指數增長下，市場對相關人才會保持強勁的需求，這些人才解決難題的方法往往超出人們想象，他們還能抓住新的機遇。

數據科學家工作中會用到各種數據(結構數據、非結構數據物聯網流)、 分析工具、人工智能工具和編程語言。云計算基礎設施通常用來處理數據流的數量和準確性。數據科學的現代應用包括從傳統的業(yè)務數據分析到自然語言處理和計算機視覺，同時還有各種分析工具、機器學習以及人工智能算法。運用數據、建模知識和分析結果，數據科學家可以為管理人員提供結論與建議。

商業(yè)頭腦對于數據科學家來說十分重要——例如，數據科學家需要在數據基礎上，通過理解問題、提出假設和檢驗結論來找出解決方案，從而影響戰(zhàn)略選擇。為了將發(fā)現更有效地傳達給企業(yè)領導，數據科學家還需要具備優(yōu)秀的咨詢、溝通、可視化與演說能力。

數據科學家教育背景多為統計學、運籌學、機器學習或經濟學這些數理基礎很強的專業(yè)，但在過去幾年中，很多大學開始設立“數據科學”或“分析”專業(yè)。 

數據科學家的職業(yè)與認證

數據科學是一個相對較新的職業(yè)。數據科學在在企業(yè)中越來越重要，同時還能影響業(yè)績、為從業(yè)者帶來豐厚薪水，因此吸引了很多年輕的專業(yè)人士。此外，經驗豐富的專業(yè)技術人員看到了數據科學的巨大潛力，也在為成為數據科學家學習新技能。這項職業(yè)的需求和魅力也吸引了越來越多來自不同專業(yè)的人。但從業(yè)者越多，他們的技能水平差距就越凸顯。

對于人才短缺這一問題，通過多種渠道培養(yǎng)和深化必要的技能是個有效的解決方法。但在今天，大學已設有面向本科生和研究生的數據科學學位課程。人們對于“微學位”青睞有加;專業(yè)公司為新人提供深入的入職培訓;數據科學學徒制日益流行;在線課程及證書也越來越多。

數據科學領域的飛速發(fā)展令人驚嘆，但企業(yè)可能會在招聘、培訓和留住員工方面手忙腳亂，特別是繁雜的教育背景會給企業(yè)帶來不小挑戰(zhàn)。企業(yè)在關鍵問題上需要數據科學家的支持，因此制定行業(yè)標準勢在必行。

為了保證數據科學在各國標準一致、合規(guī)及其服務質量，十分有必要開設一個全球性的認證項目。這個項目將提供一個世界一流企業(yè)普遍使用和認可的職業(yè)認證框架。該框架也會客觀、科學地考量候選人的能力和資質，這樣各大企業(yè)就能正式認同數據科學的職業(yè)發(fā)展。

對于數據科學家來說，專業(yè)認證可以提升他們的價值和知名度。這個項目會讓有經驗的數據科學家脫穎而出，并獲得專業(yè)認可。從招聘的角度來看，企業(yè)需要知道當前或潛在員工是否擁有該職位需要的知識、技能和經驗，而認證項目就可以幫助企業(yè)為關鍵職位確定最佳人選。與大多數基于產品知識的銷售認證不同，數據科學家需要具備在相關項目上提供業(yè)務價值的經驗。

類似的項目已經在其他方面如業(yè)務、企業(yè)和解決方案架構師中取得了成功。這些領域的專業(yè)人員可以通過The Open Group平臺開發(fā)的OpenCA項目接受特別評估，這種評估具有同行審議、廠商中立、全球認證、方便可查這些特點。OpenCA項目現在已經成為評估業(yè)務架構師技能與經驗的權威獨立標準。現在，The Open Group平臺首次與IBM合作，開發(fā)了數據科學家認證項目。

最近一項名為“面對疾風吧：應對全球技能危機”的研究采取了一個有趣視角來看待認證項目的影響。研究發(fā)現，在提高勞工市場競爭力的政策中，認證的影響排在第三位，但認證項目的采用率僅有24%。很明顯，認證項目是解決技能不足問題的有效途徑，但目前仍未得到充分利用。 

在未來幾年，數據科學家要用到的工具和能力將繼續(xù)簡化，并將更容易上手。然而，隨著人工智能繼續(xù)滲透到各商業(yè)領域，對數據科學技能的需求也將持續(xù)增長。數據科學家認證項目可以為各類企業(yè)提供有效方案，使企業(yè)能在不斷增長的數據量中提煉見解，根據數據作出決策。更重要的是，認證項目可以促進企業(yè)對頂級人才的競爭，并能確保數據科學家的技能滿足業(yè)務需求。