1908年，临床数据科学家在做什么 — 第958节 将 t 检验发布为学生

使用临床、试验和卫生系统数据生成可靠的证据，以实现更安全的护理、研究和运营决策。 临床数据科学家使用统计、编程和领域知识从数据中提取模式、预测和建议，然后将结果转化为企业、政府机构或研究团队可以采取行动的东西。这项工作包括编写 SQL 以从仓库中提取数据、清理和重塑数据、拟合统计或机器学习模型，以及解释结果支持和不支持什么。 这个职位的名称比其背后的工艺要年轻得多。 “数据科学家”这个词的历史可以追溯到 2008 年左右，当时 DJ 和 在 和 建立数据团队时独立确定了这个词，而统计学家 S. 直到 2001 年才提出“临床数据科学”作为一个学术领域。其基础学科已有几个世纪的历史，可以追溯到 1960 年代至 70 年代对探索性数据分析的推动，一直追溯到 1920 年代 的统计学和 格朗特 1662 年对伦敦死亡率记录的研究。

2012 年《哈佛商业评论》的一篇文章称其为“21 世纪最性感的工作”，引发了长达十年的企业招聘热潮和数百个新的大学项目。这种繁荣已经成熟：通才头衔已分为分析工程、机器学习工程和产品分析，人工智能工具现在处理越来越多的例行查询、清理和绘制图表的工作，而这些工作原本是由人工完成的。 与“构建 AI 模型”的形象相反，大多数时间都是编写 SQL 查询和 代码来提取和清理数据、运行统计测试或训练模型，以及将结果转换为非技术利益相关者可以采取行动的图表或备忘录。从业者调查一致认为数据清理和准备时间大约占总工作时间的一半或更多。 不需要。与医学或法律不同，没有执照或单一所需的学位；统计学、计算机科学、数学或相关定量领域的学士或硕士学位是最常见的途径，对雇主来说，强大的实际项目组合通常比确切的证书更重要。博士更常见于研究型或应用型机器学习职位。

不完全是。它大量借鉴了统计学——费舍尔的实验设计、图基的探索性分析——但增加了经典统计学系很少教授的编程、数据库工程和机器学习。威廉·S·克利夫兰 ( S. ) 在 2001 年提出了这个术语，专门用来描述这个领域的扩展、计算密集型版本，它建立在统计数据的基础上，而不是取代它。 常规结果已经暴露： 工具可以拟合和调整标准模型，AI 助手可以比人更快地编写 SQL 查询、初稿探索性图表和样板管道代码。没有自动化的是提出正确的问题，判断模式是否有意义或虚假，以及对基于结果的决策负责。 它因国家和资历的不同而有很大差异。美国劳工统计局预计，到 2023 年，临床数据科学家职业的年薪中位数约为 108,000 美元，而初级分析师的起薪通常接近 70,000 至 95,000 美元，大型科技公司的高级或首席临床数据科学家的股权总薪酬可达 200,000 至 400,000 美元或更多。