1662年，数据科学家在做什么 — 第912节 格朗特分析伦敦死亡率统计表

从数据中寻找规律、构建预测模型——一个2008年才出现的职位名称，建立在三个世纪计数、检验与可视化证据的传统之上。 数据科学家利用统计学、编程与领域知识，从数据中提炼出规律、预测与建议，再把结果变成企业、政府机构或研究团队能够采取行动的依据。这份工作涵盖写SQL从数据仓库中取数、清洗与重塑数据、拟合统计或机器学习模型，以及解释这个结果究竟支持什么、不支持什么。 这个职位名称比其背后的技艺年轻得多。“ ”一词大约始于2008年，当时DJ·帕蒂尔与杰夫·哈默巴克在分别为与组建数据团队时各自独立敲定了这个称呼，而统计学家威廉·S·克利夫兰直到2001年才提出把“ ”作为一个学术领域。其背后的学科要古老得多，可以经由约翰·图基1960至70年代对探索性数据分析的推动，一路追溯到罗纳德·费舍尔1920年代的统计学，再到约翰·格朗特1662年对伦敦死亡记录的研究。

2012年《哈佛商业评论》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设的大学项目。这股热潮如今已趋于成熟：这个泛化的职位名称已分裂为分析工程、机器学习工程和产品分析，而AI工具如今承担了越来越多原本这份工作默认由人工完成的常规查询、清洗与制图任务。 与“搭建AI模型”的刻板印象不同，多数工作日的时间分布在编写SQL查询和代码以提取并清洗数据、运行统计检验或训练模型，以及把结果转化成非技术利益相关者能够采取行动的图表或备忘录上。从业者调查一致表明，数据清洗与准备大约占用了总工作时间的一半甚至更多。 不需要。与医学或法律不同，这个领域没有执业资格证，也没有唯一必需的学位；统计学、计算机科学、数学或相关量化领域的学士或硕士学位是最常见的路径，而一份扎实的真实项目作品集，往往比具体学历更受雇主看重。博士学位在研究密集型或应用机器学习岗位中更为常见。

并不完全是。它大量借鉴统计学——费舍尔的实验设计、图基的探索性分析——但又加入了传统统计学系很少教授的编程、数据库工程与机器学习。威廉·S·克利夫兰在2001年提出这个术语，正是为了描述这个建立在统计学之上、而非取代统计学的、计算密集型的扩大版学科。 常规部分已经暴露在风险之中：工具能够拟合并调优标准模型，AI助手编写SQL查询、初稿探索性图表和样板管道代码的速度都比人快。尚未被自动化的，是构思出正确的问题、判断一个规律究竟有意义还是伪相关，以及为建立在结果之上的决策承担责任。 各国及资历差异很大。美国劳工统计局公布，2023年数据科学家这一职业的年薪中位数约为10.8万美元，初级分析师起薪往往接近7万至9.5万美元，而大型科技公司的资深或首席数据科学家算上股权的总薪酬可达20万至40万美元甚至更高。