具有单一技能的数据科学家很容易找到，发现全面的数据科学家很难。但是这些10X资源将使失败的项目和成功项目之间的区别。

公司超级巨星，这就是他们……

在公司环境中，数据科学家还需要在技术要求的标准清单上具有很多技能。任何数据科学立场中最困难的部分是沟通，在普通人群中，良好的统计技能不一定与社会精通的同事。

数据科学最困难的部分是通信。

雇用新的数据科学家时，重要的是要问自己要寻找什么？您如何想象这个人在您的业务中运营？您是否正在寻找具有纯粹数学和统计技能的人？还是对低级编码有亲和力的人？或者，更有可能是一个可以成为桥梁的人;可以将解决方案出售到业务中并获得项目（以及未来费用）的人。

大多数公司需要应用数据科学。数据科学专门用于解决业务挑战。不是为了数据科学本身，而是为了实现目标。更好地了解什么应用数据科学可以为您的公司做，我们必须了解“应用”部分实际上需要什么，而无需所有嗡嗡声。这也将帮助您确定公司实际需求，这可能根本不是数据科学。

应用科学家

这应用数据科学家是一个有趣的角色。这应用应该与研究数据科学家。t他研究数据科学家花一天的时间在项目上；摆弄最细微的细节。研究新颖的模型并找到将它们应用于的领域。

应用的数据科学家是值得信赖的业务顾问。他们与企业进行沟通，发掘他们的需求，并使用适用于工作的工具。简单的数据分析，数据提取，或者，当作业要求它时，更高的建模。

不要误会我的意思：这些研究数据科学家有一个地方，但这可能需要周围的强大支持团队，以填补他们不愿或无法填补的空白。这些人不能在复杂的商业环境中独自运作。

应用数据科学家结合了各种技能和工具，以便在业务环境中提高生产力。

那么，您应该在候选人中寻找什么？

应用数据科学家的清单

• 科学家。数据科学家需要对数学，统计和科学探究方法有牢固的了解。他们需要能够用各种语言进行编程，以提取，转换和操纵数据。这也包括解析复杂问题并将其分解为较小，可解决的部分的能力。这是他们的分析思想。
• 领域专家。经常被忽视的是科学家对深层垂直或领域知识的需求。域专业知识对于正确构建手头的信息并提高对所述数据缺点的认识很重要。它还可以帮助数据科学家创建对业务直接有用的产品。真正的应用数据科学家使用其业务联系方式为每个项目获得有用的信息。
• 翻译者。他们作为翻译的角色被低估了，但非常重要。业务环境中的数据科学通常受业务经理的想象力的限制 - 应通过分析解决他们的问题。
  但是，由于他们从他们的角度解决了问题，因此不可避免地只能通过这个世界观来构成问题。从技术角度来看，数据科学家可以提出各种不同（有时是独特的）新方法。由于通常，业务正在为账单付款，因此很重要数据科学家可以充当翻译人员在技​​术方面和业务元素之间。出售未来。

在某种程度上，这些角色可以分开应用数据科学家需要具有这些关键技能。这些人将极大地增加数据科学团队的交付能力，他们可以提高整个团队。

因此，下次您聘请数据科学家时，您会去那里，而不仅仅是评估他们的技术能力，还要评估其他特征，例如领域知识和沟通技巧。祝你好运！