如何培养数据科学家
自计算机发明以来，人们一直在处理和使用数据，主要工作是将现实的东西用计算机数据表示，存储在计算机中，然后管理这些数据，并在需要时使用它们。随着数据量的不断、快速增长，对数据的处理分析变成了科学研究、商业应用的一个重要环节，而这样的数据分析工作往往依靠人的创造性，于是从事商业数据分析、科学数据分析的人被称为数据科学家。近年来，对数据分析理论和技术的一些共性需求导致对数据本身的研究，例如，分析数据本身的现象和规律；研究数据每年的增长规律；预测10年后网络空间数据的规模等，这样就出现了专门研究数据自身规律和现象的数据科学家。
上述“从事商业（业务）数据分析的人”、“从事科学数据分析的人”、“研究数据的人”是目前被称为数据科学家的3类人。但在解决一个大数据分析问题时，常常是由来自于数学与统计、计算机和业务领域的一个数据科学家团队完成。这说明，目前在大学没有什么专业具备了数据科学家所需要的知识，这是一个新问题。
下面，以精准营销与数据相关的业务为例，讨论数据科学家做什么工作。
简单地将一个互联网精准营销描述为：“将商品推荐给可能购买的人群”。其具体实施则涉及工程、技术和科学3个层次的工作，见表9-1。
表9-1 数据科学家做什么（以精准营销为例）
（1）工程实施
作为互联网广告，当用户上网登录页面时，需要在不到100 ms的时间内将广告弹出，这主要是一个工程实施的问题。
（2）业务模型和技术手段
精准营销的业务模型包括商品分类和人群分类，对应的技术手段主要是聚类分析等数据挖掘技术。
（3）科学研究
聚类分析的核心是相似性及其计算。如何确定两个客户是相似的，这是一个科学问题，需要科学家创造性地劳动。不同的相似性设计会导致不同的聚类结果，不同的聚类结果会导致不同的营销精准性，最后导致营销效果，即商品销售。
“精准营销”的例子也说明了为什么叫做数据科学家。因为这些人是在从事创造性的工作，是在发现数据的现象和规律，而不是从事制造性工作，他们的工作结果会有不确定性，因此是一项科学工作，所以他们是数据科学家。
2014年，Cleveland W S提出了一个数据科学行动计划，指出了数据科学需要发展的重要方面（跨领域数据分析能力、数据建模和方法、数据计算能力、学科规划、工具、基础理论）。笔者认为，数据科学是研究数据界的科学或关于数据的科学，主要由两部分组成：一是研究数据本身的规律和现象，解决关于数据界的科学问题，这部分研究工作并不考虑数据的现实含义，只研究数据自身的现象和规律，包括数据的历史、进化和迁移等；二是研究数据表示的现实含义的现象和规律，即通过研究数据来研究现实，是指数据科学为传统科学研究提供了方法，其目的在于揭示自然界和人类行为的现象和规律。相应地，数据科学的主要研究内容包括：数据科学基础理论研究，如数据相似性、数据测度、数据代数、数据实验、数据分类、数据百科全书等；数据界探索，如数据界有多大、全球数据如何增长等科学问题；科学研究的数据方法，如数据方法的框架；数据技术研究，如数据分析、数据探索、数据挖掘、数据伪装和辨伪、领域驱动的数据技术（如生物信息学、业务智能（business intelligent，BI）和社会计算等）。(https://www.daowen.com)
数据科学学科结构布局与数据科学的研究内容是对应的：将数据科学基础理论研究为基础，尤其是数据相似性理论研究是数据研究的关键和基础，这是第一类数据科学家——“研究数据的人”的基础知识结构；数据界探索作为数据科学的科学问题的探索，并且与社会科学、自然科学形成差异和支持，突出数据科学学科特色，这是第一类数据科学家——“研究数据的人”必备的知识结构；科学研究的数据方法是对现有科学研究创新研究方法，是数据科学学科的重点内容，涉及各个科学研究领域方向，这是第二类数据科学家——“从事科学数据分析的人”必备的知识结构；数据技术研究是数据科学学科的技术支撑和应用体现，这是第三类数据科学家——“从事商业（业务）数据分析的人”必备的知识结构。因此，数据科学在人才培养方面将打破原有的学科限制，数据科学家需要的知识结构是涵盖和横跨不同学科，融合多学科的研究方法，甚至取代并超越它们，是一种新的视角和一种新的学习体验，即超学科。
数据科学家培养应该是多类型的，包括学位培养、科研人员培养和应用人才培训。学位培养和科研人员培养的主要是在数据上做科学研究的人以及研究数据的人；而应用人才培养的主要是从事商业数据分析的人。并且，不同类型人才的培养在整个知识体系结构中的侧重是不同的，其重点掌握的知识层次是有所划分的，具体如下。
（1）学位培养
针对未来从事研究数据本身的人的学位培养，应该注重数据基础理论的训练，要求掌握各种数据技术；针对未来从事在数据上做科学研究的人的学位培养，则应该注重学生对专业领域知识的掌握以及对领域数据学的培养，提升在专业领域的数据能力。
（2）科研人员培养
主要是指获得数据科学学位后，继续从事科学研究活动的人。这里指的从事科学研究活动，包括从事数据科学研究和从事社会科学或自然科学研究。他们已经具备了学位培养期间的专业训练，需要进一步提升他们的数据创新能力。
（3）应用人才培训
主要针对从事商业数据分析的人才，这里包括获得数据科学学位后从事商业数据分析的人以及未接受数据科学学位培养的社会人才，需要注重的是技能培训，掌握大数据分析工具，例如Hadoop、Spark、Map Reduce、Mahout等，熟悉大数据应用案例。以开展数据科学家训练营或社会技能培训的方式开展。
尽管国内数据科学家的培养已经起步，但值得注意的是，当前数据科学家培养中遭遇的主要问题是：独立培养、缺乏交叉。在技能培训方面，更多的是让受训者掌握数据分析工具，却缺少数据科学家思维。总体而言，数据科学家培养的基础条件缺乏，需要重视数据科学人才培养的基础条件建设，具体如下
●计算条件：建设数据科学人才培养所需的计算能力，包括软硬件环境。
●数据条件：数据是资源，也是数据科学人才培养的核心，需要建设丰富的数据资源环境。
●师资条件：这是目前相当缺乏的数据科学人才培养资源，也是影响未来数据科学人才培养成果的关键。