三年前，著名的《哈佛商业评论》声称数据科学家是“21世纪最为性感的职业”。 许多机构与媒体对这一评价都表示了认同。作为现在最具潜力的职业，要成为优秀的数据科学家，除了要懂得数据采集、算法、软件、分析等方面的知识，还应该从那些业界优秀的数据科学家身上学习一些成功的经验。

如果你想了解：

• 数据科学家的日常生活是什么?
• 当前的产业格局是怎么样的？
• 数据科学作为一门学科，它的历史是怎样的？
• 如何开启数据科学的成功之路？
• 数据科学分析的真实世界是什么样子？

那么我向你推荐以下五位数据科学家的博客：

1）在Twitter从事数据科学工作的日子 作者：Robert Chang

这篇文章直接说到了我的痛点。从不同类型的数据科学家需要做些什么，到如果你在扮演着不舒服的类型角色该做些什么（注意：不舒服不等于是错误的）。Chang很好的解释了数据科学家在伴随公司的建立到成长，如何扮演不同的角色。

找到你适合融入的公司类型与理解你自己是哪种类型的数据科学家同样重要。拿我自己来说，我是Workday 公司的第一批数据科学家之一，我的职业生涯伴随着这个团队一起成长。伴随公司的成长我的工作也在发生改变。但是，我却开始对全新的年轻公司充满着向往，我希望我能够用他们收集到的数据来真正帮助他们。我花了三年时间来定位我是一个什么类型的数据科学家以及我希望从事什么类型的工作。

2） 数据科学产业：是谁做了什么样的事情？ 作者：DataCamp

相比起Chang，DataCamp展示了一个更为传统的数据科学产业分类。虽然这里探索的部分工作职位看起来已经过时了，但我认为它提供了对目前行业的一个更现实的看法。我们沉浸在硅谷的泡沫而忘记了湾区以外的地区在公司运营上有很大的不同。虽然两者的差距正在慢慢缩小，但这对于那些想要到外面的地方找寻梦想的数据科学家来说还是有很大的帮助。

另外，你一定要记得看看DataCamp博客的其它内容。对于那些开始接触R语言的人来说也是非常有用的。它提供了易学的R关键技能教程和一些与其它常用工具的对比文章。

3） 数据科学的20年：从音乐到基因学 作者：Rafael Irizarry / SimplyStatistics

有句名言：“不学习历史的人注定要重蹈覆辙。”对于这里介绍的故事尤其如此。这堂简短的数据科学历史课告诉我们，数据科学作为核心，已经存在了几十年了。对于那些对数据科学感兴趣的人来说，不仅会学习到数据科学的历史，还可以对计算机科学、统计学以及数学方面的应用大开眼界，了解它们是如何相互作用的。

4） 数据展现：使用图形化进行探索性数据分析 作者：Eli Bressert

一旦你了解了数据科学是什么以及如何使用之后，你就可以着手来进行研究了。就像长跑新手不必以马拉松赛为开始一样，你的第一个数据科学项目部应当太专业或者太复杂。在开始任何一个大型数据探测项目之前，你需要对数据有一个基本的了解。在Bressert的文章中，他清楚地展示了这一个流程的步骤以及了解它们为什么重要。很多时候，做探索性数据分析可以为今后从事统计分析和机器学习的研究奠定基础。

5）AirBnB的产品研究 作者：Edwin Chen

最后一个，是关于简单的分析如何对项目产生巨大影响的例子。我喜欢chen在这里的做法。他阐明他的发现任何人都可以理解，他的图形化报告清晰、简洁，他们的方法是通过改进而非推倒重做。对于数据科学感兴趣的人来说，这是一个通过方法论来对项目产生影响的实例。

本文翻译自dzone.com，译者慧都控件网：回忆和感动，转载请注明出处。