資料科學是一種解決問題的方法，能夠應用於各種商業或其他場景的問題。這幾年也蓬勃的應用於不同的產業當中，例如在金融科技（Fintech）或行銷科技（Martech）之類的新興領域中都可以看到資料科學在科技中的影子。而從我們過去的經驗中，可以發現資料科學工作者的背景樣貌非常多元，有來自的電腦科學、數學統計、商管學科，甚至於人文社會背景的也各自發展出獨特職涯路徑。在資料科學越來越熱門下，該如何成為資料科學工作者是許多人好奇的問題，那麼究竟該怎麼點技能樹和規劃職涯呢？
資料科學家的技能養成
一般來說，資料科學工作者需要具備3大核心能力：程式開發、數理推導與專業領域應用，其中對應的相關系所，分別是資工、資管；數學、統計；商管或其他專業領域。可以得知，資料科學是一種跨領域的能力。來自不同領域的人，都有機會成為資料科學工作者。因為資料科學技能是綜合性的技能，故資料科學工作者必需同時會不同領域技能，更需要跨領域合作。由於要學的東西太多、很難有學完的一天。但也可以說，資料科學的學習路徑是有很多的起點。
故想成為資料科學工作者，建議掌握自己的強項；再確認你的目標、動機與職涯期程後，展開學習與累積。例如，你擅長或對什麼技能有興趣呢？是寫程式和技術開發、是數字和分析；或程式和數字都不行，但很喜歡分析報表或圖表呢？
資料科學工作者的職涯發展是多方向的，並非每個資料科學工作者的職涯終點都是資料科學家。重要的是找到你的強項，進而選擇適合你的位置。例如，你本來是工程師、擅長寫程式，可以從資料工程師切入；若你擅長數理或統計，則可從比較需要數理能力的資料科學家著手；若你沒有工程或數理背景，但對數字或資料很有興趣，例如你原本就是 PM、行銷或金融業人員，則可從資料分析師開始。
各種背景的資料科學職涯路徑
除了從技能之外，接下來我們從「背景」的角度切入，幾種常見進入資料圈的夥伴該可以怎麼規劃自己的職涯路徑。大致上可以分成設計背景、軟體工程背景、擅長數理統計、數字敏銳高這幾種專才的人，此外我們也把養成班、在職訓練獨立成一種可能的背景。
從設計背景到資料領域
很多有設計、使用者體驗背景的人，可能會轉換成為前端工程師。在接觸資料科學後，成為「懂資料的軟體工程師」。進而，再成為資料工程師、機器學習工程師或資料科學家。
從軟體工程背景到資料領域
本來就是軟體工程師的人，在成為「懂資料的軟體工程師」後，若不走機器學習工程師或資料科學家，則可能成為大數據分析師或資料架構師。若本來是走後端，則可能網系統架構師、或資料架構師發展。
擅長數理統計的人
數理統計強的人，可能從資料分析師或「懂程式的資料分析師」出發，成為「懂資料的軟體工程師」、或直接成為資料科學家。而「懂資料的軟體工程師」，可能再藉由資料工程師、機器學習工程師，走向資料科學家。而資料工程師，則亦可往大數據工程師、資料架構師發展。
對數字敏銳的人
對數字敏銳的人，一般路徑可能是會在市場相關的行銷或企劃等角色發展，進一步處理商業分析任務，最後成為管理顧問。若往資料分析師發展、再學習程式，成為「懂程式的資料分析師」；或是在處理商業任務的階段，成為「會程式的商業分析師 (BI)」。商業分析師，進一步可能成為「懂資料的軟體工程師」，並再往資料工程師邁進。
從養成班、在職訓練到資料領域
養成班與在職訓練的時間都相對地短，不過也是從「懂資料的軟體工程師」起步。再循資料工程師、機器學習工程師到資料科學家。或是循後端工程師的路徑，往大數據工程師或資料架構師發展。
進入資料科學領域只是第一步
因為資料科學領域的多元內涵，使得人人都有機會成為資料科學工作者。也因如此，資料科學工作者需要跨領域的技能與合作能力，是個非常具有挑戰的角色。從技能樹來看，資料科學工作者需要學習非常多的技能，建議從自己擅長或感興趣的技能開始學習；也要有學不完、永遠都在學習的心理準備。
而從職涯來看，資料科學工作者的職涯起點與路徑也非常多樣。無論是常見的設計、工程背景；養成班或在職訓練背景；或擅長數理統計或對數字敏銳的各種職種或特質的人，只要從掌握自己的強項出發，都有機會在資料科學領域中找到適合自己的位置。
嗨，我是維元，近期推出一個全新型態的【 Python 資料科學教學實戰營 】，結合多元教學形式及豐富課程經驗幫助你更有效地學習。新課程「資料科學與機器學習工具箱」正在早鳥募資中，歡迎你一起加入資料領域！誠摯的邀請你跟著我們一起從 Python 入門開始，走進資料科學的世界 🙌
📍 報名頁面： https://dscareer.kolable.app/
📍 報名頁面： https://dscareer.kolable.app/
📍 報名頁面： https://dscareer.kolable.app/
License
本著作由Chang Wei-Yaun (v123582)製作，
以創用CC 姓名標示-相同方式分享 3.0 Unported授權條款釋出。