在过去的二十年里，由于计算能力成本的降低，数据存储和高带宽互联网使用逐渐的普及，世界各地的企业开始认识到利用数据的优势来提高自己的竞争能力。最近随着社交网络的火爆，大规模并行处理的广泛使用，让越来越多的人明白数据正在逐渐的成为现在每个企业发展的“能源”。数据科学家逐渐成为了一个热门的职业。下面就带给大家一些关于数据科学这方面所需要的人员，工具，所需知识的分析。给大家带来一个比较直观的参考。

人类探索现实自然界，用计算机处理人类的发现、人类的社会、自然与人，在这个过程中，数据已经巨量产生，并正在经历大爆炸，人类在不知不觉中创造了一个更复杂的数据自然界。自第二次数据爆炸以来，人们生活在现实自然界和数据自然界两个世界里，人、社会和宇宙的历史将变为数据的历史。人类可以通过探索数据自然界来探索自然界，人类还需要探索数据自然界特有的现象和规律，这是赋予数据学的任务。可以期望，目前的所有的科学研究领域都可能形成相应的数据学

根据调查研究，近三分之二的受访者预计在未来五年中数据科学方面的人才会一直出现短缺。实际上，麦肯锡全球研究所的一项调查预测，在未来六年内，光美国就可能面临缺少14万至19万拥有扎实分析技能的人才这一窘势，而且缺少150万懂得使用相应工具分析大数据、作出合理决策的管理和分析人员。

一个新技术的发展是有一固定的周期循环的。刚开始的时候需要大量的基础性的技术人员，随着时间的推移，自动化的工具不断地推出，人员的需求就会减少。例如：网络管理初期我们需要很多电脑操作员盯着屏幕监视网络的工作状态，在自动监测工具推出后，我们只需要一个人就可以完成监控。不过数据科学还处于刚刚开始的发展阶段，数据爆炸式的发展需要大量的数据技术人员来解决。不过虽然数据科学带了新的机遇，但是我们却没有足够的数据科学人员。当问及如何解决这方面的人才来源时，介绍调查的观点都是一致的看好当今的大学生。

在过去的二十年中，政界和商界缺乏大量的计算机科学家、程序员、工程师，这让他们加强了在高科技技术人才发展上面的推动。但是大家却忽略了数据分析这方面人才的培养和发展。数据科学发展最大的障碍还是资源的问题。

EMC通过对数据科学家和BI从业人员的调查发现，数据科学家和BI人员在数据工具上是有一定的差异的。这种差异主要分布在如下几个方面：数据库的选择、数据库管理工具、数据分析工具和可视化的工具上。从数据库的选择来看，SQL Server的使用率要比Oracle的使用率高；在数据管理上，有一个共性，Excel的使用率都是比较高；数据分析工具中，除了常见的SAS、SPSS外，STATA分析工具也越来越受到分析者的亲睐；而在数据展现上，微软的BI工具较受欢迎。

数据科学家由于要学习的东西更加专业，例如：数据获取 、数据存储与管理 、数据安全 、数据分析、可视化等；还需要有基础理论和新技术，例如：数据存在性、数据测度、时间、数据代数、数据相似性与簇论、数据分类与数据百科全书、数据伪装与识别、数据实验、数据感知等等。一般会比BI人员拥有更高的学位

数据学的理论和方法将改进现有的科学研究方法，形成新型的科学研究方法，并且针对各个研究领域开发出专门的理论、技术和方法，从而形成专门领域的数据学，例如：行为数据学、生命数据学、脑数据学、气象数据学、金融数据学、地理数据学，等等。

2009年，谷歌首席经济学家哈尔•瓦里安预测数据人员将成为企业需求热点。最近针对数据科学家的一项调查证实了这一点。共有83%的调查对象认为，新技术会增加企业对数据科学家的需求;64%的调查对象认为，现有的人才供应量将满足不了需求。

从数据自然界中获得一个数据集；对该数据集进行勘探发现整体特性；进行数据研究分析（例如使用数据挖掘技术）或者进行数据实验；发现数据规律；将数据进行感知化等等。

这包括从市场调研，财务分析，信息技术，管理咨询，市场营销和媒体，学术界，研究社会，人口和政府研究和智能社区等不同领域的人

最后就是看看数据科学家的工作环境了。还是很不错的吧。