期末大战即将来袭，外加各种due date，说不定还有X队友花样作死，是不是很心累？

休息一下，我们先来看几个好玩的问题——

你知道漫威十年哪个戏精最多戏吗？

是前段时间大热的妇联3？

NONONO！

数据分析师 Curtis Harris

在统计了 50597 部漫威漫画之后，告诉你——

妇联只排第九......

戏精本精其实是——

点击下方空白区域查看隐藏内容
▼

（数据来源：https://public.tableau.com/zh-cn/s/gallery/marvel-comic-universe?gallery=featured）

你家豆花是咸的还是甜的？

争论不休的南北咸甜党可以歇歇了......

点击下方空白区域查看隐藏内容
▼

天猫大数据告诉你——东西才是分界线所在！

你觉得淘宝是不是就是个卖货平台？

NONONO！

马爸爸告诉你——

点击下方空白区域查看隐藏内容
▼

现在，回到现实世界——

你还在为错过互联网、

错过智能手机智能设备、

错过无人驾驶的风口捶胸顿足吗？

用马爸爸的战略眼光来看，

这些不过都是前人为了成就你而铺的路，

因为

最性感的行业风暴即将来袭——

Part

据麦肯锡研究预测，到2018年，市场将面临14万到19万数据分析人才的空缺，以及150万能够通过大数据分析做出决策和管理的人才需求。

在澳洲，薪资统计大数据告诉你，顶尖大数据人才的年薪高达130K中位数的薪资也逼近100K

(数据来源：https://www.payscale.com/research/AU/Job=Data_Scientist%2C_IT/Salary)

可是，

这么好的行业和我有什么关系？不都是那些IT程序猿的据对领地么？

NONONO！

你再次被你的刻板印象误导了......

因为需求量巨大，所以DS（data science）并没有所谓的特定专业背景要求——

Computer Science和IT的码农们完全qualified！

学Business Analytics的就是数据职业的一类！

学mathematics和statistics的逻辑感爆棚，进入DS，so easy！

学商科、工科的童鞋们，只要有一颗好奇好学的心,

有什么是咱们中国学生做不到的？！

Part

如果你还是对自己不太自信，Infinity为你请来了两位业界顶级导师坐镇，上导师简历！

资深导师：Alex Ji

Alex是澳洲电信公司Vocus Communications的Data Science Team Leader，也曾在澳洲博彩公司Sportsbet担任资深Data Scientist的职位。
他拥有澳洲国立大学（ANU）的博士学位（Information Sciences and Engineering），精通大数据分析和Machine Learning.
Alex导师曾在Monash University任教，拥有多年的教学经验。

资深导师：Kai Zhu

Kai曾担任IBM大中华区的产品工程师，在澳洲攻下博士学位后，目前在ANZ担任数据研究科员。曾获得墨尔本Datathon(数据马拉松，源自硅谷Hackathon)前5名的优异成绩。
Kai对Data Science有着极高的热情，除了本职工作，他在课余时间已经完成了数个相关课程，其中包括在Coursera上高达4.9分、来自斯坦福大学Andrew教授的Machine Learning。
Kai还参加过多个数据科研活动和Kaggle竞赛，活跃于墨尔本的数据科学/机器学习/ Python / R meetup等众多科研小组。

关于两位大牛的详细访谈录：

PhD如何撕掉学术标签成为Data Science跨界人赢？

干货帖 | ANZ数据大神亲述：8个月从小白入职大数据，秘密都在这里

有了两位学习、竞赛、实战经验都异常丰富的

导师坐镇之后，

是不是安心多了？

Part

下面有没有兴趣静下心来了解一下——

Data Science & YOU !

Data Science是一门利用数据学习知识的学科，其目标是通过从数据中提取出有价值的部分来生产数据产品。数据科学技术可以帮助我们如何正确的处理数据并协助我们在生物，社会科学，人类学等领域进行研究调研。此外，数据科学也对商业竞争有极大的帮助。

数据科学类技能大致可分为三类：

算法（Algorithms）: 数学、统计、算法、模型等理论知识是解决任何数据问题的核心。数据科学背后的算法模型以及了解如何设计数据实验是必不可少的技能。

编程（Engineering）: 数据的获取、处理和储存是必不可少的知识。同时，熟练掌握编程语言和分布式计算将帮助你处理大规模的数据。

沟通（Communication）: 数据在外行人眼中就如同一门外语，如何将数据分析结果转化为可读性极强的商业报告是必须掌握的技能。

Data Science可以从事哪些职位的工作呢？

Data Engineer：所做的一切都为了Data Management，具体内容包括数据模型、数据架构、数据标准、元数据、主数据、数据治理、数据管控等等，Data Enginner的目标是把数据整好，存储成本低，查询效率高，至于怎么使用这些数据不是他们关心的范畴。

（数据来源：https://au.indeed.com/jobs?q=data+engineer&l=）

Data Analyst：所做的一切都是为了回答问题。这些问题可能来自业务部门，也可能来自各级管理人员，有些问题就是想知道某些具体数字，也有些问题是开放式的探索问题，例如为什么这个月销量下降等等。DataAnalyst在Data Enginner提供的数据基础之上进行探索分析，如统计分析或机器学习等，目的是找到问题的正确答案。

（数据来源：https://au.indeed.com/jobs?q=data+analyst&l=）

Data Scientist：发现问题，提出问题并转化为可以被的假设，然后设计实验或者设计需要收集的数据，并且对得到的数据进行分析，做统计推断。Data scientist是核心，最好是能够做一条龙服务的人。如果不能，至少要能做到两点：一是对研究的问题的定义转化，统计建模；二是设计数据收集或者实验的方案；三是对最后结果进行统计学的分析与推断。