摘要：在选择职业时，人们往往会做出糟糕的选择。事实上，如今70％以上的工作者并不满意自己的工作。有很多人并不喜欢自己的职业生涯，因为我们在做出职业选择的时候还太年轻，不够了解自己和未来世界的愿景。

   在选择职业时，人们往往会做出糟糕的选择。事实上，如今70％以上的工作者并不满意自己的工作。有很多人并不喜欢自己的职业生涯，因为我们在做出职业选择的时候还太年轻，不够了解自己和未来世界的愿景。
　　
　　解决这个问题的方法之一就是在作出职业生涯决定时，制定一个连贯的概念框架。选择职业的正确方法是什么？在做这个决定时，应该考虑到什么？需要了解世界以及是如何改变的？应该对自己的未来喜好承担什么？
　　
　　这里提供框架的灵感来自于人工智能的策略，这是因为人工智能可以在计算机游戏（例如，国际象棋和围棋）以及机器人运动中很好地解决问题，具体而言，一个伟大的战略就是最大限度地选择未来。而是否适用于职业生涯的决定，我们必须把这个问题抛在脑后：不是询问“我怎么挑选职业道路”，而是我们应该问：“我如何才能做出可以最大限度地发挥我的未来的选择，我不希望只能被迫选择一条路径？“
　　
　　数据科学可以满足职业生涯选项最大化的标准。这不是唯一一好思考职业选择的方法，而数据科学不是唯一的答案。然而，这是一个开始批判性地思考什么可能是你生命中的第二个最重要的决定的伟大的方式（例如，你要和谁结婚就是一个重要的决定）。
　　
　　快速增长
　　
　　那么，数据科学如何最大化你未来的自我选择呢？作为一个在行业中获得越来越重要的领域，数据科学不会很快在任何地方广泛采用。精明的数据科学家是那些经过培训，并具有好奇心的专业人士，通过大数据的定量决策来发现，并了解情况。
　　
　　作为一个研究领域，由于结构化和非结构化数据的记录水平的提升，数据科学日益突出。这两种因素提供了一些职业生涯，包括降低成本的数据存储和增加通过云网络的可访问性。而传感器的数量不断增加（卫星、相机、手机、物联网等），计算能力越来越强。洞察提取算法（例如，机器学习技术）变得越来越复杂。所有这些力量都只有一个方向，这些数据产生洞察的技能将是未来几十年的回报。认识到这一情况，沃顿最近公布将数据科学引入MBA课程。
　　
　　新的技能
　　
　　学习数据科学迫使你学习有用的辅助技能，构建顶级的技术属性。有一些事情是能够预测的情况是独一无二的。但是，人们必须有正确的数据可视化，分析，预测建模，以及与组织高层沟通的组合。
　　
　　另一个有价值的技能就是编程（至少采用Python和R），以进一步加强你的数据科学技能。编码是有价值的，并会扩展你未来的选择机会，它也让你在逻辑和算法方面得到加强。此外，数据科学家们在学习管理不可用或不相关的数据
　　
　　你还需要学习的其他技能还有概率，统计，以及在任何情况下对语境的深刻理解，所有这一切对于不确定条件下的预测是非常有用的。
　　
　　最后，也许最重要的是，学习数据科学需要你学会如何沟通，如何在你所看到的数据的基础上讲一个引人注目的故事。
　　
　　每个行业厂商都在招聘数据科学家。在竞争激烈的工作格局中，看到了信息和通信源源不断的流动，数据科学家帮助主要决策者从专案分析转变到一个正在进行的数据对话。因此，成千上万的数据专业人士在初创公司和成熟的公司都获得了应有的位置。当他们让企业管理者发现问题，并就他们所学到的东西进行沟通，并对可能的业务方向和正在进行的组织流程提出建议。他们的出现主要是在企业环境中，这是一个事实，企业正在从各种来源的信息获得价值，这是从来没有过的。
　　
　　无论是在金融市场或生物制药行业，还是机器人或媒体行业，数据科学家几乎无处不在，甚至美国政府最近任命了一名首席数据科学家。网络连接科学家与非营利组织正在做一些有意义的工作，而初创公司对这些职位需求旺盛。你并不需要选择一个行业或领域，你同样可以运用数据科学。
　　
　　数据驱动的思考
　　
　　最后但并非最不重要的，有着数据科学的职业生涯可以让你在生活中的其他方面成为一个更好的决策者。在其核心，在数据科学的培训将你变成一个数据驱动的决策者。更重要的是，数据科学家在发现几个信息来源相互冲突时，可以做做出明智的选择。然后，他们通过数据的结构进行分析。
　　
　　说到检查信息、自动化等工艺过程，如机器学习、算法和分析系统是必备物品，会使你有效地工作。而不是依靠你的直觉或“专家”的判断，你养成了一种习惯，寻找数据来反驳或验证你的每一个假设。你可能会开始制定在一个业务背景下这些假设，而随着你的技能成熟，你会看到在你生活的每一个方面都会有假设检验，例如，“我应该与A约会，而不是与B约会；我应该住在城市A，而不是在城市B；我应该选择一个更好的工作。”而成为一个更好的决策者也许是你对你未来的最好的投资。
　　
　　编辑：Harris