Click here if you would prefer to read the English version.
儘管數據科學家這個職業在近年才成為風潮，但它的迴聲可追索到2010年。 數據科學湧現的機會，令其成為商業世界中最繁榮和搶手的行業之一。根據IBM的一份報告，到2020年，數據科學領域的職位將新增至110,000個，增長達15％。
毫無疑問，在全球科技的舞台上，對數據科學技能的需求甚大，其中包括了統計學、數學、Python編程、機器學習、NLP和數據可視化等等技能。 因此若然您興致勃勃想投身於數據科學領域，或者想成為數據科學專家，那就必須要先了解2020年最流行的數據科學技能。
以下的數據科學技能有助您開展您的數據科學職業：
1. 數據準備(Data Preparation)
在開始建立數據模型之前，所有數據科學家的首要工作是準備和組織可以滿足業務目標的數據集。 由於辨識數據是複雜的過程，因此這通常會消耗大量時間；近來各種新的數據清洗方法出現，辨識出正確數據所需的時間已大大減少。 繁複的數據過濾和整理包括了不同的階段：添加、轉換、估算。借助現代數據科學的框架， 您已不需要用傳統的方法編寫或重寫代碼，您只需要將數據準備過程自動化便可。
2. 數據建模(Data Modeling)
數據分析的核心是不斷的數據建模過程，當中涉及如何有效地為數據建立模型。在這個過程中，數據科學家要執行許多嚴格的任務，以創建出有利發展業務的數據模型。這些模型以數據分析或數據處理應用程式來運行，目標是嵌入高級機械學習和自然語言處理能力的自助服務平台。數據建模主要圍繞以下方面：
- 創建高效、動態的數據模型
- 測試數據模型
- 發掘出有用數據
- 機械學習能力
- 營運分析
- 數據模型啟動
相關文章：談談數據分析與數據科學
3. 人工智能(Artificial Intelligence)和機械學習(Machine Learning)
在早期這可能是一個未來主義的想法，但時至今日，人工智能(Artificial Intelligence)和機械學習(Machine Learning) 都促成了各個行業不斷向自動化操作發展。 AI和ML都是現代數碼主導的工業系統中重要的一環。因此， 數據科學專業人士需要透徹了解要如何協同AI和深度學習(Deep Learning)以執行各種任務和操作。您要習慣AI的生態、AI的功能和企業系統中由AI驅動的應用程式。
4. 先導主動的估算能力(Preemptive and Proactive Imputations)
通過將有缺失的數據連結起來，企業可以防止一些損害最終結果的問題。有能力的數據科學家可以透過估算，將丟失的數據排列進數據集之中。他們可以使用現有數據的平均值，再加上缺失的數據完成粗略的數據集。
5. 特徵工程(Feature Engineering)
工程技能對數據科學來說是非常關鍵的能力，數據專家可以找出數據中哪些因素和屬性能驅使成熟的分析模型導出預期結果。 特徵工程技能可以活用在不利活動中的欺詐檢測，將特徵工程技術結合數據科學的機械學習算法是未來主義的一大躍進，有助處理構成巨大挑戰的多維數據。
6. 預測性建模(Predictive Modeling)
要建立出以客戶為中心的自動化模型，數據專家需要具有預測能力去整合一系列動態數據模型。 這項成熟的數據科學技能可以應用於堆疊和組合多重模型和人工神經網絡層次以建立出更準確的功能性數據模型，這可以協助進行更有效的多重特徵工程。
7.無需編程的計算法(Algorithm)和詮釋能力
在眾多數據科學技能中，這算是一項入門技能，是工程師認清並加以應用其預測的算法來執行數據集的實時輸入程式。若果具備這能力，數據專家無須任何編程知識水平便能夠詮釋及評估經處理後的數據輸出。 學習的人將會獲得設計和測試數據模型的專業知識。
相關文章：數據科學難學嗎？
8. 地理位置繪製(Geographic location mapping)和空間分析(Spatial Analysis)
大數據分析有很大部分來自於位置感應服務，其中包括GIS信息和地圖系統(如 Geo fencing)。在這個過程中，數據科學愛好者將會學習一些技術和工具匯集新時代概念來建構出更準確的地理圖表。 這種數據處理能力能探索工作的實際層面，亦需要您學習使用高級的GIS主導軟件。
9. Python數據統計與編程能力
Python是數據科學領域必學的語言，這是大多數據科學愛好者會參加專業課程去提升的一項技術。專業課程將帶您理解數據科學的核心概念，包括詮釋、統計、數學、數據模型工程和Python 編程。在課程完結的時候，您將會得到數據科學中級或高級水平的知識。
10. 人工智能和神經網絡(Neural Networks)的應用
當您的學習進度達到進階，中級或高級水平的時候，您將有很大機會要學習建構AI應用程式。您將會逐漸了解創建和訓練神經網絡來辦識圖像的方法，並可以詮釋人類世界的文本數據，同時提高網絡性能。在這個過程中，您將學會灌輸NLP(Natural Language Processing)系統和訓練機器去分析及回應人類語音。您將可以全面控制文本處理、圖像辨識和神經網絡中的數據。
11. 臨床數據(Clinical Data)詮釋
這項技巧鼓勵您通過某些基本的統計和數學方法，來學習來自複雜臨床環境和各種電子健康紀錄的數據結構。臨床數據科學技能令您可以使用最易理解的方式去呈現醫學信息，亦可消除在臨床環境中實質操作的障礙。
12. 使用Python的數據主導預測性分析(Data-driven Predictive Analytics)
若您已有對Python 的基本了解，並有信心去進一步探索Python，這項技能非常適合您去學習。這項技能可以帶給您在創建數據策略、工作流程的統計模型以及精準預測各種業務活動的方面佔上風。您將可以使用各種數據源來設計出數據主導的預測模型，並利用數據科學的方法從中取得有意義的情報。學習這項技能會使您成為最搶手的人才，得到豐厚的回報，掌握著這個行業空間。
13. SAS統計
熟習SAS的數據科學軟件開發員時常要提出用於統計分析的解決方案。具有這種統計性質的軟件通常要處理數字、事實和數據，這些都能為企業帶來有意義的情報。SAS統計技能既屬於入門課程亦屬於專業級別，令到使用SAS/STAT的用家可以進行統計，例如T-test、線性和邏輯迴歸、ANOVA等等。
相關文章：10個開始數據科學職業生涯的方法
最後提要：掌握數據科學
現時數據科學越趨成為重中之重，數據科學人才卻嚴重短缺。千禧一代對於這些新興技能（例如數據工程、自動化數據模型、精工程技能等）非常感興趣。這不僅僅是風潮，更是一份有前途的工作。數據科學應用力強，使企業願意為有志者提供積極學習相關技術的機會。吸納數據科學人才的想法有助彌合未來的科技人才缺口。
Xccelerate 最新科技課程
關於Xccelerate
Xccelerate 於2017年在香港成立，旨在連接傳統教育與新時代所需科技相關技能，縮窄兩者之間的數碼能力差距，至今已培育超過3500名專業人才。
針對亞洲區對技術專才的需要，Xccelerate 提供全職及兼職課程。全日制的教學模式採用了外國流行的科技訓練營 (Coding Bootcamp)，課程包括數據科學、機器學習、軟件工程、區塊鏈、編程、用戶體驗設計(UX Design)及 Python，讓學生快速掌握最新技術。
Xccelerate 對象不僅局限於應屆畢業生，還適合希望在目前職場上突破自己，或希望在新興技術領域推動創新，展開職業生涯新一頁的在職人士。
此外，Xccelerate 亦為企業客戶提供量身定制的培訓計劃，包括人工智能、數據分析、機器學習，以至設計思維，旨在改變企業人才在數碼世界的運作方式。
