成为数据科学家需要读博士么？
我的分享对你有用吗？请我喝杯咖啡？
简单的说，答案是否定的。博士学位不是成为一个优秀数据科学家的必要条件，事实上现在很多大公司的数据科学家都没有博士（甚至硕士）学位。 下图来自Kaggle最近4年对数据科学行业的问卷调查。2020年的数据科学家中有博士学位的已经不到20%（在2015年这一比例是48%）。2020年，75%数据科学家有研究生以上学位，这一比例在2015年是92%。考虑到当前学位通胀的大背景，可以说数据科学的学位“门槛“是在降低的。背后的原因有很多，比如很多培训的兴起，模型的自动化，以及数据科学本身其实是应用的科学而非学术意义上的科学。
其实学位本身并不重要，重要的是拿到那个学历的过程，以及会选择获许这些学位的人共有的一些特质，这种性格特质是伴随一生的东西。接受高等教育（本科，研究生和博士）后应该具有的是基本的专业知识，以及更重要的——自学能力。数据科学和很多其它领域一样，需要终身学习。
在美国，一般情况下，如果你拿到数理专业的博士学位，至少说明一个问题，就是你对学习的东西有兴趣，有好奇心和热爱。如果你对研究的课题没有一点兴趣，觉得读博士可以让你在职业的道路上走的更远的话，那我真的劝你不需要读博士，耽误了青春年华。除了少数科研的岗位，大部分职位都不需要博士学位。有研究生学位后，实战经验比博士学位对职业发展而言重要的多。
抛开学位不谈，博士期间的系统理论训练对数据科学是有帮助的。很多人可能觉得模型背后的数理知识不重要，只要会用模型就可以。很多程序包使得大部分人不需要知道具体的模型原理也可以调用模型。了解模型原理是否能够帮助你更好的使用模型？当然会有帮助。但问题是这个帮助有多大？是不是值得我们花几年时间去学习？学习很多东西的好处是很难用短期去衡量的。我很喜欢一个词“匠人精神”，也很乐意将“数据科学家”称为匠人，这是一种精益求精的精神。当然这种精神和学位没有必然联系，更可能的解释是选择偏误（喜欢钻研有好奇心的人有更大的概率选择去读博士，而非读博士让人喜欢钻研）。有本科毕业对数据科学很感兴趣，自己学习也能够对这个学科有很深的理解。
最后，当然就是学习的能力。即使拿到博士学位，也不意味着学完了所有知识，而是具备进一步自学的能力，可以自己看懂数新方法的论文，也就是具备了在这个领域发展的自学能力。总的来说，这个领域的高学历现象并不能说明学历是必要条件，也不是充分条件。真正重要的是兴趣、匠人精神和终生学习的能力。
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License.