Para convertirse en un Data Scientist:
Educación: el 88% tiene una maestría y el 46% tiene un doctorado Conocimiento profundo de SAS y / o R: Para Data Science, generalmente se prefiere R. Codificación de Python: Python es el lenguaje de codificación más común que se utiliza en la ciencia de datos junto con Java, Perl, C / C ++. Plataforma Hadoop: aunque no siempre es un requisito, conocer la plataforma Hadoop sigue siendo el preferido para el campo. Tener un poco de experiencia en Hive o Pig es también un gran punto de venta. Base de datos / codificación SQL: aunque NoSQL y Hadoop se han convertido en una parte importante del fondo de Data Science, todavía es preferible si puede escribir y ejecutar consultas complejas en SQL. Trabajar con datos no estructurados: es muy importante que un científico de datos pueda trabajar con datos no estructurados, ya sea en las redes sociales, videos o audio.Para convertirse en un profesional de Big Data:
Habilidades analíticas: la capacidad de poder dar sentido a las pilas de datos que obtiene. Con habilidades analíticas, podrá determinar qué datos son relevantes para su solución, más como la resolución de problemas. Creatividad: debe tener la capacidad de crear nuevos métodos para recopilar, interpretar y analizar una estrategia de datos. Esta es una habilidad extremadamente adecuada para poseer. Matemáticas y habilidades estadísticas: buenas, anticuadas, "crujido de números". Esto es extremadamente necesario, ya sea en ciencia de datos, análisis de datos o big data. Ciencias de la computación: las computadoras son la pieza clave detrás de cada estrategia de datos. Los programadores tendrán una necesidad constante de idear algoritmos para procesar datos en perspectivas. Habilidades empresariales: los profesionales de Big Data deberán comprender los objetivos comerciales establecidos, así como los procesos subyacentes que impulsan el crecimiento de la empresa y sus beneficios.Para convertirse en un Data Analyst:
Habilidades de programación: saber que los lenguajes de programación son R y Python son extremadamente importantes para cualquier analista de datos. Habilidades estadísticas y matemáticas: las estadísticas descriptivas e inferenciales y los diseños experimentales son una necesidad para los científicos de datos. Habilidades de aprendizaje automático. Habilidades de manejo de datos: la capacidad de mapear datos en bruto y convertirlos en otro formato que permita un consumo más conveniente de los datos. Habilidades de comunicación y visualización de datos. Intuición de datos: es extremadamente importante para un profesional poder pensar como un analista de datos.
Fuente: SimpliLearn