在这篇文章中，作者试图说明软件开发人员和数据科学家这两种角色所需要的技能并不像人们所说的那样，它们其实并没有相差得那么远。

因为我有软件开发背景，所以当一些同事说一个人不能同时兼顾数据科学家和软件开发人员这两种角色时，我会感到很惊讶。此外，有很多人说数据科学家所需要的技能与软件开发人员所需要的技能是不一样的。虽然这些说法在某种程度上可能是对的，但在这篇文章中，我将试图说明这两种角色所需要的技能并不像人们所说的差得那么远。它们看起来并不像这样：

而是像这样：

事实上，数据科学也可以从软件开发领域获取经验。在本文中，我将提到一些可能会有用的实践。我的观点是，一名优秀的具备一定机器学习和人工智能知识的软件开发人员可以为企业带来极大的价值。

可能会有人问我为什么要写这篇文章。好吧，我感觉我们的行业里存在一些不好的风气。我从来都不喜欢那些所谓的“精英”人士，我也花了很多时间与那种“高高在上”的态度作斗争。在我的一个有关如何对抗焦虑、小我和过度热衷某些事物的演讲中，我就讲到了这个话题。当然，这只是我的个人观点，是基于我个人经验得出的，如果你有任何不同的想法，请在评论区留言。

简洁的代码

数据科学家都是聪明人，他们的数学能力和从不同角度看待数据的能力令人叹服。但是，有时候阅读和理解数据科学家的代码可能会是巨大的痛苦。在团队中，这可能会是一个大问题。优秀的软件开发人员学会了如何用简洁的代码来表达复杂的思想和概念。但在我看来，数据科学家在这方面还差得比较远。

另一种观点认为，编码只是数据科学家的一个临时工具。在未来，工具将朝着可视化的方向发展。这种说法在某种程度上也是对的。但即使是这样，编码也仍然是数据科学家工具箱中的一个宝贵的工具。软件开发工具也会朝着这个方向发展。例如，现在有各种CMS和开箱即用的解决方案可以帮我们快速创建网站。

但我们需要注意的是，这些工具究竟可以帮助我们走多远？另外，请想一想CMS开发人员与精通某种JavaScript框架的开发人员之间的薪水差异。在我看来，编码技能是必不可少的，至少在很长一段时间内是这样。在编码方面精益求精对于个人和整个团队来说都有巨大的好处。

版本管理和自动化

机器学习模型和神经网络最终会被部署到某种应用中，但有时候它们也需要进行重新训练和维护，其中一些需要额外的人工输入。软件开发人员知道在部署过程中可能会出现哪些风险，他们还知道如何通过（模型的）版本控制来降低这些风险，以及如何对部署和训练进行自动化。

数学

之前已经说过，数据科学家具有高超的数学能力，这是毫无疑问的。但软件开发人员通常也具有扎实的数学功底，特别是那些拥有计算机科学学位的人。当然，他们很可能会把线性代数和概率论忘掉，但这个问题很容易解决。

最重要的是，优秀的软件开发人员能够快速地吸收知识，并将其应用到不同的技术中。如果一个开发人员具备了数据科学知识，他可以很容易地从Python转到R语言。

数据

除了统计学家和数据科学家，还有谁会天天与数据打交道？是的，你们都知道我想要说的是谁。从职业生涯的第一天开始，开发人员就要学习各种存储、读取和显示数据的方法。SQL，一种可能会一直存在下去的语言，还可以转移到其他技术，如Pandas。

除此之外，懂得如何使用NoSQL数据库（如MongoDB）在近几年来也成了一项必备技能。开发人员也因此具备了大量非结构化数据方面的经验。另外，大多数软件开发人员都知道如何开发Web爬虫。

面向客户和演示

数据科学家需要为客户找到最佳的解决方案，并帮助他们改进业务。数据可视化和说明某些业务决策的基本原理是他们工作的组成部分。软件开发人员通常不太熟悉业务流程，但他们能够理解需求，并知道需要做些什么。技术团队负责人和软件架构师通常具备这些技能，所以在与客户的初始研讨会中，他们会显得非常有用。除此之外，如果开发人员经历过敏捷开发，他们可能会习惯于定期向利益相关者展示软件的功能特性。

结论

在这篇文章中，我试图说明为什么软件开发和数据科学所需要的技能其实并没有相差得那么远。从软件开发到数据科学，对于优秀的软件开发人员来说应该不是什么大问题。

英文原文：

[https://rubikscode.net/2019/10/07/can-you-be-data-scientist-and-software-developer-at-the-same-time/

创作场景

数据科学家与软件工程师能否一人兼顾？