学校里教的数据科学和实际工作中的数据科学的差距，往往让很多刚毕业踌躇满志的职场菜鸟陷入迷茫。
事实是，在学校里你可以把模型做得天花乱坠，但是在公司里你的老板需要用业绩担保为你的研究结果背书，这么一想就不难理解为什么在实际操作层面，公司的模型会更偏向保守，而一些套路很深的职场老鸟会意味深长地说“简单的才是可用的”。
从数据科学毕业生到业界的数据科学家的转型，需要很多经验和行业知识打基础。本文作者Rachael Tatman是Kaggle新上线的机器学习和数据分析课程的讲师之一，最神奇的是她的背景：威廉玛丽学院（美国第二古老的大学）英语本科、华盛顿大学语言学博士，现任Kaggle数据分析师。让我们看看她都给数据职场新人提了哪些建议。
数据科学与研究生学位
首先要说明一点：想成为一名数据科学家，并不意味着你必须拥有一个研究生学位。一个教你如何做研究的学位并不是必须的，除非你在做尖端的机器学习研究（老实说，包括我在内的99.9%的数据科学家并不是在做这件事！）。任何一个企图神话这份工作的人都可能只是想让你花钱读一个学位。
读研期间，我确实学到了许多有价值的技能。我学会了如何处理混乱的数据，问对的问题，在不同的场景下选择适合的数据分析工具，为分析计算及机器学习编写代码，以及清晰地交流技术概念等等。这些是每一个数据科学家必要的技能。
我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。
但数据科学家需要的技能并不仅仅是这些。我从学校到工作岗位这段时间，经历过的最有挑战的两个阶段：一是明确我缺少的技能是什么，二是明白如何快速地掌握它们。
如果你现在的境遇与我当初相似，我的经验应该会对你很有帮助。下面列出的四项是我在研究生阶段未学到的技能，以及一些如何学习它们的实用技巧。
SQL
据我了解，大多数以从事数据科学为业的研究生都熟悉R或Python（或对两者都很熟悉！）。与此同时，却只有很少一部分人熟悉SQL。那么这可能会是当你准备进入数据科学行业工作时面临的一个问题：在Python和R之后，SQL是数据科学中使用最广泛的第三种工具（而你很可能对它的掌握程度并不够）。
SQL（通常读作“sequel”）是一种与数据库交互的编程语言。SQL虽然在学术研究中用的不多，但在行业中却应用十分广泛。好在SQL的基本知识比较简单并且有很多学习资源，上手并不难。
怎么学SQL：
选一门课。
网上有很多在线学习课程，包括可汗学院（Khan Academy），DataCamp，Stanford和Udemy。面授课程可能比较难找，但是如果你在本地的大学或社区大学有注册，或报名了编程训练营，也有机会找到。