为了开始我们的数据科学月，本文将探讨如何从事数据科学职业，以及需要考虑的关键因素，我们都不能否认数据科学是技术中发展快的领域之一，这意味着它也是就业机会增长快的领域之一，数据科学家分析原始数据并将其合成为易于理解的结果，这是一个相对较新的职业道路，融合了编程、统计和业务逻辑，数据科学家利用他们在编程、统计和机器学习方面的技能来分析数据并使用它来形成结论，他们可能在社交媒体公司工作，并使用用户数据来了解用户习惯并推荐用户喜欢的内容。

一段时间以来，数据科学家的职位一直是技术乃至商业领域受炒作的角色之一，原因不难理解——随着组织意识到数据中看似无限的潜力，他们意识到他们需要能够提取、分析和解释大量数据的人员，需求如此之大，以至于一直在谈论数据科学家短缺，尤其是在更有经验的高级职位上。

目前，围绕 5G、边缘计算和物联网等技术的热议是无止境的，人们谈论它如何加速迈向智慧城市、改善和更加个性化的客户体验以及利用先进和人工智能的企业，这种变化在很大程度上可以归因于云计算的兴起，但业务经常忽略重要的问题之一——我如何确保数据在收集、处理、分析和存储的地方之间传输的速度和质量？任何数字化转型计划的这一方面都是成功实施的关键，可以优化您对这些新技术的投资。

认知偏见损害研究，反过来， 分析. 但是，您可能会惊讶地发现偏见是人类大脑功能的基础，关于为什么我们的大脑以这种方式工作，有几种理论，一种理论认为偏见的产生是因为人脑有两个半球，右半球的任务是收集信息，而左半球则需要处理和解释它——就像数据如何从各种来源转移到更适合数据分析的系统一样，有了这么多可供处理的信息，左半球挑选出精选的部分，并根据这些数据发展出一个理论，问题是一旦理论成立，大脑只会接受支持它的信息，而忽略其他一切。

劳动力分析正在改变我们看待人力资源战略的方式。管理层越来越关注分析，例如员工敬业度、招聘策略、学习和发展以及绩效，以便更好地了解员工——进而了解他们的业务——作为一个整体，无论贵公司处于哪个垂直行业，劳动力分析都是改进人力资源战略执行的重要工具。

金融服务机构因适应云时代步伐缓慢而饱受诟病，考虑到许多老牌零售银行在遗留 IT 系统方面存在的问题，这或许并不令人意外——但许多人开始意识到云将发挥重要作用，让他们摆脱旧技术堆栈的痛苦，并且现在的风险厌恶程度远低于以前，三四年前金融服务企业的许多 CIO 对云技术不感兴趣，无论是从本地基础设施迁移工作负载的感知复杂性，还是隐私问题——很少有人愿意以任何有意义的方式跳转到云，然而这似乎正在改变，我们近为我们的客户举办了一个论坛，有许多全球领先的金融机构参加，这一点非常明显。事实上，云技术是关键决策者的首要议程，近三分之二 (56%) 的高级决策者表示，对云技术的投资是重中之重。这是一个非常令人