１.優秀的數學家可以成為頂尖的資料科學家，但光是會在筆記本上寫公式可不行，他們還必須熟練地運用計算機來處理資料。
２.如果他們的所有經驗都來自學術機構，當他們面對現實問題時，可能會束手無策。尋找有實踐經驗的人，不要在這方面妥協。
３.對資料科學的熱情以及掌握一定的技能，這是成功的關鍵。如果你只是假裝有興趣，或者並不具備重要的技能，總有一天，你會原形畢露。
過去10年裡，資料呈現爆炸式增長。大資料撲面而來，普通人很難弄懂它的含意，更別提加以利用了。但資料科學家能從中提取出有價值的資訊。對一家公司來說，資料科學家的僱用成本很高，由於這方面的人才供不應求，他們的薪水會迅速上漲。
在當今這個時代，解僱員工同樣代價不菲，錯誤的招聘會使你的公司倒退幾個月。所以，在尋找優秀的資料科學家時，你也應該警惕蹩腳資料科學家的跡象。如果發現以下10個跡象中的任何一個，你都應該迅速遠離。
1. 糟糕的數學背景
許多計算機專家和程式設計師都會把自己說成是資料科學家，但實際上，真正出色的資料科學家通常擁有數學背景。優秀的數學家可以成為最好的資料科學家，但數學不好的程式設計師不行。蹩腳的數學家無法有效地分析資料，而這恰恰是資料科學家的首要任務。
2. 計算機知識貧乏
沒錯，優秀的數學家可以成為頂尖的資料科學家，但光是會在筆記本上寫公式可不行，他們還必須熟練地運用計算機來處理資料，要熟悉Spark和其他系統。如果你的資料科學家堅持要求配一名助手，因為他用不來電腦，那麼你應該繼續尋找，去僱用其他人。
3. 沒有全能型人才
一個人集統計學家、開發員、數學家和其他身份於一身，並不意味著他能成為一名資料科學家。幾乎可以肯定的是，他擁有跨領域知識，能夠根據不同的職位需求來推銷自己。他也許什麼都會，但可能什麼都不精。
4. 純粹的學術派
你需要有實踐經驗的人。如果他們的所有經驗都來自學術機構，當他們面對現實問題時，可能會束手無策。尋找有實踐經驗的人，不要在這方面妥協。
5. 缺乏團隊精神
資料科學家將和其他人共事，所以你不會想要一個不合群的人，即便他再怎麼聰穎過人。資料科學家應該真正地融入團隊，瞭解整體情況，做出全面改進。而如果他們不能和其他人融洽相處，就做不到這一點。
6. 缺乏商業知識
資料科學家不能只會運用理論。他們還要重視經過驗證的技巧，運用可靠的傳統方法。這些都來自於實踐經驗。
資料科學家需要參加商務會議，通過演示向高階管理層闡述分析結果。因此，在僱用一名資料科學家之前，要確保他擁有一定的商業知識，這一點非常重要。
7. 不熟悉工具
你面前的那個人擁有豐富的技術知識，但他們能否運用這些知識？如果他們沒有實際運用過SAS、R、Scala、Python或其他計算機語言，他們可能只會像一個“繡花枕頭”，中看不中用。
他們必須能夠利用工具來闡釋和轉化資訊流。
8. SAS成癮者
有些SAS開發人員會把自己包裝成資料科學家，但他們不是。資料科學家應該掌握多項技能，對於某個具體的問題，他們可以運用多種不同的系統。而蹩腳的資料科學家在遇到任何問題時，都只會採用同一種技能，他們希望用一種語言就能解決所有問題，這是不切實際的。
9. 沒有理科學位
這是個不好的跡象，因為資料科學屬於理科範疇。你也可能自學成才，但如果有人能秉持科學原則，並且掌握了分析學的一般性應用，還畢業於名牌大學，此人更有可能給企業帶來價值。最好能擁有碩士學位。如果在其他領域還擁有一技之長，此人將是一隻潛力股。
10. 不會用通俗語言來解釋
資料科學家應該能用通俗易懂的日常用語來解釋最複雜的問題，不能與現實世界脫節，這會導致你的解決方案無法被人理解，而且你需要花費一定的時間和精力來克服語言障礙。
雖然有很多重要的資料科學技能可以後天習得，但有些卻是天生的。那些妨礙你進入資料科學領域的因素常常無法改變或糾正。對資料科學的熱情以及掌握一定的技能，這是成功的關鍵。如果你只是假裝有興趣，或者並不具備重要的技能，總有一天，你會原形畢露。
原文：10 Signs of a Bad DataScientist
來源：Datanami
編譯：車品覺