В InformationWeek своими соображениями по данному вопросу поделилась глава одного из американских рекрутинговых агентств Линда Берч. Она напомнила слова Chief Data Scientist компании Intel Боба Роджерса о том, что data scientist должен обладать обширными знаниями и навыками в трех областях: математике и статистике, программировании на таких современных языках как Python, R и Scala и, самое главное, иметь глубокую экспертизу в какой-нибудь узкой предметной области (здравоохранение, финансы, телеком ит.д.). И если совмещение первых двух навыков в одном лице встречается довольно часто, то с третьим (в совокупности с первыми двумя) - большие проблемы.
Не хочу останавливаться на всех рекомендациях Линды Берч: многие из них довольно очевидны. Но об одной сказать необходимо. Я бы назвал это методом межвидовой гибридизации. И это не то, о чем вы сейчас подумали. Речь идет о формировании команд, в которые входят специалисты, обладающие хотя бы одним-двумя из упомянутых выше познаний и навыков. Во-первых, вы сразу же получите коллективного data scientist, а во-вторых, в процессе совместной работы и в результате обмена опытом каждый член команды имеет шанс со временем стать настоящим специалистом данной категории.
А иначе у нас получится, что мы будем обсуждать, где найти грибы, не зная - зачем они нужны.
Спрос рождает предложение. Так что главным вопросом является - есть ли спрос на DS. Будет спрос - появятся и DS.