数据科学家可以成为首席执行官吗?

<h1>企业家应该有数据科学背景</h1>
<blockquote>很容易看出CDO角色将如何在大数据占据每个企业思想的时代为组织和企业带来巨大的价值. 但是，所有数据并不是CDO的唯一问题.</blockquote>
<h2> 数据科学家可以成为首席执行官吗? </h2>
<h2>请登录或注册以添加评论.</h2>
<h2>请登录或注册来回答这个问题.</h2>
<h2>1个答案</h2>
<h2>请登录或注册以添加评论.</h2>
<h2>相关问题</h2>
询问2021年3月24日，Ayushgupta的数据科学（1.1K点）
询问2021年1月8日在数据科学上的sudhir_1997（55.6K点）
询问2021年3月24日，Ayushgupta的数据科学（1.1K点）
询问2020年12月29日，snehagupta的数据科学（1.1K点）
DEV_SK2311的2021年7月12日，数据科学的询问（44.5K点）
欢迎来到Intellipaat社区. 让顶级开发人员回答您的技术查询!
<ul>
<li>所有类别</li>
<li>Python（3.4K）</li>
<li>Java（2.3K）</li>
<li>SQL（1.6K）</li>
<li>Linux（374）</li>
<li>大数据Hadoop＆Spark（1.2K）</li>
<li>数据科学（2.9K）</li>
<li>R编程（868）</li>
<li>C编程（34）</li>
<li>DevOps和Agile（2.9K）</li>
<li>Docker（55）</li>
<li>AI和深度学习（1.4K）</li>
<li>机器学习（1.2K）</li>
<li>AWS（2.4K）</li>
<li>Azure（1.5K）</li>
<li>GCP（217）</li>
<li>RPA（626）</li>
<li>硒（189）</li>
<li>软件测试（45）</li>
<li>区块链（421）</li>
<li>Salesforce（776）</li>
<li>其他人（237）</li>
<li>BI（1.9K）</li>
<li>物联网（24）</li>
<li>Web技术（1.5K）</li>
<li>网络安全（325）</li>
<li>数字营销（296）</li>
<li>技术趋势（96）</li>
<li>SEO（105）</li>
<li>Informatica（16）</li>
<li>UI UX（106）</li>
<li>电动汽车（11）</li>
<li>投资银行（38）</li>
<li>供应链管理（6）</li>
</ul>
<H2>流行问题</H2>
<ul>
<li>邮递员的收藏是什么? 3分钟前</li>
<li>可以免费使用邮递员吗? 3分钟前</li>
<li>使用邮递员有什么好处? 4分钟前</li>
<li>什么是邮递员? 5分钟前</li>
<li>什么是数据框，它们与Pyspark中的RDD有何不同? 1天前</li>
<li>PySpark中的RDD（弹性分布数据集）是什么? 1天前</li>
</ul>
<h2>企业家应该有数据科学背景?</h2>
<img src=”https://api.dsi.virginia.edu/sites/default/files/styles/scale_lg/public/headers/news/2021-09/uva-sds-data-science-and-entrepreneurship.jpeg” alt=”看电脑屏幕的学生” />
成为数据科学家被描述为“ 21世纪最性感的工作”. 随之而来的是，近年来，创业公司已越来越受欢迎，2018年是有史以来最大的风险投资一年. 数据科学与所有行业和业务的所有级别有关，这使数据科学的基础非常适合有兴趣创办公司的人. 对于已经有业务背景或在研究生院获得的数据科学家来说，创办公司非常可行.
此外，数据科学在所有类型的公司中都是相关的，因此，具有数据科学家背景的创始人都会有所帮助，无论他们有兴趣成立的公司. 即使对于那些不创建数据产品的公司，使用数据工具来推动营销和销售工作将有效节省公司的资金. 对于许多企业志趣相投的人来说，数据科学的基础可能会非常有帮助.
AI已成为最强大的业务工具之一，并且有69％使用AI报告的公司改善了他们的传统分析方法. 人工智能和机器学习曾经是仅在学术环境中或足以存储大量数据集的公司的工具. 在过去的几年中，使用AI和机器学习做出预测的成本大大下降. 鉴于AI和机器学习不再是学术学科，而是以业务为导向的工具来推动公司成功，因此拥有具有数据科学背景的创始人可能是非常有前途的.
为什么AI和机器学习是创始人最重要的工具
数据科学家作为创始人的前景是积极的，因为他们对AI和机器学习的了解以及数据驱动的业务发展方法. 从2016年到2017年，AI和机器学习初创公司的风险资本资金几乎翻了一番，预计这种趋势将继续. 随着存储的数据量的增长，对围绕此数据构建的公司的需求也不断增长. 成为创始人的数据科学家更有可能使用数据来确定哪些问题需要解决，而不是依靠他们的直觉. 例如，印度的数据公司正在大修医疗保健行业的诊断部分，并且具有数据科学背景的创始人更有能力在数据驱动解决方案中看到该价值. 提前了解AI和机器学习知识，使创始人能够在创建产品之前预测数据的需求.
数据企业家可以利用他们对人工智能（AI）和机器学习的了解来在许多不同的数据科学领域中产生不同的影响，包括预测分析，大数据，商业智能等. 他们更有可能在一开始就开始投资数据收集，这是初创公司使用数据的最佳时机. 当产品创建产品时考虑数据时，更有可能收集足够的数据来使用AI和机器学习工具，以优化产品的成功. 例如，如果Google已经等待开始收集数据，那么它的广告业务不太可能会如此强大. 数据驱动的产品决策成功了，因此必须在创建新公司的初始阶段使用数据.
此外，数据科学和企业家精神需要类似的前景，这是失败的机会很高，但是成功的好处超过了这一点. 的确，有85％的数据计划失败，这意味着他们不执行其初始目标，无论这些目标是根据收入，节省成本，效率提高还是更多的目标来衡量的. 短短四年后，有44％的初创企业关闭. 因此，愿意冒险并探索一项新计划，即使面对失败，也对创始人和数据科学家来说都是相关的质量. 实际上，数据科学和企业家精神本质上都是探索性的，因此无法确保项目在其承诺之前的成功. 在数据科学和企业家精神中，有一个知道风险的创始人非常重要，因此数据科学创始人是有益的.
如果企业家没有数据科学背景，该怎么办?
创立公司需要一种数据驱动的方法，但是没有数据科学背景的企业家有选择. 数据科学的基础是一项获得的技能集.
对于非技术或非数据驱动的创始人，雇用技术联合创始人可以帮助他们推销公司并雇用团队. 通常，即使在投球阶段也需要数据分析，以说服投资者，这个想法值得为资金提供资金. 继续成为首席执行官的许多数据科学家从一开始就引用了数据驱动的思维定势，这是他们创建公司最大的优势之一. 让一位创始人能够与他们的数据科学经验交谈可以帮助获得早期的资金.
数据科学创始人还可以更轻松地招募数据科学团队，因此，如果创始人没有数据科学背景，那么与一个共同创始人雇用了一个经常有帮助. 在过去的五年中，对数据科学的需求增长了100％以上，拥有数据科学背景的首席执行官或技术领导可以帮助雇用潜在的候选人. 实际上，许多公司面临着一个“第一个数据科学家”问题，在该问题中，公司意识到他们需要数据科学家，但他们不熟悉该领域的技能，因此他们无法聘请合格的候选人.
如果公司没有现有数据团队，那么公司也很常见的是软件工程师，这也不是对数据科学家技能集的最佳用途. 如果其中一个联合创始人已经是数据科学家，则可以解决此问题. 如果创始人没有数据科学的背景，他们可以找到具有这种背景来帮助他们的人，或者可以通过完成数据科学研究生计划来建立数据科学技能设置.
即使是技术联合创始人，数据科学基础的数据背景仍然是有益的. 许多由数据科学家领导的公司将数据科学烘烤为其产品的基础. 数据科学家作为首席执行官和企业家必须平衡数据的需求，并具有清晰的产品愿景. 建议在启动的第一阶段使用Google Analytics（分析）等工具，因此数据背景可以帮助您. 让第一个人从事产品的重要性可以使公司受益匪浅，因此有兴趣成为企业家的人可能会受益于发展数据科学背景. 这种背景有助于加深他们每天必须做的分析.
创始人和联合创始人的示例
有许多由技术数据科学家，非技术专业人员或两者建立的公司的例子. 要了解任何创始人背景的影响，请考虑一些案例研究.
晶格发动机的创始人Shashi Upadhyay有pH.d. 康奈尔大学的物理学，并分析了研究生的大规模数据集. 晶格引擎为大型销售团队提供大数据服务，并向销售代表提供实时数据报告，然后可以优化潜在客户生成流程. 它是作为机器学习产品建立的，因此Upadhyay对AI和机器学习的了解对于设想将是什么晶格引擎至关重要. 晶格引擎将数据烘烤到其产品的基础上，因此，公司更容易雇用数据科学家并获得他们需要的分析. 在短短六年内，该公司已成长为25个国家 /地区的65,000多名用户. 这是一个明确的例子，说明数据分析中的基础如何真正移动针头并使业务发展.
美容预约应用程序Styleseat的创始人Melody McCloskey没有技术背景. 这并没有阻止她寻求新的学习机会. 她意识到数据的重要性，并了解自己没有技能来创建数据驱动的产品，因此她寻求外部帮助的帮助，以及她将公司带入新水平所需的所有分析. 她引用了她成功成为网络的秘诀之一，并在她所了解的领域中寻找专家，包括工程和数据科学. 在短短八年的时间里，她将公司成长为16,000个城市的350,000多名美容专业人士，因为她早日寻找技术专长.
非技术创始人可以创建成功的技术初创公司，只要他们早期投资雇用技术团队或联合创始人. 例如，Airbnb的创始人Brian Chesky在创办公司之前曾担任设计师. 但是，他带来了他的前室友内森·布莱查尔西克（Nathan Blecharcyzk），最初是CTO和联合创始人，并最终推动了产品的技术愿景. Airbnb是一家非常成功的公司，并推荐用户想要的房屋是其成功的很大一部分，这已经不是什么秘密了。. 引起技术联合创始人极大地使公司受益. 他们能够以更多的数据访问来看待他们的商机不同.
为什么企业家应该投资增强其数据科学技能
最终，对于希望成立公司的企业家，数据科学研究生学位（例如UVA在线数据科学科学硕士（MSDS））是获得数据教育科学背景的理想选择. UVA的在线MSDS计划为公司已经在进行的某人提供了在线灵活性，或者目前正在其他行业工作. 对于已经成立公司并想要数据科学基金会或希望将来创办公司的人来说，这是一项值得的投资. 这是一个计划，它将为您提供比数据科学的基础更多.
该课程为未来和当前的企业家准备. UVA的在线MSDS计划提供AI和数据科学基金会的课程，以及风险分析等主题的高级课程以及尤其适用于企业家的决策科学课程. 该计划还提供了一个顶峰项目，因此潜在的企业家将能够在现有的创业公司工作，以了解创办公司需要什么. 您将以宝贵的方式运用自己学到的知识.
UVA的在线MSDS是一个非常完善的计划，在许多不同领域，在其产品中的校友和有价值的课程中. 网络对企业家至关重要，UVA为他们提供了与志趣相投的人建立业务的机会，并发现有趣的方法来解决他们在商业职业中可能面临的问题.
现在，数据比以往任何时候都更加塑造未来. 您准备好向数据科学世界贡献好奇心，想象力和能量?
<h2>数据科学家可以成为首席执行官吗?</h2>
<img src=”https://media.licdn.com/dms/image/C5112AQEeq44KJ_qeEA/article-cover_image-shrink_600_2000/0/1520132514975?e=2147483647&v=beta&t=hvm8p0-6nPzebWQmt7uIwce08SDhj7_BNGdL5wrEDxI” alt=”数据科学家可以成为首席执行官吗？” />
尽管不用担心，因为目前，其他技术职能的机会成为首席执行官也很少见.
在我看来，“数据科学家 /分析师可以成为首席执行官”不是正确的问题；我稍后再回来.
数据科学家无法成为首席执行官没有理由。有一些前数据科学家已经达到了首席执行官的立场
- Sebastian Thrun：Googlex，Udacity
- 克莱夫·亨比（Clive Humby）：caci
- 托马斯·瑟斯顿（Thomas Thurston）：成长科学
不过要记住的事情是，首席执行官办公室是一个特定的角色，需要罕见的技能 – 领导力，财务敏锐度，商业意义，战略思维，沟通等. 您出生的一些技能，但随着时间的流逝，许多技能可以发展.
值得一提. 很难命名一家曾经是数据科学家或从事数据分析的大型公司的首席执行官. （如果有人可以让我知道）
不过，更多的传统行业为数据科学家带来了很多希望. 精算师是保险的数据科学家，行业中充斥着精算师的例子. 很长一段时间以来，数据对保险业至关重要，并且随着在其他行业中变得更具战略性，我敢肯定，我们会看到更多的商业领导者来自数据背景.
一个更好的问题是，数据科学家是否有更多机会从现在开始成为首席执行官10 – 20年. 答案显然是一个“是”，因为业务越来越多地驱动数据，并且对数据的深入了解将成为首席执行官的先决条件.
但是，这是至关重要的一点，数据科学家仅仅因为他们是数据人员而成为最高工作. 这将是他们技能弥补的一个重要因素，但是他们需要所有其他成为成功首席执行官的属性：正直，诚实，驱动力，坚韧，战略愿景，团队建设，将知识马力应用于企业，出色的领导能力等.
以上大部分可以通过正确的职业轨迹来开发，因此我鼓励任何具有商业领导野心的数据科学家 /分析师，以密切研究其职业道路和轨迹，以使自己有最好的机会.
因此，要问的最相关的问题是：“数据科学家在接下来的10 – 20年中需要做什么才能为自己提供技能和经验，以成为首席执行官?透明
下次有更多…………..
<h2>数据科学家可以成为首席执行官吗?</h2>
<img src=”https://www.nextgeneration.ie/rails/active_storage/representations/eyJfcmFpbHMiOnsibWVzc2FnZSI6IkJBaHBBN0JTSEE9PSIsImV4cCI6bnVsbCwicHVyIjoiYmxvYl9pZCJ9fQ==–e9beca8d3cfea991e8c12bef90fcfbfefc4e002f/eyJfcmFpbHMiOnsibWVzc2FnZSI6IkJBaDdCam9MY21WemFYcGxTU0lOTnpVd2VEUTFNRjRHT2daRlZBPT0iLCJleHAiOm51bGwsInB1ciI6InZhcmlhdGlvbiJ9fQ==–d5b73cee8a4e3bce2868f02d543bec6fe7a2dbf5/data_scientist_to_ceo.jpg” alt=”数据科学家担任首席执行官” />
据传，数据科学家的工作是21世纪最性感的工作.
我们明白为什么.
成功的数据科学家通常是数量审核者，数据黑客，分析师，研究人员和值得信赖的专家的混合体. 很明显，这些品质如何对大型企业，中小型企业或初创公司的首席执行官有用.
由于数据几乎是任何业务的金矿，因此数据科学家肯定可能是首席执行官材料.
但是，问题不止于此.
<h2>达到C-Suite的数据科学家</h2>
首先，让我们看一下从数据科学家开始的首席执行官名单：
<ul>
<li>Sebastian Thrun：Udacity</li>
<li>托马斯·瑟斯顿（Thomas Thurston）：成长科学</li>
<li>彼得·李：Rapidminer</li>
<li>迈克尔·伯索德（Michael Berthold）：刀</li>
<li>吉姆·古德（Jim Goodnight）：SAS</li>
<li>Sri Satish Ambati：H2O.AI</li>
</ul>
现在，由六个人组成的列表几乎不是数据科学家的确切摘要，他们在经营业务方面脱颖而出，但这确实表明数据科学家正在担任首席执行官角色. （VentureBeat偶尔会介绍那些继续领导公司的数据科学家，例如此处的这篇文章.）
但是，值得注意的是，此列表中的大多数名称成为他们创立的公司的首席执行官. 汇编《财富500强公司》首席执行官的清单更难，该公司首席执行官从数据分析团队开始.
也就是说，当今世界上一些最直接识别的首席执行官是了解企业的变革性数据的变革性数据时.
亚马逊首席技术官沃纳·沃格尔斯（Werner Vogels）已记录在记录中说公司的顶级数据科学家是杰夫·贝佐斯（Jeff Bezos）.
LinkedIn首席执行官Jeff Weiner和Netflix首席执行官Reed Hastings在数据赌注中也不是Slouches.
最后，Google的联合创始人Larry Page在其历史上的两次单独的时代的首席执行官和技术庞然大物的首席执行官被认为是世界上最重要的数据科学家.
<h2>金融服务行业和数据科学</h2>
金融服务行业是一个传统行业的一个例子，数据科学家攀登了公司阶梯. 值得注意的是，在金融服务行业中，数据科学家被称为精算师，而不是数据科学家.
精算师经常继续领导公司并占据董事会级别.
尽管几乎所有行业现在都了解数据的价值，但长期以来对金融服务行业（尤其是保险公司）至关重要.
因此，随着业务成为更多数据驱动的，我们将开始看到更多商业领导角色需要经验和数据背景是一个合理的假设。.
<h2>首席执行官的基本技能</h2>
为公司设定战略愿景，并将其带入未来，是首席执行官的主要责任. 无论如何，这就是理论.
实际上，这涉及做出重大的业务决策，陈述和执行有关如何使用公司资源和运营的行政级别裁决，作为董事会的主要联系点，并成为公司的公开面孔.
这使我们回到了早期的观点，即问题不仅仅询问数据科学家是否可以成为首席执行官.
当然，答案是肯定的，但是数据科学家纯粹是因为他们是数据科学家，因此不会专门为角落办公室。.
他们的数据背景越来越多将是他们有利的重要因素，但是潜在的首席执行官将需要展示更多的技能，以确保他们影响所有需要的利益相关者.
《福布斯》最近列出了首席执行官需要发展的前五名技能才能取得成功. 它们都与有效的沟通有关.
<h2>看未来的5、10或20年</h2>
强大的人员和组织管理技能是任何董事会都将在优秀首席执行官中寻找的基本属性之一.
关注最高工作的数据科学家应该希望建立自己的职业轨迹，以包括建立这些技能的机会. 看到数据科学家现在担任首席执行官角色可能仍然是不寻常的.
但是，在非常雄心勃勃的数据科学家中还有另一个角色，具有强烈的商业野心，可能想调查.
<h2>在首席执行官面前思考CDO</h2>
C-Suite的另一个席位越来越多地影响着CEO角色. 对于具有领导愿望的数据科学家来说，这是理想的选择.
首席数据官（CDO）是该街区的新（ISH）战略角色.
新（ISH），因为世界上的第一个CDO于2002年任命.
Cathryne Clay Doss可能不是很多人认识的名字，但她是数据先驱. Capital One Financial Corporation任命Cathryne为千年之初的世界第一任首席数据官.
下一家效仿类似约会的公司是雅虎，三年后. 据加特纳（Gartner）称，到2010年，只有15家大公司拥有CDO.
从那时起，速度就在CDO安置.
虽然仍然不是主流，但2016年《财富》 1000强公司的CDO头寸增加了四倍.
CDO角色为组织增加了巨大的战略好处. 这也是公司阶梯顶部最具挑战性的角色之一.
为了陈述显而易见的企业正在使用以前从未像现在这样的数据. CDO的作用是推动启用数据驱动创新并整合各种数据源，同时提供洞察力和可行的策略，以快速且可持续的方式赢得KPIS的胜利. CDO需要快速适应周期中每项业务经验的“变化之风”，同时保持高标准的治理方式.
Gartner的研究总监兼副总裁分析师Valerie Logan说：“早期的CDO专注于数据治理，数据质量和监管潜水员，但是当今的数据和分析领导者正在成为负责数据驱动转型的影响力的变革推动者.透明
她补充说：“到2121年，CDO办公室将如何成为至关重要的职能，在75％.透明
报告迄今为止最多CDO的行业包括：
<ul>
<li>金融服务</li>
<li>媒体</li>
<li>技术</li>
<li>公共部门</li>
<li>医疗的</li>
<li>包装消费品</li>
<li>零售</li>
<li>娱乐</li>
<li>运动</li>
<li>药物</li>
<li>出版</li>
</ul>
就像首席执行官一样，CDO任职者将花费更少的时间在战术上进行数据挖掘和分析，并且有更多的时间与他们所工作的公司的整体愿景保持一致. CDO可以管理多个团队/人员：
<ul>
<li>数据架构</li>
<li>数据治理</li>
<li>数据策略</li>
<li>数据分析</li>
</ul>
<h2>CDO需要CEO技能</h2>
很容易看出CDO角色将如何在大数据占据每个企业思想的时代为组织和企业带来巨大的价值. 但是，所有数据并不是CDO的唯一问题.
回顾第一个CDO先驱Cathryne Clay Doss，值得注意的是，她的学术和专业资格以商业为基础. 在任命CDO时，她拥有詹姆斯·麦迪逊大学（James Madison University）的商业学位和弗吉尼亚大学的进一步执行培训.
尽管第一次CDO任命是在2002年完成的，但在全球金融崩溃之后的重要角色，然后在2008年衰退. CDO角色为执行套件带来了深入的技术专业知识，但始终被视为业务角色.
2016年的研究表明，68％的CDO具有商业学位，而44％的CDO专业人员持有与技术有关的学位. 随着机器学习和人工智能获得更大的重要性，这个比率正在发生变化. Hackermoon在2018年发布了一项研究，该研究强调了许多CDO在2017年雇用了技术背景的两倍.
但是没有幻想. CDO的角色与人员和组织管理一样多，与数据有关. 只是想想大多数拥有数据的大多数组织中发生的永恒战斗.
能够影响战略并赢得人们的信心是成功的CDO的关键. 这些是成功首席执行官的完全相同的要求.
想要发展到业务阶梯的最高梯队的数据科学家需要发展业务管理，AI和数据技术方面的知识和经验.
这样做，并获得CDO（或首席执行官）标题可能是可能的.