不管你是刚进入大学读CS，梦想着毕业后进入机器学习领域；抑或是刚踏入社会，从事着数据分析工作的小职员，你是否曾45度角仰望星空，梦想着有朝一日在数据这条路上走上人生巅峰？不管你的梦想是进入CMU或是MIT读博，还是加入Facebook或者Google做数据科学家，抑或是进入本土的BAT，从事数据挖掘，拿年薪百万，在你遥远的梦想那一端，已经有一些先行者，也就是数据界的“咖”，在远处朝你招手。
人生经历上，他们已经征服了星辰大海，已经载入历史篇章；财富上，他们早已年薪数百万。这些人，就像海上的灯塔，就像夜里的烛光，指引你的方向，在你累了困了时，一想起他们，会虎躯一振，满血复活。那么现在，就让我们来数一下数据界的“咖”。
如果你出生于伦敦，有一个在香港当医生的父亲【天赋+10】
加入Google的Xlab，合作建立全球最大的神经网络“谷歌大脑”【获得武器-屠龙刀，攻击+80，名誉+100】
加入百度，担任百度公司首席科学家【习得技能-百度全家桶、假药，攻击+1000，名誉-1000】
如果你在巴黎第六大学获得计算机博士学位【内力+30】
发明卷积神经网络算法【获得武器-倚天剑，攻击+80，名誉+80】
而后被扎克伯格邀请担任Facebook人工智能实验室负责人【攻击+100，名誉+100】
如果你在加拿大多伦多大学获得硕士学位【内力+20】
毕业后在AIG（美国国籍集团）工作一直到副总裁【攻击+80】
然后在Kaggle竞赛多次获得亚军并取得世界排名第一的座次【习得技能-降龙十八掌，攻击+80，名誉+50】
最后去DataRobot公司担任首席产品官【攻击+80】
如果你毕业于北京大学，获得天体物理学学士学位【内力+15】
在马里兰大学分别获得计算机科学硕士和博士学位【内力+30】
后在加拿大排名第三的滑铁卢大学任教6年【攻击+40】
带领团队连续获得两届ACM国际数据挖掘竞赛冠军【习得技能-左右互搏，攻击+60，名誉+20】
应邀去华为担任诺亚方舟实验室主任【攻击+80，名誉+20】
同时受聘为香港科技大学计算机与工程系教授【防御+40】
随后在德国慕尼黑大学获得计算机博士学位【内力+20】
历任西门子公司数据挖掘部门资深研究员，NEC公司美国研究院深度学习方向部门主管【攻击+70】
入选“龙星计划”，作为杰出旅美华人在清华大学和中科院计算所开设“机器学习”课程【防御+20，名誉+20】
加入百度公司，组建深度学习研究院IDL，并说服好友Andrew Ng加入【习得技能-百度全家桶、假药，攻击+1000，名誉-1000】
而后离职百度创业【习得技能-回头是岸，名誉+50】
如果你又是在南京大学读书，分别获得计算机学士、硕士和博士学位【内力+25】
留校任教数十载，并在南京大学创建机器学习与数据挖掘研究所【名誉+15】
一生得奖无数，包括中国IT十年杰出青年、微软青年教授奖、中国计算机学会会士、ACM杰出科学家等【名誉+10】
最重要的是成为数据界的“奶牛”，培养出近10名机器学习领域的博士生、20余名硕士生【习得技能-变身奶牛，名誉+20】
如果你毕业于清华大学取得物理学、生物学本科学位【内力+20】
然后远赴美国新泽西州立大学取得生物博士学位【内力+15】
接着愤而改学计算机，取得新泽西州立大学硕士学位【内力-10】
而后如鱼得水，到加州大学伯克利分校拿到计算机博士学位【内力+20】
毕业后在卡耐基梅隆大学任计算机系副教授，专研统计学习与遗传基因结合的研究【攻击+30】
在顶级期刊发表超过200篇论文，获美国国家科学基金会事业奖、美国空军青年学者奖等无数【攻击+20，名誉+10】
每天只睡4-5个小时，其他时间都用来科研【习得技能-金刚不坏之身，防御+50】
在大数据的浪潮之下，想要乘风破浪，即使不能成为武林高手，至少也在江湖上觅得一席地位，那么除了天生骨骼清奇，对数据有强大的兴趣和求知欲外，必须在以下四方面有所积累：
内力者，由内而发之力也。内力充沛，拳击能破石，脚踢能穿空。
在这里，内力指学历。跟数据最相关的专业包括：计算机、数学、统计学，次相关的如其他的理科专业或者经济学专业。知识是相通的，在一个学识领域能有所成并一直读到硕士，接触数据相关知识能够触类旁通。
当然即使专业对口，还必须对数据最相关的学科领域有所专研，数据相关学科包括
Java/C++/Python/JavaScript/R 等编程语言【内力+20】
等等，根据未来希望从事的数据相关职业会有所偏向。如从事数据架构相关工程师岗位，计算机方面学科是重点；数据挖掘的话，数学相关学科是重点；数据分析或者数据产品的话，数学和计算机知识要兼顾；数据可视化的话，除了计算机知识外，可以兼修一些艺术类学科 (≥◇≤)
习武者，莫不苦读武学典籍，少林有《易筋经》，武当有《太极拳》，若运气砸头觅得《葵花宝典》，武林大拿指日可待。
在这里，武学指数据相关的算法知识。对我自己来说，算法仍在学习中，因此慎言。但算法对于数据相关职业特别是数据挖掘来说重要性是不言而喻的，以下是我能想到的入门算法：
每一种算法都能往下深挖发现无数的变形，企业里每一种数据挖掘场景如推荐系统、用户画像、搜索等都包含不只一种算法。
算法就像武林秘籍，皆为武林高手集毕生精力所著，读之能功力大增，习之能触类旁通，甚至自创自己的武学。
威望从何处来，千军万马中得来，有威望者，号令江湖，莫敢不从。
这里威望指工作阅历。在有成熟的数据应用场景的企业工作，能更好地在实践中应用自己的理论知识，同时从具体业务需求出发，补全自己缺失的知识。
国内成熟的公司，除了众所周知的BAT，还有京东、美团、亚马逊等电商和O2O公司，这些互联网企业有庞大的用户数据，有很好的技术积累，重视工程师，并且很早就用数据监督和指导业务。当然其他行业比如银行、券商、信用卡中心等也非常成熟。能在这些企业获得实习或者工作机会，能大大地开拓眼界，并能很好地为你的职业发展铺路。
在这里，兵器指处理分析数据的工具。在金融和生物医学领域，喜欢用Oracle、SAS等；互联网领域，喜欢用Hadoop、Spark、Java、Python、Scala、MySQL；科研领域，喜欢用Matlab、R等，还有大众普适的Excel。不管是什么工具，适合自己的才是最好的。
工具对于数据分析来说必不可少，工具还必须有搭配，也就是一门数据库工具加上一门数据分析工具，如MySQL+Python、Spark+Scala等。一门用来存储数据提取数据，一门用来处理数据分析数据，两者失其一则不达。
Hadoop、Spark等大数据平台【兵器+30】
Java、Scala、Python等编程语言【兵器+30】
Excel、SPSS、Matlab等软件【兵器+20】
看官阅完一笑即可，数据江湖人才济济，小弟仅是喜欢从不一样的角度，讲述数据的美罢。
原文始发于微信公众号（PPV课数据科学社区）：【职场】“数据咖”的自我修炼
原创文章，作者：ppvke，如若转载，请注明出处：http://www.ppvke.com/archives/14079
