LinkedIn數據分析人才崗位的歷史增長 數據來源：LinkedIn
Patil認為，最先成功挖掘數據價值的無疑是在線零售商，亞馬遜是這個領域的帶頭羊，高人一等的商品推薦技術已經成為亞馬遜的核心競爭力。此外社交網站的成功也非常依賴數據科學家。例如Facebook通過復雜的追蹤和分析技術，能判斷出一個用戶最少需要多少個Facebook好友才有可能成為長期用戶。于是Facebook在其產品設計中，盡量讓用戶在一個可以接受的時間跨度內找到足夠多的聯系人。
在線視頻租賃公司Netflix的數據科學家們可以判斷出，當一個客戶在租看多少部電影后將有可能發(fā)展成長期客戶。Paypal和美國運通則依賴數據分析來進行欺詐檢測，減少信用欺詐。
網絡游戲公司Zynga通過分析用戶數據來識別一個游戲讓用戶沉迷的引爆點。通過分析用戶在一個新游戲中頭幾天搭建的房屋數量、殺死的怪物數量，Zynga能判斷出該用戶成為長期用戶的幾率。Zynga反過來也會調整產品設計，讓用戶更容易完成那些會導致他們欲罷不能的“戰(zhàn)績”。
企業(yè)需要什么樣的數據科學家
企業(yè)需要的數據人才大致分為幾類，主要包括產品和市場分析、安全和風險分析以及商業(yè)智能三大領域。產品分析是指通過算法來測試新產品的有效性，是一個相對較新的領域。在安全和風險分析方面，數據科學家們知道需要收集哪些數據、如何進行快速分析，并最終通過分析信息來有效遏制網絡入侵或抓住網絡罪犯。
Patil認為，一位優(yōu)秀的企業(yè)數據科學家需要具備的基本素質包括：技術經驗、好奇心、會講故事等。
但最根本的問題依然是人才短缺，一將難求：“我所工作過的每一家企業(yè)都為招聘合適的數據人才而頭疼，通常面臨兩類選擇，要么招募擁有多領域經驗和知識結構的數據分析專家，要么從大學招聘天資不錯的畢業(yè)生，讓他們在實習中成長。”Patil警告那些將數據分析團隊等閑視之的企業(yè)領導：“數據分析是一項高度創(chuàng)造性的工作，數據科學家團隊的成員之間需要溝通融洽、相互信任，讓一堆天才之間默契合作并不容易，不過這也是挑戰(zhàn)和樂趣所在。”
