1再打开ppt，确立空白位置演示文稿2直接插入文本框，然后输入标题文字。
3把文字填充色设置为无，把文字轮廓设置为有所不同的主题色4全选文本框，再点islide菜单下的矩阵布局5在系统设置窗口中，可以设置数量和间距6则文字就变成了多个细线文字7是为突出主题色效果，把页面设置为淡色8最后，先添加文本框，然后输入公司名、作者名等信息，就得到了最终的封面效果。
也差不多是能自己制作出属于什么自己的数据地图吧。
这是我自己做成什么的，整数集了近10年来的数据分析职业经验，可以参考了数十份行业内的够权威著作、等，结合数十万字的庞然学习资料，才有了这个。
指导别人前，自己也得有拿的出手的干货吧，不然怎么叹服？
先说一个，如果不是题主仅仅就是为了高大上的title来的，那我劝你趁早结束决定放弃幻想中，现实中数据科学家只不过直呼其名而己，都没什么用，就算别人扭头就认为你是为他们服务吧的呢？
那这个概念是怎末来的？
程序员感觉自己不更适合编程，产品经理觉得自己不比较适合做产品，统计会计觉着自己天花板又低，咦，这个数据科学家的岗位很顺耳蛮不高端的，能做的事情和我也其实没什么差距，我去试下？
嗯，大部分都是这样的话。
你们以为是的：
这种人存不未知？存在，但醒一醒，数量很少，而且需要十年的历练。
据我清楚，多个互联网大公司的数据leader，他们就是导导表，跑下数据，后再按业务需求把数据给别人，时不时还帮其它部门做一些正式的需求，挖掘点用户数据可能会更大一点。
离数据科学家还远着，这那是现实。
但并也不是没有办法，下一界数据科学家，应该大路可循。
1、数据科学家怎莫来的？
先有datascience，再有做此行当的人datascientists。
science大都能做实验的，实验的对象是数据，方法是dm，ml，dl等，仪器是各形存储硬件，全面处理软件。缥缈的是研究对象是不同领域，所以一个datascience过程，产出物可能会并不一些查看知识，提示和决策，哪怕是可以拓展资源对某个领域认知。
2、数据科学家的类型
第一种，偏总结。
也算，类似于商业分析这种，是需要你懂行业，懂市场，懂公司运作资金，后再再去能够解决问题。
主要注意工作，基本都是清清数据，做做分析什么，帮小弟报告，搞点洞察到，但随着大数据的到来，对模型成立能力、工具使用能力、数据处理能力并且了。
tableau、python、finebi、r、pandas、matlab都得会。
还得懂市场、经济、统计的知识。
第二种，偏算法。
研究类的升华，例如阿里达摩院，也算一个成本部门，是部门就得有产出，是去研究就得有成果，就得能落地之前（这句话不是我说的，是马老师）。
那这种就很不错解释了，把算法从research能够做到product。
具体的要求会更高，nlp，数据挖掘，推荐算法，cv，业务逻辑，需求管理，编程能力还真如果你是的。
3、数据科学家的核心技能
之外数据分析，有什么？
其实数据科学在公司里的应用肯定基础层次，老板招实习生可能仅仅想让公司赶不上ai的末班车，但不太懂如何能让数据拥有生产力，噱头是主要注意的。公司越大，职位边界会越影像。
因此，数据科学家应该是拥有产品经理一样的嗅觉能力，的或并不容小觑程序员的代码能力。
要不你变会很很茫然，自己在产品和变更土地性质都没有话语权，逐渐变得了支持部门。
因为要在大方向上，更加积极主动一点，从insight到product，要全程参与，确实很培养训练能力，后再才能有数据话语权，这可又不是写个python、sql或则etl就能基于的。
