在技术初创公司中，数据科学家是一个越来越普遍的术语，用于指代能够桥接传统上独立的数据智能功能区域的数据极客。 数据科学家是一个乐于执行数据智能项目的多个（如果不是全部）方面的人：
- 数据获取：这可能需要编写针对非传统数据源的特定Web服务或API的自定义解析器和Web搜寻器或脚本。
- 数据管理：ETL，操作，查询和维护数据库，键值存储或Hadoop中的数据。
- 信息可视化：通过使用静态可视化工具包和/或基于Flash，JavaScript或Processing的交互式平台来发现模式。
- 分析：在多元统计，机器学习和NLP中，其范围可以从简单到复杂。
- 洞察力：提取，总结并向主要受众展示关键发现。
有许多工具，技能和技术细节，并且您可能需要花费数年才能掌握上面列出的每个项目。 尽管数据科学家可能在任何领域都不具备真正的专家知识，但他或她很乐意来回跳动并在所有领域中执行基本任务。 结果是一个数据专家非常灵活，可以快速地调查数据项目并为管理人员提供（高级）问题的答案。 （关于“数据科学家：科技界的新摇滚明星”中的数据科学家。）
为了培养数据科学家，公司需要更加关注文化和组织结构。 许多数据工作者具有足够的技能和培训，可以迅速在多个数据智能领域中变得高效。 问题在于，大多数人都不在鼓励他们成为数据科学家的环境中工作。 它们陷入了孤岛，并仅限于一两个数据智能领域。 通常，他们被限制使用其经理“认可”的工具。
