我 26 岁，拥有 MBA 学位，我是一名 ERP 系统管理员。一段时间以来，我一直对数据科学领域感兴趣。我一直喜欢统计和各种分析任务。
我真的很想尝试在这个领域工作，但感觉有点不知所措。人们提到你必须学习 Python、R、SQL、机器学习、高级代数、数据建模、大数据（hadoop 等）、预测分析、各种商业智能工具、VBA、Matlab 等。
到今天为止，我有一些 SQL 知识，对 BI、大数据、良好的 excel 技能等有一个大致的了解。我愿意学习上述一些领域，但我没有钱或时间回去再次全日制大学学习。
所以这是我的问题：市场上是否有任何公认的“轻量版”数据科学家？他们通常叫什么？他们需要掌握哪些技能？我应该学习什么才能使用大数据集和分析而不必再全日制学习 5 年？
我住在斯堪的纳维亚，所以这里的就业市场可能有所不同，但我认为听到一些答案会很有趣。
商业智能非常适合您；你已经有商业背景了。如果您想成为一名真正的数据科学家，请复习您的计算机科学、线性代数和统计学。我认为这些是最基本的。
我不了解斯堪的纳维亚半岛，但在美国，数据科学涵盖了从全职软件开发到全职数据分析的广泛任务，通常具有各种领域所需的领域专业知识，例如实验设计。你必须决定你的优势和兴趣在哪里，才能在这个范围内选择一个位置，并相应地做好准备。有用的活动包括参加 Kaggle 比赛，以及为开源数据科学库做出贡献。
数据科学的业务分析师风格非常适合您。
据我所见，业内的业务分析师和商业智能工程师，他们的大部分工作都集中在从 Excel 表格中获得洞察力和编写 SQL 查询以挖掘出适当的数据。他们确实编写脚本，但这通常仅用于可视化目的，而不是用于机器学习等更高级别的分析。
我还可以看到您在金融分析/量化领域的美好未来。这也是一个学习曲线有点陡峭但完全值得的领域。这是我在 Quora 上关于进入 quant 领域的回答。
然而，如果你想跟上数据科学的步伐，那么你必须慢慢建立强大的线性代数技能，以及在你将要使用的任何领域的非常敏锐和有价值的领域知识。后者经常被低估，但从我在行业中的（短暂但有价值的）经验来看；我保证这个事实。
奖励资源：
如果您可以从一场全面的数据科学学习马拉松开始，那么这是我推荐的路径：
以上所有课程均可在 OCW 目录中找到。如果没有，那么您也可以在其他 MOOC 聚合器中找到它们。