上回书说到，数据科学家是具有数据相关的完整理论和知识的人，自然境界很高。做作一个普通的IT界码农，成为数据科学家需要漫长的过程。那这个……，做不到数据科学家，我们还可以做个数据极客（Data Geek）嘛，挑战数据极限，也是挑战自己的极限。
那么，成为数据极客，建立自己的数据场需要哪些技能呢？且不说那高深复杂的理论，仅从实用的角度来分析一下，建立数据场的七个方面。
二维表格数据是最常用形式了，对二维数据的处理分析也是最基本的。传统的SQL工具与大数据环境下的NoSQL工具中，以关系型的MySQL为代表，以文档型的MongoDB为代表，以大数据环境下的Hive代表。这都是数据分析的基础而强大利器，在很多场合下都能快速的解决问题。
扩展的，还会有内存型数据库Redis，图数据库Neo4j，还有全文索引的ElasticSearch和Solr，还有Hbase和Cassandra，这些根据具体的业务，选择性的掌握其中一部分。
学到什么程度并无定论，重点在具体的数据环境下，不至于永远只知道MySQL这一个工具，在不同的场景，其它的数据库能发挥出强大的优势。
总结起来说，重点不是工具，而是数据。不仅要能处理结构化数据，还要处理半结构化数据，不仅能单机处理，还要在集群环境下处理。
Shell, AWK, sed, grep等基本工具集，这是很多数据简单处理的得力助手，包含数据文件编码，数据合并，数据拆分，数据规范，格式验证等等。
Linux脚本能力，简单服务配置能力，正则表达式能力，Vim或者Emacs编辑能力，文件系统常用操作命令，远程登录ssh等等，这些都能快速的处理很多问题。任何的分析或挖掘都会依托与一个系统，而Linux是其中最常用的，尤其是在服务器环境。熟悉一个系统，能让自己的数据科学工作事半功倍。
小编推荐阅读
