0
| 本文作者： 楊曉凡 | 2018-01-13 10:28 |
雷鋒網(wǎng) AI 科技評(píng)論按：「數(shù)據(jù)科學(xué)家」可謂是從「大數(shù)據(jù)」和「機(jī)器學(xué)習(xí)」雙雙開(kāi)始普及之后催生的熱門(mén)職位之一了，許多接觸或者學(xué)習(xí)了機(jī)器學(xué)習(xí)的學(xué)生和程序員都期待自己能夠成為數(shù)據(jù)科學(xué)家。
不過(guò)，從「會(huì)洗數(shù)據(jù)寫(xiě)代碼」到「優(yōu)秀的數(shù)據(jù)科學(xué)家」之間到底有多少距離，很多人都說(shuō)不清。對(duì)于不同的企業(yè)，數(shù)據(jù)科學(xué)家的作用會(huì)有各種各樣的不同，甚至同一個(gè)企業(yè)中不同團(tuán)隊(duì)的數(shù)據(jù)科學(xué)家都會(huì)有不小的區(qū)別。就算是想要為自己的數(shù)據(jù)科學(xué)家構(gòu)建一個(gè)標(biāo)準(zhǔn)成長(zhǎng)路徑的企業(yè)都會(huì)覺(jué)得非?？鄲?。
如果沒(méi)有清晰的成長(zhǎng)路徑，這些充滿(mǎn)天分的計(jì)算機(jī)魔法師們就會(huì)有遇到瓶頸的風(fēng)險(xiǎn)。他們可能很擅長(zhǎng)做出深刻的發(fā)現(xiàn)，但是他們可能永遠(yuǎn)都無(wú)法真正地成長(zhǎng)、永遠(yuǎn)都無(wú)法帶來(lái)企業(yè)所期待的真正的投資回報(bào)。
帶著這個(gè)問(wèn)題，the Seattle Data Guy 采訪了西雅圖周邊的許多頂級(jí)科技企業(yè)的管理人員，嘗試了解他們對(duì)企業(yè)里的高級(jí)數(shù)據(jù)科學(xué)家有哪些期待、希望數(shù)據(jù)科學(xué)家有哪些產(chǎn)出。這些他們了解到的信息相信不僅可以幫助想要成長(zhǎng)的數(shù)據(jù)科學(xué)家，也可以幫助想要激勵(lì)數(shù)據(jù)科學(xué)家成長(zhǎng)的企業(yè)管理者們。雷鋒網(wǎng) AI 科技評(píng)論把他們的發(fā)現(xiàn)介紹如下。
根據(jù)訪談得到的結(jié)果，the Seattle Data Guy 發(fā)現(xiàn)科學(xué)家的成長(zhǎng)和編程、算法設(shè)計(jì)都沒(méi)什么關(guān)系（這都是初級(jí)數(shù)據(jù)科學(xué)家的基本功了）。當(dāng)問(wèn)及這些管理者希望從更資深的數(shù)據(jù)科學(xué)家身上看到什么時(shí)，得到的回答是「自我驅(qū)動(dòng)的員工，他們能簡(jiǎn)明地溝通、能為自己考慮、對(duì)公司業(yè)務(wù)有深入的了解，而且能管理自己的上級(jí)」。
為了讓數(shù)據(jù)科學(xué)家成長(zhǎng)，他們迎接的挑戰(zhàn)也需要超出工作的技術(shù)部分之外。數(shù)據(jù)科學(xué)家是有機(jī)會(huì)改變公司決定的一群人，他們的肩膀上擔(dān)負(fù)著責(zé)任；這也意味著他們應(yīng)當(dāng)對(duì)自己的工作內(nèi)容有主人翁感。他們要能夠質(zhì)疑自己的數(shù)據(jù)來(lái)源、對(duì)信息的洞察要簡(jiǎn)明扼要、了解公司的業(yè)務(wù)并且能夠幫助自己的上級(jí)領(lǐng)導(dǎo)。
一個(gè)資深的數(shù)據(jù)科學(xué)家不會(huì)在拿到數(shù)據(jù)后就直接信任它的。他們會(huì)反復(fù)查驗(yàn)數(shù)據(jù)，尋找其中的偏移、丟失的數(shù)據(jù)、重復(fù)數(shù)據(jù)等等。
數(shù)據(jù)總會(huì)有自己的缺陷。如果你也曾在數(shù)據(jù)上花過(guò)成百上千小時(shí)，那你一定知道這是什么意思。當(dāng)你在數(shù)據(jù)中瀏覽，或者把數(shù)據(jù)繪成圖表的時(shí)候，你常常會(huì)發(fā)現(xiàn)一些奇怪的模式，你會(huì)不禁停下來(lái)琢磨：「為什么 x 和 z 看起來(lái)這么像？」年輕的數(shù)據(jù)科學(xué)家往往會(huì)花太多精力在完成項(xiàng)目本身上，他們還沒(méi)有學(xué)會(huì)如何停下來(lái)仔細(xì)分析這些奇怪的模式。這些模式的出現(xiàn)有可能是因?yàn)橄到y(tǒng)的默認(rèn)輸出就是 -1 或 1 這樣的特定值，也有可能是讓爬蟲(chóng)收集電商網(wǎng)站上的顧客購(gòu)買(mǎi)數(shù)據(jù)時(shí)出現(xiàn)了偏差，以及其它一千多種可能的原因讓數(shù)據(jù)產(chǎn)生了誤導(dǎo)性。
出現(xiàn)了這些模式不代表數(shù)據(jù)就一定是錯(cuò)誤的、沒(méi)法使用的。而且即便收集到的數(shù)據(jù)準(zhǔn)確的時(shí)候，對(duì)數(shù)據(jù)的操作也還總會(huì)帶來(lái)一些瑕疵。當(dāng)設(shè)計(jì)報(bào)告、算法和量測(cè)指標(biāo)時(shí)，這些因素都應(yīng)當(dāng)被考慮到其中。一個(gè)有經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家不僅僅會(huì)嘗試尋找數(shù)據(jù)中的缺陷，他甚至?xí)诖@些缺陷出現(xiàn)。
「可信數(shù)據(jù)源」這個(gè)詞匯會(huì)經(jīng)常在數(shù)據(jù)團(tuán)隊(duì)中出現(xiàn)。它所指的就是多個(gè)團(tuán)隊(duì)都能認(rèn)可正確性的原始數(shù)據(jù)源。作者自己剛開(kāi)始做數(shù)據(jù)科學(xué)家的時(shí)候就非常天真，在最早的一個(gè)項(xiàng)目中，他了解到了他們團(tuán)隊(duì)把一個(gè)數(shù)據(jù)源標(biāo)識(shí)為了可信數(shù)據(jù)源。然后在接下來(lái)的幾個(gè)月里他都在為這個(gè)「可信數(shù)據(jù)源」開(kāi)發(fā)分析和應(yīng)用工具，以便超過(guò) 200 位管理者和總監(jiān)可以訪問(wèn)這個(gè)數(shù)據(jù)源。不出意外地，沒(méi)過(guò)多久就發(fā)現(xiàn)別的一些量測(cè)指標(biāo)出現(xiàn)了一致性問(wèn)題。這時(shí)候作者才意識(shí)到，他所用的這個(gè)數(shù)據(jù)源其實(shí)是真正的可信數(shù)據(jù)源經(jīng)過(guò)多次 ETL（提取、轉(zhuǎn)換、加載）之后的數(shù)據(jù)源。
在和西雅圖的多位科技企業(yè)管理者交流過(guò)以后，作者發(fā)現(xiàn)這事其實(shí)很常見(jiàn)。年輕的分析師、數(shù)據(jù)科學(xué)家、經(jīng)驗(yàn)不足的員工都過(guò)于信任他們的數(shù)據(jù)源。年輕的、經(jīng)驗(yàn)不足的員工一般來(lái)說(shuō)都急于把工作完成。這就不可避免地讓他們更少地理解數(shù)據(jù)真正的狀況。他們并不會(huì)追究「為什么」，而是花更多時(shí)間確保產(chǎn)品的「功能性」。那么他們就會(huì)忽略掉數(shù)據(jù)中的缺陷。
一個(gè)數(shù)據(jù)科學(xué)家想要，就要停止「做出一個(gè)達(dá)到要求的算法或者系統(tǒng)然后署上大名結(jié)束」的做法，他還需要負(fù)起責(zé)任，理解數(shù)據(jù)、弄清數(shù)據(jù)中的缺陷。這樣才能在和上級(jí)溝通的時(shí)候針對(duì)自己的各種假設(shè)進(jìn)行完整的溝通。作為數(shù)據(jù)科學(xué)家，如果出現(xiàn)了不好的輸出的時(shí)候怪罪數(shù)據(jù)有問(wèn)題，那他是沒(méi)法成長(zhǎng)的。
一個(gè)數(shù)據(jù)科學(xué)家如果想要成長(zhǎng)，他對(duì)自己的要求就不能只是做一個(gè)合格的程序員 & 統(tǒng)計(jì)員。他必須學(xué)會(huì)如何成為一個(gè)溝通者，必須掌握簡(jiǎn)潔地表達(dá)自己的發(fā)現(xiàn)的能力，以及能夠告訴自己的上級(jí)應(yīng)該如何處理這些信息。
給自己的總監(jiān)以及其它管理層成員展示研究過(guò)程中收集到的所有的的圖表、所有的數(shù)據(jù)和所有的技術(shù)信息以表明自己工作得非常努力，這聽(tīng)上去還不賴(lài)。尤其是，數(shù)據(jù)科學(xué)領(lǐng)域內(nèi)有時(shí)候要花幾個(gè)月的時(shí)間才能在某一個(gè)問(wèn)題上做出有價(jià)值的進(jìn)展（背后自然是有原因的）。不過(guò)，在一切結(jié)束之后，總監(jiān)們并不需要過(guò)多的信息。
知道重點(diǎn)的信息，以及知道基于這些重點(diǎn)信息應(yīng)該做什么，對(duì)于總監(jiān)們來(lái)說(shuō)就足夠了。你的總監(jiān)可能還有另外 8 支團(tuán)隊(duì)要管，那你跟他講很多 ROC、講很多為什么選了這個(gè)算法而沒(méi)有選另一個(gè)，就不是很有幫助。大多數(shù)的時(shí)候你都會(huì)發(fā)現(xiàn)總監(jiān)其實(shí)只需要 2 到 3 個(gè)簡(jiǎn)單的要點(diǎn)匯報(bào)。有時(shí)候甚至簡(jiǎn)單的「是」、「不是」都比「可能…… 在某些條件下…… 這個(gè)那個(gè)…… 第一種可能性下有這個(gè)危險(xiǎn)，第二種可能性下有另一些危險(xiǎn)」更有用。一個(gè)有經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家會(huì)知道如何仔細(xì)打磨自己的洞見(jiàn)、如何濃縮執(zhí)行步驟，以此來(lái)給自己的上級(jí)提供真正的幫助。如果你的上級(jí)想要知道更多的信息，他會(huì)開(kāi)口問(wèn)的（并且一個(gè)好的數(shù)據(jù)科學(xué)家總是答得上來(lái)的）。說(shuō)到底，管理層們不喜歡陷在一堆不能幫助他們做出更好的決定的多余信息里面。
當(dāng)數(shù)據(jù)科學(xué)家換工作的時(shí)候，沒(méi)能在上班第一天就完全了解新公司的所有情況是完全正常的。除了數(shù)據(jù)源、代碼庫(kù)以及其它一些公司特有的系統(tǒng)之外，還有很多別的東西需要學(xué)習(xí)。他們需要了解接下來(lái)要打交道的每天的運(yùn)營(yíng)數(shù)據(jù)，也需要知道公司現(xiàn)在面臨的問(wèn)題。不過(guò)，一個(gè)有經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家還需要能夠快速理解公司的業(yè)務(wù)。
千萬(wàn)不要全神貫注磨煉自己的技術(shù)能力，然后對(duì)公司業(yè)務(wù)只是一知半解。要學(xué)習(xí)如何和別的團(tuán)隊(duì)協(xié)同工作、參與到公司的項(xiàng)目中去、給自己一些聽(tīng)取別人意見(jiàn)的機(jī)會(huì)。數(shù)據(jù)科學(xué)家完全有可能要連續(xù)參與各種不同類(lèi)型的、面對(duì)各種不同問(wèn)題的項(xiàng)目，他們需要能夠快速適應(yīng)。
剛?cè)胄械拈_(kāi)發(fā)者往往會(huì)關(guān)注磨練自己的技術(shù)能力多于關(guān)心自己公司的業(yè)務(wù)。和很多其它行業(yè)一樣，重復(fù)性的繁重工作都是在較低的級(jí)別上進(jìn)行的（在這里就比如敲代碼、數(shù)據(jù)清洗等等），這就讓執(zhí)行這些任務(wù)的人沒(méi)有時(shí)間深入琢磨他們自己應(yīng)該如何幫助改善公司的業(yè)務(wù)。然而，在數(shù)據(jù)科學(xué)家工作的頭幾年中，了解公司的業(yè)務(wù)應(yīng)當(dāng)是一個(gè)重要成長(zhǎng)階段，這能確保他們建立起多種多樣的技術(shù)能力。有經(jīng)驗(yàn)一些的數(shù)據(jù)科學(xué)家就需要多花點(diǎn)注意力考慮自己的項(xiàng)目的「為什么」。如果一個(gè)管理者不挑戰(zhàn)自己的有經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家團(tuán)隊(duì)、不讓他們成長(zhǎng)并學(xué)習(xí)公司的業(yè)務(wù)，那么不能很好成長(zhǎng)的責(zé)任管理者也要承擔(dān)起來(lái)。每年或者每隔幾個(gè)月，管理者們都要讓經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家們面對(duì)新的挑戰(zhàn)，確保他們?cè)诔砷L(zhǎng)。不然公司的業(yè)務(wù)就明顯錯(cuò)過(guò)了最大的投入產(chǎn)出比。
在任何行業(yè)中管理自己的上級(jí)都不是一件容易的事情。在科技行業(yè)中，根據(jù)上級(jí)主管的技術(shù)背景不同，這件事有時(shí)候會(huì)顯得非常困難。關(guān)注業(yè)務(wù)的管理者可能沒(méi)有什么經(jīng)驗(yàn)帶領(lǐng)技術(shù)團(tuán)隊(duì)，對(duì)于有經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家來(lái)說(shuō)在這種時(shí)候有能力管理自己的上級(jí)就至關(guān)重要。善于管理上級(jí)的數(shù)據(jù)科學(xué)家能理解別人。管理上級(jí)需要數(shù)據(jù)科學(xué)家（或者公司中任何一個(gè)在乎這件事的人）花一些時(shí)間理解上級(jí)的需求。值得考慮的不僅僅是公司的需求。你的上司對(duì)你有什么需求、對(duì)自己又有什么需求，一旦你了解了這些，你就明白了是什么在驅(qū)動(dòng)他們。這樣，在你的上司開(kāi)口講他的需求之前你就知道應(yīng)該期待什么。這能幫助你們建立信任，也能讓你的管理者和總監(jiān)們給你分配更多的資源和注意力。這個(gè)世界上不是只有你一個(gè)人需要成長(zhǎng)，你的上級(jí)也想要成長(zhǎng)的！作為有經(jīng)驗(yàn)的（不管哪個(gè)級(jí)別的）員工，你很清楚幫助別人成長(zhǎng)、幫助別人達(dá)成目標(biāo)的時(shí)候你自己也有收獲。
企業(yè)對(duì)數(shù)據(jù)科學(xué)家的期待不僅僅是創(chuàng)造算法以及管理大量的數(shù)據(jù)而已。有經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家的價(jià)值也不僅僅體現(xiàn)在他們的技術(shù)能力上，還體現(xiàn)在他們磨練出的軟技能上。數(shù)據(jù)科學(xué)家找到的信息和算法要幫助推動(dòng)高層管理者做出決策?？偙O(jiān)和副總裁們可能管理著價(jià)值上千萬(wàn)的團(tuán)隊(duì)、資源、設(shè)備、項(xiàng)目以及公司里其它各種各樣的東西，而數(shù)據(jù)科學(xué)家的所有輸出都應(yīng)當(dāng)是他們可以理解的。這就意味著，為了讓數(shù)據(jù)科學(xué)家成長(zhǎng)、為了給幫助公司發(fā)展業(yè)務(wù)，他們也就需要知道哪些東西是對(duì)公司業(yè)務(wù)有價(jià)值的。
via the Seattle Data Guy，雷鋒網(wǎng) AI 科技評(píng)論編譯
相關(guān)文章：
數(shù)據(jù)科學(xué)家必須知道的 10 個(gè)深度學(xué)習(xí)架構(gòu)
Python趕超R語(yǔ)言，成為數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)平臺(tái)中最熱門(mén)的語(yǔ)言？
Kaggle16000份問(wèn)卷揭示數(shù)據(jù)科學(xué)家平均畫(huà)像：30歲，碩士學(xué)位，年薪36萬(wàn)
數(shù)據(jù)科學(xué)工作者(Data Scientist) 的日常工作內(nèi)容包括什么？
年薪百萬(wàn)的機(jī)器學(xué)習(xí)專(zhuān)家，為什么不產(chǎn)生價(jià)值？
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
