雷鋒網(wǎng) AI 科技評論按：「數(shù)據(jù)科學家」可謂是從「大數(shù)據(jù)」和「機器學習」雙雙開始普及之后催生的熱門職位之一了，許多接觸或者學習了機器學習的學生和程序員都期待自己能夠成為數(shù)據(jù)科學家。

不過，從「會洗數(shù)據(jù)寫代碼」到「優(yōu)秀的數(shù)據(jù)科學家」之間到底有多少距離，很多人都說不清。對于不同的企業(yè)，數(shù)據(jù)科學家的作用會有各種各樣的不同，甚至同一個企業(yè)中不同團隊的數(shù)據(jù)科學家都會有不小的區(qū)別。就算是想要為自己的數(shù)據(jù)科學家構建一個標準成長路徑的企業(yè)都會覺得非?？鄲?。

如果沒有清晰的成長路徑，這些充滿天分的計算機魔法師們就會有遇到瓶頸的風險。他們可能很擅長做出深刻的發(fā)現(xiàn)，但是他們可能永遠都無法真正地成長、永遠都無法帶來企業(yè)所期待的真正的投資回報。

帶著這個問題，the Seattle Data Guy 采訪了西雅圖周邊的許多頂級科技企業(yè)的管理人員，嘗試了解他們對企業(yè)里的高級數(shù)據(jù)科學家有哪些期待、希望數(shù)據(jù)科學家有哪些產(chǎn)出。這些他們了解到的信息相信不僅可以幫助想要成長的數(shù)據(jù)科學家，也可以幫助想要激勵數(shù)據(jù)科學家成長的企業(yè)管理者們。雷鋒網(wǎng) AI 科技評論把他們的發(fā)現(xiàn)介紹如下。

根據(jù)訪談得到的結果，the Seattle Data Guy 發(fā)現(xiàn)科學家的成長和編程、算法設計都沒什么關系（這都是初級數(shù)據(jù)科學家的基本功了）。當問及這些管理者希望從更資深的數(shù)據(jù)科學家身上看到什么時，得到的回答是「自我驅(qū)動的員工，他們能簡明地溝通、能為自己考慮、對公司業(yè)務有深入的了解，而且能管理自己的上級」。

為了讓數(shù)據(jù)科學家成長，他們迎接的挑戰(zhàn)也需要超出工作的技術部分之外。數(shù)據(jù)科學家是有機會改變公司決定的一群人，他們的肩膀上擔負著責任；這也意味著他們應當對自己的工作內(nèi)容有主人翁感。他們要能夠質(zhì)疑自己的數(shù)據(jù)來源、對信息的洞察要簡明扼要、了解公司的業(yè)務并且能夠幫助自己的上級領導。

不要僅僅質(zhì)疑自己的結論，還要質(zhì)疑自己的數(shù)據(jù)

一個資深的數(shù)據(jù)科學家不會在拿到數(shù)據(jù)后就直接信任它的。他們會反復查驗數(shù)據(jù)，尋找其中的偏移、丟失的數(shù)據(jù)、重復數(shù)據(jù)等等。

數(shù)據(jù)總會有自己的缺陷。如果你也曾在數(shù)據(jù)上花過成百上千小時，那你一定知道這是什么意思。當你在數(shù)據(jù)中瀏覽，或者把數(shù)據(jù)繪成圖表的時候，你常常會發(fā)現(xiàn)一些奇怪的模式，你會不禁停下來琢磨：「為什么 x 和 z 看起來這么像？」年輕的數(shù)據(jù)科學家往往會花太多精力在完成項目本身上，他們還沒有學會如何停下來仔細分析這些奇怪的模式。這些模式的出現(xiàn)有可能是因為系統(tǒng)的默認輸出就是 -1 或 1 這樣的特定值，也有可能是讓爬蟲收集電商網(wǎng)站上的顧客購買數(shù)據(jù)時出現(xiàn)了偏差，以及其它一千多種可能的原因讓數(shù)據(jù)產(chǎn)生了誤導性。

出現(xiàn)了這些模式不代表數(shù)據(jù)就一定是錯誤的、沒法使用的。而且即便收集到的數(shù)據(jù)準確的時候，對數(shù)據(jù)的操作也還總會帶來一些瑕疵。當設計報告、算法和量測指標時，這些因素都應當被考慮到其中。一個有經(jīng)驗的數(shù)據(jù)科學家不僅僅會嘗試尋找數(shù)據(jù)中的缺陷，他甚至會期待著這些缺陷出現(xiàn)。

「可信數(shù)據(jù)源」這個詞匯會經(jīng)常在數(shù)據(jù)團隊中出現(xiàn)。它所指的就是多個團隊都能認可正確性的原始數(shù)據(jù)源。作者自己剛開始做數(shù)據(jù)科學家的時候就非常天真，在最早的一個項目中，他了解到了他們團隊把一個數(shù)據(jù)源標識為了可信數(shù)據(jù)源。然后在接下來的幾個月里他都在為這個「可信數(shù)據(jù)源」開發(fā)分析和應用工具，以便超過 200 位管理者和總監(jiān)可以訪問這個數(shù)據(jù)源。不出意外地，沒過多久就發(fā)現(xiàn)別的一些量測指標出現(xiàn)了一致性問題。這時候作者才意識到，他所用的這個數(shù)據(jù)源其實是真正的可信數(shù)據(jù)源經(jīng)過多次 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)管理者交流過以后，作者發(fā)現(xiàn)這事其實很常見。年輕的分析師、數(shù)據(jù)科學家、經(jīng)驗不足的員工都過于信任他們的數(shù)據(jù)源。年輕的、經(jīng)驗不足的員工一般來說都急于把工作完成。這就不可避免地讓他們更少地理解數(shù)據(jù)真正的狀況。他們并不會追究「為什么」，而是花更多時間確保產(chǎn)品的「功能性」。那么他們就會忽略掉數(shù)據(jù)中的缺陷。

一個數(shù)據(jù)科學家想要，就要停止「做出一個達到要求的算法或者系統(tǒng)然后署上大名結束」的做法，他還需要負起責任，理解數(shù)據(jù)、弄清數(shù)據(jù)中的缺陷。這樣才能在和上級溝通的時候針對自己的各種假設進行完整的溝通。作為數(shù)據(jù)科學家，如果出現(xiàn)了不好的輸出的時候怪罪數(shù)據(jù)有問題，那他是沒法成長的。

能簡潔地表達自己的發(fā)現(xiàn)的價值

一個數(shù)據(jù)科學家如果想要成長，他對自己的要求就不能只是做一個合格的程序員 & 統(tǒng)計員。他必須學會如何成為一個溝通者，必須掌握簡潔地表達自己的發(fā)現(xiàn)的能力，以及能夠告訴自己的上級應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)和所有的技術信息以表明自己工作得非常努力，這聽上去還不賴。尤其是，數(shù)據(jù)科學領域內(nèi)有時候要花幾個月的時間才能在某一個問題上做出有價值的進展（背后自然是有原因的）。不過，在一切結束之后，總監(jiān)們并不需要過多的信息。

知道重點的信息，以及知道基于這些重點信息應該做什么，對于總監(jiān)們來說就足夠了。你的總監(jiān)可能還有另外 8 支團隊要管，那你跟他講很多 ROC、講很多為什么選了這個算法而沒有選另一個，就不是很有幫助。大多數(shù)的時候你都會發(fā)現(xiàn)總監(jiān)其實只需要 2 到 3 個簡單的要點匯報。有時候甚至簡單的「是」、「不是」都比「可能…… 在某些條件下…… 這個那個…… 第一種可能性下有這個危險，第二種可能性下有另一些危險」更有用。一個有經(jīng)驗的數(shù)據(jù)科學家會知道如何仔細打磨自己的洞見、如何濃縮執(zhí)行步驟，以此來給自己的上級提供真正的幫助。如果你的上級想要知道更多的信息，他會開口問的（并且一個好的數(shù)據(jù)科學家總是答得上來的）。說到底，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。

了解自己公司的業(yè)務

當數(shù)據(jù)科學家換工作的時候，沒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習。他們需要了解接下來要打交道的每天的運營數(shù)據(jù)，也需要知道公司現(xiàn)在面臨的問題。不過，一個有經(jīng)驗的數(shù)據(jù)科學家還需要能夠快速理解公司的業(yè)務。

千萬不要全神貫注磨煉自己的技術能力，然后對公司業(yè)務只是一知半解。要學習如何和別的團隊協(xié)同工作、參與到公司的項目中去、給自己一些聽取別人意見的機會。數(shù)據(jù)科學家完全有可能要連續(xù)參與各種不同類型的、面對各種不同問題的項目，他們需要能夠快速適應。

剛入行的開發(fā)者往往會關注磨練自己的技術能力多于關心自己公司的業(yè)務。和很多其它行業(yè)一樣，重復性的繁重工作都是在較低的級別上進行的（在這里就比如敲代碼、數(shù)據(jù)清洗等等），這就讓執(zhí)行這些任務的人沒有時間深入琢磨他們自己應該如何幫助改善公司的業(yè)務。然而，在數(shù)據(jù)科學家工作的頭幾年中，了解公司的業(yè)務應當是一個重要成長階段，這能確保他們建立起多種多樣的技術能力。有經(jīng)驗一些的數(shù)據(jù)科學家就需要多花點注意力考慮自己的項目的「為什么」。如果一個管理者不挑戰(zhàn)自己的有經(jīng)驗的數(shù)據(jù)科學家團隊、不讓他們成長并學習公司的業(yè)務，那么不能很好成長的責任管理者也要承擔起來。每年或者每隔幾個月，管理者們都要讓經(jīng)驗的數(shù)據(jù)科學家們面對新的挑戰(zhàn)，確保他們在成長。不然公司的業(yè)務就明顯錯過了最大的投入產(chǎn)出比。

管理自己的上級

在任何行業(yè)中管理自己的上級都不是一件容易的事情。在科技行業(yè)中，根據(jù)上級主管的技術背景不同，這件事有時候會顯得非常困難。關注業(yè)務的管理者可能沒有什么經(jīng)驗帶領技術團隊，對于有經(jīng)驗的數(shù)據(jù)科學家來說在這種時候有能力管理自己的上級就至關重要。善于管理上級的數(shù)據(jù)科學家能理解別人。管理上級需要數(shù)據(jù)科學家（或者公司中任何一個在乎這件事的人）花一些時間理解上級的需求。值得考慮的不僅僅是公司的需求。你的上司對你有什么需求、對自己又有什么需求，一旦你了解了這些，你就明白了是什么在驅(qū)動他們。這樣，在你的上司開口講他的需求之前你就知道應該期待什么。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。這個世界上不是只有你一個人需要成長，你的上級也想要成長的！作為有經(jīng)驗的（不管哪個級別的）員工，你很清楚幫助別人成長、幫助別人達成目標的時候你自己也有收獲。

總結

企業(yè)對數(shù)據(jù)科學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)驗的數(shù)據(jù)科學家的價值也不僅僅體現(xiàn)在他們的技術能力上，還體現(xiàn)在他們磨練出的軟技能上。數(shù)據(jù)科學家找到的信息和算法要幫助推動高層管理者做出決策。總監(jiān)和副總裁們可能管理著價值上千萬的團隊、資源、設備、項目以及公司里其它各種各樣的東西，而數(shù)據(jù)科學家的所有輸出都應當是他們可以理解的。這就意味著，為了讓數(shù)據(jù)科學家成長、為了給幫助公司發(fā)展業(yè)務，他們也就需要知道哪些東西是對公司業(yè)務有價值的。

via the Seattle Data Guy，雷鋒網(wǎng) AI 科技評論編譯

相關文章：

數(shù)據(jù)科學家必須知道的 10 個深度學習架構

Python趕超R語言，成為數(shù)據(jù)科學、機器學習平臺中最熱門的語言？

Kaggle16000份問卷揭示數(shù)據(jù)科學家平均畫像：30歲，碩士學位，年薪36萬

數(shù)據(jù)科學工作者(Data Scientist) 的日常工作內(nèi)容包括什么？

年薪百萬的機器學習專家，為什么不產(chǎn)生價值？

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。