Data Scientist，數(shù)據(jù)科學家，太火了，已經(jīng)成為新一代改變世界的職業(yè)，引得每一個人都想往這個方向轉(zhuǎn)。

學 CS 的覺得做碼農(nóng)太底層，給人打工，要轉(zhuǎn)數(shù)據(jù)科學家，完美。

學統(tǒng)計的覺得這個不需要過多的 Coding，適合自己，要轉(zhuǎn)數(shù)據(jù)科學家，完美。

學商科的覺得終于自己也可以成為科學家了，要轉(zhuǎn)數(shù)據(jù)科學家，完美。

似乎每個人都覺得自己可以成為，應(yīng)該成為，也一定能夠成為一名數(shù)據(jù)科學家。

然而現(xiàn)實呢？

一片混亂。

“Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it”?—?Dan Ariely

人們的想象之中的獨角獸

幾乎所有贊美數(shù)據(jù)科學家的人，都認為數(shù)據(jù)科學家是這樣一類人：

• 精通算法。例如各種機器學習算法（聚類，分類，NLP，CV，IR, etc.），理解統(tǒng)計的原理。
  

• 全棧開發(fā)能力。能夠完成從數(shù)據(jù)清洗，到產(chǎn)品上線的全部工作，且能做各種數(shù)據(jù)可視化與報表。

• 有資深的領(lǐng)域知識。了解行業(yè)背景，企業(yè)運行規(guī)律，懂得 Business、Marketing、Finance、Operations 等等知識，能夠幫助企業(yè)做決策。

• 除了技術(shù)能力要求高，同時還要有相當?shù)能泴嵙?，比如溝通和寫作的能力，比如領(lǐng)導團隊的能力等等。

哇，真是全能的獨角獸。

可能有這樣的人嗎？當然，這個世界這么大，出幾個超牛的人并不是沒有可能。

你可以追求成為這樣一個人，但是認為所謂數(shù)據(jù)科學家就等于這一類人，并沒有什么意義。

但是，從現(xiàn)實角度來講，你并不需要成為這樣一個人才能為企業(yè)帶來價值。大量和數(shù)據(jù)相關(guān)的職責都被認為是和數(shù)據(jù)科學家相關(guān)的，因此，更重要的是，找到合適自己的位置，使用新技術(shù)解決問題，創(chuàng)造收益。

兩類數(shù)據(jù)科學家

是的，Data Scientist 并不是一個 Well Defined 的職位，在每個公司的職責都不一樣。但是，不論怎么樣，這個世界上不可能憑空出現(xiàn)一個職位：這個職位所解決的問題是以前從來沒出現(xiàn)過的，也沒人知道該怎么解決的?；蛟S我們可以慢慢逼近人們想象中的那個全能的獨角獸，但現(xiàn)在，數(shù)據(jù)科學家所擔當?shù)穆氊?，一定會跟現(xiàn)有的職位大量的重合。

現(xiàn)實中的數(shù)據(jù)科學家是怎么樣的呢？常見的數(shù)據(jù)科學家被分為兩類。引用 Quora 上 Michael Hochster 的一個回答：

Type A Data Scientist: The A is for Analysis. This type is primarily concerned with making sense of data or working with it in a fairly static way. The Type A Data Scientist is very similar to a statistician (and may be one) but knows all the practical details of working with data that aren’t taught in the statistics curriculum: data cleaning, methods for dealing with very large data sets, visualization, deep knowledge of a particular domain, writing well about data, and so on.

Type B Data Scientist: The B is for Building. Type B Data Scientists share some statistical background with Type A, but they are also very strong coders and may be trained software engineers. The Type B Data Scientist is mainly interested in using data “in production.” They build models which interact with users, often serving recommendations (products, people you may know, ads, movies, search results).

我對于這兩類的理解稍有出入，但也大體相同：

Type A 數(shù)據(jù)科學家：偏 Analysis，一切為數(shù)據(jù)驅(qū)動的決策服務(wù)。主要的工作是在清理數(shù)據(jù)，做分析，找 Insight，做 Report 等等?？梢哉f是某類升級版的 Analyst 或者 BD。

一方面這意味著對你的你要求跟做 BD 或 Analyst 的要求一樣甚至更高，對市場了解如何？對行業(yè)了解如何？對公司運作了解如何？而所謂 Machine Learning 等工具只是技術(shù)與手段，能夠幫助更好地解決問題，但是問題有哪些，才是根本的問題。

另一方面?zhèn)鹘y(tǒng) Analyst 不足的地方在于隨著數(shù)據(jù)越來越大，越來越復(fù)雜，如果要更快更準，需要使用更好的模型（機器學習等），在更原始的數(shù)據(jù)中探索與分析，不能只等待其他人把數(shù)據(jù)都處理好。因此需要更強的數(shù)據(jù)處理、分析能力和對于新模型、工具的掌握和理解。

往這個方向發(fā)展，要補齊 Marketing、Business、Finance、Operation 等知識，同時掌握各種機器學習的算法與工具。

Type B 數(shù)據(jù)科學家：偏 Research & Product，在算法即產(chǎn)品的職責下讓算法能夠與產(chǎn)緊密結(jié)合，甚至主導算法驅(qū)動的產(chǎn)品。主要的工作是把算法從 Research 做到 Product。

一方面要對各類機器學習的算法了解足夠深刻，了解各種機器學習算法的常見應(yīng)用（NLP，CV，Recommendation，IR，etc.）。同時對工程要求更高，畢竟做 Prototype 和上 Production 是完全不一樣的。

另一方面要對產(chǎn)品的需求有更深層次的理解，以及了解公司的業(yè)務(wù)邏輯，因為隨著不少算法的成熟，產(chǎn)品的需求已經(jīng)不僅僅來自于 product-market-fit，而是來自于算法本身的進步，因此能夠把成熟的算法推向產(chǎn)品是非常重要的能力。

往這個方向發(fā)展，Coding 的要求與所有通用 Software Engineering 的要求一樣，該修 CS 課可能一樣都不能少，同時要能了解公司的業(yè)務(wù)邏輯，更好地推動產(chǎn)品的上線，讓不可能變成可能。

職業(yè)生涯的起步與發(fā)展

既然典型的數(shù)據(jù)科學家是兩類，那么對照著這兩類對自己的技能樹查缺補漏就行。要么補業(yè)務(wù)知識，要么補代碼能力，要么補機器學習相關(guān)的技術(shù)與工具?？傊灰晃蹲非笏^的新算法，而沒有基礎(chǔ)的分析或者工程能力，這樣并不能解決任何問題，也不能帶來任何價值。

從一位分析師或者程序員開始職業(yè)生涯，都是很好的選擇。

然而，職業(yè)生涯的追求肯定不是一個 Title，而是某些能力，對照著理想中的獨角獸差缺補漏，確實是非常好的辦法。

雷鋒網(wǎng)按：原作者陳然，本文原載于作者的知乎專欄。

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