在小公司如何做一名成功的數據科學家？
大數據文摘出品
來源：medium
編譯：王媛媛、劉思佳
小公司需要數據科學家么?
可能只有長期混跡數據圈的老司機才有資格回答這個問題。
本文作者Randy Au，已經在15-150人規模的公司工作了近12年，被冠于“數據分析師、工程師、偶爾還有科學家”的各種頭銜。
作者是社會科學出身，有一些自然語言處理，應用數學和工商管理經驗。總而言之，什么都會一點。
以下是他關于此問題的看法：
成為***個“數據全能選手”
小公司不需要數據科學家，但他們需要一個“數據全能選手”。他們可能稱這項工作為“數據科學家/工程師/分析師/忍者”，諸如此類。
一家20-60人規模的公司，有足夠的客戶，豐富的數據和專業化的崗位，只需要招一個能夠使用數據來提供有用的業務洞察力的人。
職位的頭銜不重要，但職位描述往往是各種各樣的混合：
- 理解我們擁有的數據
- 幫助構建我們的數據系統
- 幫助我們進行數據驅動/運行實驗
- 發展業務
- 可能與任何事物相關或不相關的教育/認證
通常情況下他們并不完全了解需要怎樣的人才。只有一種普遍意義上的“我們有數據，看起來很有用，但是缺少轉化為價值的技能。”
實際上，在這個職位上的人需要同時做兩件大事：
- 今天-幫助公司取得成功
- 明天-打造數據驅動型公司
今天-幫助公司取得成功
初創公司充滿了不確定性。他們不確定客戶是誰，生產系統可能很困難，不知道客戶對產品做了什么，不知道如何使用擁有的數據做出決策，不知道擁有的數據是否有用。
對問題的巧妙回答可以帶來更明智的決策，并希望每個人都夢想成為神話般的曲棍球棒。難題是大多數問題都不適宜用花哨的方法。有用的通常是老辦法和基于定性方法而不是定量。
在優化現有流程時，大多數DS方法都是***大的，它們可以在獲取客戶，轉化客戶，客戶粘度和客戶支出等方面實現5%，10%甚至25%的增長。A / B測試，推薦系統，ML分類器，所有這些都有助于優化。收益是真實的，可量化的，并且可能是顯著的，但早期可能會更重要的事要做。
早期***的影響往往是業務洞察。洞察力從根本上改變了公司做的事情。它們來自很常見的事情，例如研究用戶偏好/行為，為銷售人員揭示新的營銷概念，或幫助產品團隊意識到Twitter上最受憎恨的功能實際上被90%的付費客戶使用。
我對“幫助公司”角色的看法是：“數據全能選手”是一種力量倍增器 。企業內部的人有問題，工作就是幫助他們解決問題。
成為***個“數據全能選手”=成為“有數據的科學家”！
作為一名科學家對我來說意味著你遇到一個難題，一個研究型問題，你可以用任何方法來找到對這個問題的堅實答案。
作為數據科學家，我們傾向于使用定量方法和從系統收集的數據來回答問題，但這不是獲得洞察力的唯一途徑。有時你精盡全力觀察或詢問用戶(定性方法)，或者你出去收集數據(實驗和調查)，或者你盯住別人(競爭分析)。
一個好的科學家不會通過他們的方法來定義自己，***個數據全能選手(或者任何數據全能選手)也不會。
我們的目標是滿足緊迫的業務需求：“為什么沒有人使用我們的產品?”“我們的回報怎么這么高?”我們是否應該進行這種昂貴的銷售呢?““是什么導致客戶流失?”“什么是客戶的終身價值，是什么推動了這一點?”
明天-打造數據驅動型公司
我看到的一個常見的陷阱是來自數據科學計劃的人加入這些職位，期望使用像Spark這樣的性感東西并應用RNN來完成他們的工作。但很遺憾，不匹配是非常殘酷的。
花哨的“數據科學”方法依賴于大量的東西，不要指望每一層在移動到下一層之前都“完成”。把顏色想象成“ 花費的時間”。
作為***個被雇用為處理數據的人，金字塔的任何一層都不太可能是堅固的。這是一個多年，跨職能，全公司的努力才得以實現。并行培養這些技能是工作的重要部分。
請注意，在典型的業務中，無論底層的穩定性如何，你都會嘗試同時在金字塔上下執行操作。我已經為脆弱的新系統構建了大量的儀表板和分類器，你也會這樣做。
固態生產系統和工程實踐
比如在一個堅固的“工程駕駛室”，如果系統出現故障，而且無法獲得真正測量系統的行為，這時候此會希望根據需要提供幫助。
你擁有的“數據工程師”頭銜越多，在幫助構建堅固系統方面所扮演的角色就越重要。人們自然會問你關于輸入的問題，如PostgresSQL vs MySQL，AWS vs GCP，Spark vs Redshift等，幫助這些可以增加持久延續的價值。如果沒有足夠的Eng資源則必須自己來設置系統并運行它們。
可靠的儀器儀表
獲得可靠的儀器數據人員最關鍵的事情。這是一個無休止的程序，從挑選框架(多個)到收集系統和用戶數據，確保工程師學習如何實現事物而不計算錯誤，確保數據庫和日志正在做正確的事情(TM)，并確保你在計算你認為正確的東西。
同時專門添加系統用來收集和報告數據，這些將需要由某人(也許是你)組合和管理。
在文化方面，會不斷有人來詢問數據的可靠性以及如何處理這些信息，他們會要求解釋和深度剖析系統，直到他們自己非常了解。
當你制作報告時，這種文化培訓本身就是一個漫長的過程，人們發現與其他系統不一致并且得到的結果與他們對現實的看法不相符時，可能現實是錯誤的，也可能是正確的。
報告和處理數據
儀表板和報告不是一項有趣的工作，更不幸的是，它通常是整個公司人員每天觀察公司健康狀況的唯一方式，因此投資是必要的，目標是把可操作的信息交給可以采取行動的人。
一開始，大多數儀表板和報告都是手動的，需要大量的迭代才能達到需求。雖然，自動化是一個很好的選擇，但洞察力也是需要著重考慮的。
技術方面并不復雜，有許多服務平臺可用于生成報告和儀表板，同時甚至可以使用自定義代碼執行操作。
訣竅是讓所有數據系統一起玩(HaHa)，并在業務增長時最小化維護儀表板和報告的成本。
文化方面是事物有趣的地方。當你正在訓練在這里的人們變得更加數據化，這也需要多年的工作和實踐。
這里涉及大量的教育。你將教人們如何閱讀A / B測試的結果，重要的差異意味著什么，解釋信心或預測間隔是什么，解釋為什么該圖表“只是一個估計。你會提出有關樣本量的問題，并且經常需要教會處理問題的方法。
如果人們關注儀表板上的數字，人們應該怎么做?就個人而言，我告訴他們來跟我討論。他們的擔憂可能是一個研究問題(或一個錯誤)，而這就是研究“黃金”。這些人是這部分業務的領域專家，而我只是一個用SQL的書***。
自動化與實驗
隨著時間的推移，你將設置新功能何時消失的指標和儀表板。人們不可避免地會對功能的表現感到失望。
一旦人們習慣了獲取信息并且可能會運行一些A / B測試用來使結果令人失望，那么當測試數據與人們的假設相反時，就會花費大量時間來驗證數字是否正確。
有用的儀表板應該高度自動化，人們習慣使用數據來做出決策。
另一件有趣的事情我注意到，不管結果如何，在這個階段，公司可以順利地運行實驗。他們學會設計他們知道自己會成功的測試(低風險)，或者他們會“測試”他們100%知道他們將會發布的事情。
現在，作為科學家你可以通過這種行為呼喚人們。無論測試結果如何，它們都可以完全啟動。雖然激進的變化往往測試不佳，但應該明確說明意圖。
***，數據科學
在經過漫長的旅程之后公司本身已經轉變為數據驅動。他們有假設能夠可靠地收集數據，并根據結果做出深思熟慮的決策。他們也更自給自足，可以閱讀(并且可能創建)帶有一些指導的儀表板，并且學會了何時擔心以及如何提出問題。
在金字塔下面總會有更多事情需要做，但至少現在事情并沒有隨時發生。
現在你可以考慮打破花哨的算法......
或者也許有一個需要構建的數據倉庫，因為你現在有太多系統導致分析查詢無法進一步加速。
相關報道：
https://towardsdatascience.com/succeeding-as-a-data-scientist-in-small-companies-startups-92f59e22bd8c
【本文是51CTO專欄機構大數據文摘的原創譯文，微信公眾號“大數據文摘（ id: BigDataDigest）”】
