本文從目前數(shù)據(jù)科學(xué)行業(yè)發(fā)展角度出發(fā)，總結(jié)了頂級(jí)數(shù)據(jù)科學(xué)家必備的幾項(xiàng)技能。

[[272234]]

數(shù)據(jù)科學(xué)領(lǐng)域的勞動(dòng)力市場(chǎng)正發(fā)生著快速的變化。曾經(jīng)，能夠搭建機(jī)器學(xué)習(xí)模型被認(rèn)為是只有少數(shù)頂尖的數(shù)據(jù)科學(xué)家才能掌握的尖端技能，但如今，有一點(diǎn)基本編程經(jīng)驗(yàn)的人就能根據(jù)教程完成Scikit-learn或者keras的模型訓(xùn)練。

頂著“本世紀(jì)最性感的職位”，行業(yè)內(nèi)的招聘人員不得不面對(duì)大量的數(shù)據(jù)科學(xué)相關(guān)的求職申請(qǐng)，而這樣火熱的程度目前看不到降溫的趨勢(shì)，同時(shí)越來越多的數(shù)據(jù)科學(xué)相關(guān)的開發(fā)工具也變得更加易用。人們對(duì)數(shù)據(jù)科學(xué)家能給我們帶來什么的期望已經(jīng)改變，越來越多的公司逐漸認(rèn)識(shí)到，訓(xùn)練機(jī)器學(xué)習(xí)模型只是在數(shù)據(jù)科學(xué)領(lǐng)域取得成功所需的很小一部分工作。

這里，我們列舉了四項(xiàng)成為偉大的數(shù)據(jù)科學(xué)家最有價(jià)值的品質(zhì)：

一、重點(diǎn)關(guān)注業(yè)務(wù)影響

對(duì)于數(shù)據(jù)科學(xué)家而言，最常見的驅(qū)動(dòng)力之一源自對(duì)于發(fā)現(xiàn)數(shù)據(jù)模式的好奇心：潛心于探索數(shù)據(jù)特征的探索、利用最新技術(shù)進(jìn)行實(shí)驗(yàn)、系統(tǒng)性的測(cè)試并最終得到新的發(fā)現(xiàn)，這些工作都讓數(shù)據(jù)科學(xué)家們感到興奮。這種科學(xué)動(dòng)機(jī)是數(shù)據(jù)科學(xué)家應(yīng)該具備的。但如果它是唯一的動(dòng)力，那也成了一個(gè)問題。

如果僅停留在數(shù)據(jù)層面，思路就會(huì)變的局限，最終迷失在數(shù)據(jù)統(tǒng)計(jì)的細(xì)節(jié)之中，忽略了具體應(yīng)用場(chǎng)景和更大的公司業(yè)務(wù)背景。

頂尖的數(shù)據(jù)科學(xué)家懂得如何將他們的成果融入到公司整體的業(yè)務(wù)之中，并最終將其轉(zhuǎn)化成商業(yè)價(jià)值。如果存在簡(jiǎn)單適用的技術(shù)，他們不會(huì)花費(fèi)過多的時(shí)間去追求復(fù)雜的技術(shù)實(shí)現(xiàn)方式;在真正制定方案之前，他們會(huì)明確項(xiàng)目的意義并直擊問題所在;他們會(huì)關(guān)注行動(dòng)或者方案對(duì)整個(gè)團(tuán)隊(duì)的影響，并提前與相關(guān)人員進(jìn)行溝通;他們會(huì)對(duì)新的項(xiàng)目和計(jì)劃提供層出不窮的思路，并不介意自己在別人眼中是否過于“腦洞大開”;他們會(huì)對(duì)自己的方案幫助到更多的人感到自豪，而不是使用了更先進(jìn)的技術(shù)。

數(shù)據(jù)科學(xué)目前仍是一個(gè)不規(guī)范的行業(yè)，學(xué)術(shù)教育與產(chǎn)業(yè)需求間存在著很大的代溝。頂尖的數(shù)據(jù)科學(xué)家無(wú)懼于走出“舒適區(qū)”，去面對(duì)更棘手的問題并最大限度地發(fā)揮其作用。

二、扎實(shí)的軟件工程技能

當(dāng)設(shè)想數(shù)據(jù)科學(xué)家的理想形象時(shí)，浮現(xiàn)在人們腦海中常常是在工作在頂級(jí)大學(xué)中的著名的AI學(xué)科教授。在企業(yè)需要提升模型準(zhǔn)確率去面對(duì)更激烈的競(jìng)爭(zhēng)時(shí)，納入這樣的人才無(wú)疑是明智的。因?yàn)闉榱颂岣邆鹘y(tǒng)方法準(zhǔn)確率最后剩余的幾個(gè)百分點(diǎn)，必須去關(guān)注數(shù)學(xué)方法的細(xì)節(jié)，驗(yàn)證復(fù)雜的方案，甚至為了特定問題去定制化的研發(fā)統(tǒng)計(jì)學(xué)技術(shù)。

[[272235]]

但在實(shí)際工作中，這種場(chǎng)景太少見了。對(duì)于大部分企業(yè)而言，標(biāo)準(zhǔn)模型的準(zhǔn)確率已經(jīng)足夠，再投入大量時(shí)間和人力去把模型優(yōu)化成最好、最先進(jìn)的模型并不那么具備性價(jià)比。更重要的是盡早建立精度尚可的模型并建立模型與業(yè)務(wù)系統(tǒng)的回饋循環(huán)，可以讓你能開始迭代并快速找到模型的最佳使用場(chǎng)景。糾結(jié)于準(zhǔn)確率的細(xì)微差別通常并非一個(gè)數(shù)據(jù)科學(xué)項(xiàng)目成敗的關(guān)鍵點(diǎn)，這也是在實(shí)際業(yè)務(wù)開發(fā)中，工程技能比科學(xué)技能更重要的原因。

通常，一個(gè)數(shù)據(jù)團(tuán)隊(duì)的運(yùn)作流程是這樣的：首先數(shù)據(jù)科學(xué)家建立解決方案的原型，并提供試錯(cuò)和意面式的代碼(覆蓋功能點(diǎn)但沒有系統(tǒng)化的代碼);如果結(jié)果看起來還不錯(cuò)，代碼就會(huì)交付給軟件工程師，由軟件工程師將這些草稿改寫成可擴(kuò)展的、高效的、可維護(hù)的代碼。數(shù)據(jù)科學(xué)家并不要求像軟件工程師那樣提交產(chǎn)品級(jí)的代碼，但如果數(shù)據(jù)科學(xué)家對(duì)軟件工程更加熟悉，并且對(duì)可能發(fā)生的架構(gòu)問題有所了解的話，整個(gè)工程會(huì)變的更加順暢和高效。

隨著越來越多的數(shù)據(jù)科學(xué)工作流程正在被全新的軟件框架所替代，扎實(shí)的軟件開發(fā)技能也成為了數(shù)據(jù)科學(xué)家們的必備技能之一。

三、謹(jǐn)慎的期望管理

站在領(lǐng)域外的角度看，數(shù)據(jù)科學(xué)是一個(gè)邊界模糊并且令人難以捉摸的領(lǐng)域。這是炒作還是世界正在經(jīng)歷革命性的變革?是否所有的數(shù)據(jù)科學(xué)項(xiàng)目都是機(jī)器學(xué)習(xí)項(xiàng)目?這些人的身份是科學(xué)家、工程師還是統(tǒng)計(jì)學(xué)家?他們是做什么的，軟件產(chǎn)品還是可視化的儀表盤?為什么模型給我的結(jié)果是錯(cuò)的，有誰(shuí)能修復(fù)這個(gè)bug么?他們現(xiàn)在只給了這么幾行代碼，過去的幾個(gè)月他們都做了什么?

面對(duì)數(shù)據(jù)科學(xué)，很多事情都顯得那么不清楚，而同一個(gè)企業(yè)中的不同的人于數(shù)據(jù)科學(xué)家的期待也不一樣。

對(duì)于數(shù)據(jù)科學(xué)家很重要的一點(diǎn)是：主動(dòng)并持續(xù)與工作相關(guān)的人員進(jìn)行溝通交流，明確工作預(yù)期，盡早消除誤解，并讓大家的認(rèn)知達(dá)成一致。

頂尖的數(shù)據(jù)科學(xué)家懂得面對(duì)不同背景、不同目標(biāo)的人采用不同的溝通方式，因?yàn)楦鞣N因素都會(huì)造成對(duì)數(shù)據(jù)科學(xué)的不同預(yù)期。頂尖的數(shù)據(jù)科學(xué)家要能通過一種簡(jiǎn)單易懂的方式給零技術(shù)基礎(chǔ)的人講清楚復(fù)雜的數(shù)據(jù)處理方法，以便達(dá)成工作目標(biāo);他們知道什么時(shí)候去消除過于樂觀的預(yù)期，什么時(shí)候該說服過于悲觀的同事。最重要的是，他們強(qiáng)調(diào)數(shù)據(jù)科學(xué)固有的實(shí)驗(yàn)性質(zhì)，當(dāng)一個(gè)項(xiàng)目的成功仍不明朗時(shí)，他們不會(huì)過度承諾。

四、熟悉云服務(wù)

云計(jì)算是數(shù)據(jù)科學(xué)工具的核心部分。在很多情況下，在本地服務(wù)器上運(yùn)行Jupyter Notebook達(dá)到硬件資源極限后仍不足以完成任務(wù)。當(dāng)需要在計(jì)算能力強(qiáng)大的GPU上訓(xùn)練機(jī)器學(xué)習(xí)模型、在分布式集群上并行化數(shù)據(jù)預(yù)處理、部署REST API來發(fā)布機(jī)器學(xué)習(xí)模型、管理和共享數(shù)據(jù)集或查詢數(shù)據(jù)庫(kù)以進(jìn)行大規(guī)模分析時(shí)，云服務(wù)尤其重要。

目前，最大的云服務(wù)提供商包括亞馬遜云服務(wù)(AWS)，微軟的Azure和谷歌云平臺(tái)(GCP)。

考慮到大量的服務(wù)和平臺(tái)之間的差異，云服務(wù)提供商提供的服務(wù)并不能勝任數(shù)據(jù)科學(xué)的全部方面。但重要的是要對(duì)云計(jì)算有一個(gè)基本的了解，以便在你需要他們的時(shí)候能夠通過瀏覽文檔來了解他們是如何工作的。至少，這可以讓你提出更好的問題，并為友好的社區(qū)數(shù)據(jù)工程師制定更具體的要求。

結(jié)語(yǔ)

好了，對(duì)于那些希望從零開始組建數(shù)據(jù)科學(xué)團(tuán)隊(duì)的公司，我推薦他們?nèi)ふ夷切﹦?wù)實(shí)的問題解決者，他們具有強(qiáng)大的工程技能和敏銳的業(yè)務(wù)價(jià)值洞察力。統(tǒng)計(jì)學(xué)技能的優(yōu)勢(shì)可以帶來很多價(jià)值，但在很多應(yīng)用場(chǎng)景中，它并非像以前那么重要，尤其對(duì)于創(chuàng)建初期的數(shù)據(jù)科學(xué)團(tuán)隊(duì)。

但目前而言，大多數(shù)公司更傾向于雇傭具有強(qiáng)大學(xué)術(shù)背景的數(shù)據(jù)科學(xué)家，比如數(shù)學(xué)或物理學(xué)博士。考慮到數(shù)據(jù)科學(xué)行業(yè)近年來的發(fā)展趨勢(shì)，未來是否會(huì)有更大比例的軟件工程師或技術(shù)產(chǎn)品經(jīng)理轉(zhuǎn)變?yōu)閿?shù)據(jù)科學(xué)角色，將是一個(gè)有趣的問題。

譯者簡(jiǎn)介：陳振東，工資不高、想法不少，目前工作于北京銀行軟件開發(fā)部，負(fù)責(zé)核心系統(tǒng)的建設(shè)，主要方向包括客戶信息(CIF)模型、三方支付交易等，并作為主要成員參與銀行分布式與云計(jì)算平臺(tái)的搭建。