你和真正的数据科学究竟差在哪里
jopen 7年前
<p style="text-align: center;"><img alt="你和真正的数据科学究竟差在哪里" src="https://simg.open-open.com/show/fc3be26bf30d8caf7067c32b82568cd6.jpg" /></p> <p>Data Scientist，数据科学家，太火了，已经成为新一代改变世界的职业，引得每一个人都想往这个方向转。</p> <p>学 CS 的觉得做码农太底层，给人打工，要转数据科学家，完美。</p> <p>学统计的觉得这个不需要过多的 Coding，适合自己，要转数据科学家，完美。</p> <p>学商科的觉得终于自己也可以成为科学家了，要转数据科学家，完美。</p> <p>似乎每个人都觉得自己可以成为，应该成为，也一定能够成为一名数据科学家。</p> <p>然而现实呢？</p> <p>一片混乱。</p> <blockquote> <p>“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</p> </blockquote> <p><strong>人们的想象之中的独角兽</strong></p> <p>几乎所有赞美数据科学家的人，都认为数据科学家是这样一类人：</p> <ul> <li> <p>精通算法。例如各种机器学习算法（聚类，分类，NLP，CV，IR, etc.），理解统计的原理。</p> </li> <li> <p>全栈开发能力。能够完成从数据清洗，到产品上线的全部工作，且能做各种数据可视化与报表。</p> </li> <li> <p>有资深的领域知识。了解行业背景，企业运行规律，懂得 Business、Marketing、Finance、Operations 等等知识，能够帮助企业做决策。</p> </li> <li> <p>除了技术能力要求高，同时还要有相当的软实力，比如沟通和写作的能力，比如领导团队的能力等等。</p> </li> </ul> <p>哇，真是全能的独角兽。</p> <p>可能有这样的人吗？当然，这个世界这么大，出几个超牛的人并不是没有可能。</p> <p>你可以追求成为这样一个人，但是认为所谓数据科学家就等于这一类人，并没有什么意义。</p> <p>但是，从现实角度来讲，你并不需要成为这样一个人才能为企业带来价值。大量和数据相关的职责都被认为是和数据科学家相关的，因此，更重要的是，找到合适自己的位置，使用新技术解决问题，创造收益。</p> <p><strong>两类数据科学家</strong></p> <p>是的，Data Scientist 并不是一个 Well Defined 的职位，在每个公司的职责都不一样。但是，不论怎么样，这个世界上不可能凭空出现一个职位：这个职位所解决的问题是以前从来没出现过的，也没人知道该怎么解决的。或许我们可以慢慢逼近人们想象中的那个全能的独角兽，但现在，数据科学家所担当的职责，一定会跟现有的职位大量的重合。</p> <p>现实中的数据科学家是怎么样的呢？常见的数据科学家被分为两类。引用 Quora 上 <a href="/misc/goto?guid=4959007098634580746" rel="nofollow">Michael Hochster</a> 的一个回答：</p> <blockquote> <p><strong>Type A Data Scientist:</strong> 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.</p> <p><strong>Type B Data Scientist: </strong>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).</p> </blockquote> <p>我对于这两类的理解稍有出入，但也大体相同：</p> <p><strong>Type A 数据科学家：</strong>偏 Analysis，一切为数据驱动的决策服务。主要的工作是在清理数据，做分析，找 Insight，做 Report 等等。可以说是某类升级版的 Analyst 或者 BD。</p> <p>一方面这意味着对你的你要求跟做 BD 或 Analyst 的要求一样甚至更高，对市场了解如何？对行业了解如何？对公司运作了解如何？而所谓 Machine Learning 等工具只是技术与手段，能够帮助更好地解决问题，但是问题有哪些，才是根本的问题。</p> <p>另一方面传统 Analyst 不足的地方在于随着数据越来越大，越来越复杂，如果要更快更准，需要使用更好的模型（机器学习等），在更原始的数据中探索与分析，不能只等待其他人把数据都处理好。因此需要更强的数据处理、分析能力和对于新模型、工具的掌握和理解。</p> <p>往这个方向发展，要补齐 Marketing、Business、Finance、Operation 等知识，同时掌握各种机器学习的算法与工具。</p> <p><strong>Type B 数据科学家：</strong>偏 Research & Product，在算法即产品的职责下让算法能够与产紧密结合，甚至主导算法驱动的产品。主要的工作是把算法从 Research 做到 Product。</p> <p>一方面要对各类机器学习的算法了解足够深刻，了解各种机器学习算法的常见应用（NLP，CV，Recommendation，IR，etc.）。同时对工程要求更高，毕竟做 Prototype 和上 Production 是完全不一样的。</p> <p>另一方面要对产品的需求有更深层次的理解，以及了解公司的业务逻辑，因为随着不少算法的成熟，产品的需求已经不仅仅来自于 product-market-fit，而是来自于算法本身的进步，因此能够把成熟的算法推向产品是非常重要的能力。</p> <p>往这个方向发展，Coding 的要求与所有通用 Software Engineering 的要求一样，该修 CS 课可能一样都不能少，同时要能了解公司的业务逻辑，更好地推动产品的上线，让不可能变成可能。</p> <p><strong>职业生涯的起步与发展</strong></p> <p>既然典型的数据科学家是两类，那么对照着这两类对自己的技能树查缺补漏就行。要么补业务知识，要么补代码能力，要么补机器学习相关的技术与工具。总之，不要一味追求所谓的新算法，而没有基础的分析或者工程能力，这样并不能解决任何问题，也不能带来任何价值。</p> <p>从一位分析师或者程序员开始职业生涯，都是很好的选择。</p> <p>然而，职业生涯的追求肯定不是一个 Title，而是某些能力，对照着理想中的独角兽差缺补漏，确实是非常好的办法。</p> <p>雷锋网按：原作者<a href="/misc/goto?guid=4959007098736276997" rel="nofollow">陈然</a>，本文原载于作者的<a href="/misc/goto?guid=4959007098816342257" rel="nofollow">知乎专栏</a>。</p> <p>来自: <a href="/misc/goto?guid=4959007098816342257" id="link_source2">zhuanlan.zhihu.com</a></p>