那哲學(xué)上一般都會(huì)講人生的三個(gè)終極問(wèn)題：

• 我是誰(shuí)
• 從哪里來(lái)
• 到哪里去。

其實(shí)要想做數(shù)據(jù)科學(xué)，也要關(guān)心三個(gè)問(wèn)題，

1.數(shù)據(jù)科學(xué)或者數(shù)據(jù)科學(xué)家到底是什么含義

2.怎么才能走上這條路

3.怎么才能在這條路上一直走的很好

大家可以看到目錄首先從多個(gè)方面去為大家介紹數(shù)據(jù)科學(xué)家這一崗位的方方面面，然后比較關(guān)心的是數(shù)據(jù)科學(xué)家的自我修養(yǎng)，怎么被需要被認(rèn)可，怎么儲(chǔ)備知識(shí)自我提高，最后簡(jiǎn)單地為迫不及待想要轉(zhuǎn)型的IT架構(gòu)師或者數(shù)據(jù)分析師提供一些小建議，進(jìn)行數(shù)據(jù)科學(xué)家養(yǎng)成。

先來(lái)簡(jiǎn)單介紹一下這個(gè)崗位。

這個(gè)崗位在北美應(yīng)該算是很流行了，國(guó)內(nèi)一些公司我們更經(jīng)常聽(tīng)見(jiàn)的是：

• 『數(shù)據(jù)團(tuán)隊(duì)負(fù)責(zé)人』
• 『大數(shù)據(jù)架構(gòu)師 』
• 『算法工程師』
• 『高級(jí)數(shù)據(jù)分析師』
• 『數(shù)據(jù)挖掘工程師』

這樣的崗位。可以看到這些人的職能離數(shù)據(jù)都很近。

但我對(duì)數(shù)據(jù)科學(xué)家的定義集中在『獨(dú)立，垂直』。獨(dú)立就是，他們要從產(chǎn)品、業(yè)務(wù)部門獨(dú)立出來(lái)，垂直的意思是，要對(duì)數(shù)據(jù)的全生命流程負(fù)責(zé)，能夠用對(duì)數(shù)據(jù)的分析、挖掘，為產(chǎn)品、數(shù)據(jù)流程甚至架構(gòu) 帶來(lái)全面改進(jìn)，能夠輔助決策，甚至直接創(chuàng)造價(jià)值的這么一個(gè)垂直團(tuán)隊(duì)，甚至是單兵。

有些人可能會(huì)說(shuō)這是個(gè)偽命題，沒(méi)有數(shù)據(jù)科學(xué)家的時(shí)候，公司也一樣能做數(shù)據(jù)，也有數(shù)據(jù)團(tuán)隊(duì)，也有這些崗位啊?數(shù)據(jù)科學(xué)家又是個(gè)什么鬼?

我認(rèn)為數(shù)據(jù)科學(xué)家應(yīng)該扮演一種催化劑的作用，首先在開(kāi)辟新領(lǐng)域時(shí)，要主動(dòng)承擔(dān)數(shù)據(jù)團(tuán)隊(duì)中出現(xiàn)的架構(gòu)+數(shù)據(jù)清洗一類的基礎(chǔ)性工作，達(dá)到自己在一線對(duì)數(shù)據(jù)理解、掌控的目的。然后，因?yàn)殛P(guān)心數(shù)據(jù)全生命周期流程，所以每個(gè)環(huán)節(jié)都可能是推動(dòng)數(shù)據(jù)處理流程的優(yōu)化的點(diǎn)。數(shù)據(jù)從哪兒來(lái)，質(zhì)量如何?業(yè)務(wù)數(shù)據(jù)要做分析，必須經(jīng)過(guò)哪些清洗和重構(gòu)?使用什么樣的工程數(shù)學(xué)工具進(jìn)行分析?該以怎樣的形式交給業(yè)務(wù)部門或者決策者?能夠進(jìn)行哪些輔助或者直接的決策?真是有種當(dāng)?shù)之?dāng)媽的感覺(jué)。

所以我們?cè)谶@里展開(kāi)點(diǎn)講一些數(shù)據(jù)科學(xué)家的工作內(nèi)容。我們得有垂直獨(dú)立的思考模式，我們要遷就產(chǎn)品，但是決不能只用產(chǎn)品設(shè)計(jì)的思路思考數(shù)據(jù)分析。

一般來(lái)說(shuō)，公司在最開(kāi)始設(shè)計(jì)產(chǎn)品邏輯或者業(yè)務(wù)邏輯的時(shí)候，之所以做的粗放，是因?yàn)闈M足數(shù)據(jù)上收的條件下，搞好業(yè)務(wù)性能和用戶體驗(yàn)就可以了。我設(shè)計(jì)一個(gè)系統(tǒng)，要求0.4秒以內(nèi)返回結(jié)果，或者每秒接受上萬(wàn)次查詢(qps)，幾千筆transactions，把功能點(diǎn)實(shí)現(xiàn)就好。如果在剛開(kāi)始搞產(chǎn)品這一步就想做實(shí)時(shí)分析說(shuō)查詢和交易的背后有什么內(nèi)在邏輯?那簡(jiǎn)直就是本末倒置，產(chǎn)品的生存第一位，數(shù)據(jù)都是先積累。

積累一定程度了，業(yè)務(wù)數(shù)據(jù)拿出來(lái)了之后，也根本不是說(shuō)直接跑個(gè)邏輯回歸跑個(gè)決策樹，出個(gè)報(bào)告，下班回家這么簡(jiǎn)單的。

第一點(diǎn)就是要數(shù)據(jù)清洗。俗話說(shuō)的好：做數(shù)據(jù)這一行，三分天注定，七分洗數(shù)據(jù)，也就是說(shuō)，本來(lái)我們分析的數(shù)據(jù)潛在包含的信息就是有限的，你再不做清洗，什么也做不好。比如說(shuō)有個(gè)字段是質(zhì)量很差的身份證號(hào)碼信息，其實(shí)身份證號(hào)足夠恢復(fù)出這個(gè)人的出生地信息，生日性別，如果足夠全的話，還能檢查出這張身份證數(shù)據(jù)是不是假的。你不做清洗、不做信息提取，一定喪失了很多能夠做預(yù)測(cè)的指標(biāo)。

再比如LinkedIn上有很多公司的數(shù)據(jù)，如果本來(lái)是同一家公司，但是在系統(tǒng)里有10個(gè)uid，像高德，高德軟件，高德地圖等等等等，你不好好做人工標(biāo)注，維護(hù)字典統(tǒng)一這些名稱，就很難知道誰(shuí)和誰(shuí)有同事關(guān)系了。不僅僅是社交網(wǎng)絡(luò)，跟文本相關(guān)的數(shù)據(jù)質(zhì)量，不管是爬蟲爬的還是買來(lái)的格式不好的數(shù)據(jù)，都需要非常大量的數(shù)據(jù)清洗，而且不懂業(yè)務(wù)需求是什么的時(shí)候，連清洗的質(zhì)量把控、清洗的方式都不能做。數(shù)據(jù)清洗這件事重要到值得動(dòng)用你的所有武器，從最原始的正則表達(dá)式，人肉修正臟數(shù)據(jù)，一直到最復(fù)雜的深度學(xué)習(xí)模型研究文本分類，再把文本中的詞匯、語(yǔ)義、詞性給提取出來(lái)變成新的feature，加入到特征庫(kù)。所有這些都是需要清洗的內(nèi)容。

第二點(diǎn)就是整合，熟悉各種SQL或者Pandas的朋友都很清楚，數(shù)據(jù)分析需要的數(shù)據(jù)跟業(yè)務(wù)數(shù)據(jù) 不僅質(zhì)量有很大不同，而且組織形式也不一樣。

比如廣告行業(yè)里面有一個(gè)重要的分析叫做點(diǎn)擊率預(yù)估，就是傳說(shuō)中的CTR預(yù)測(cè)，廣告投放給一個(gè)批次的人，展示、點(diǎn)擊、注冊(cè)、付費(fèi)大量的行為隱藏在同一個(gè)日志表里面，格式就是個(gè)行為+時(shí)間戳，但是你想分析轉(zhuǎn)化漏斗，不可能不做拼接聚合。

這種問(wèn)題還算簡(jiǎn)單，因?yàn)镃TR這種問(wèn)題你全量可以做，抽樣也可以做。如果是做社群發(fā)現(xiàn)啊，PageRank，圖模型最短路徑等等類似的問(wèn)題就不一樣了。

你會(huì)發(fā)現(xiàn)，首先你得維護(hù)一個(gè)社交網(wǎng)絡(luò)圖，Twitter最早用HBase存稀疏矩陣，更多的公司用三元組表示圖模型然后搞Spark GraphX或者使用Python的networkx。這種數(shù)據(jù)的重構(gòu)不允許你基于一個(gè)原來(lái)圖做抽樣，你抽樣了做，要么結(jié)果是錯(cuò)的，要么這不是一個(gè)能夠開(kāi)放給所有人的社交網(wǎng)絡(luò)服務(wù)，講的low一點(diǎn)，跟CTR比這更像是一個(gè)典型的『大數(shù)據(jù)問(wèn)題』。

最后就說(shuō)一下分析任務(wù)。像分類變量大家往往使用加工啞指標(biāo)、進(jìn)行one hot encoding的方式可能從業(yè)務(wù)系統(tǒng)里的幾十個(gè)指標(biāo)組合加工出上億個(gè)特征，這說(shuō)明一件事，你的業(yè)務(wù)數(shù)據(jù)可能1個(gè)節(jié)點(diǎn)數(shù)據(jù)存下了，很好啊，但是要做分析，不僅吃內(nèi)存，而且中間數(shù)據(jù)可能要用到成百上千臺(tái)的集群。

這種情況太正常了。這時(shí)有些受過(guò)正統(tǒng)統(tǒng)計(jì)學(xué)教育的人可能會(huì)認(rèn)為剛才的做法太沒(méi)有潔癖了。沒(méi)關(guān)系，為了照顧到大家的潔癖或者預(yù)算不足，我們有很多降維工具，比如直接應(yīng)用于數(shù)據(jù)列上的PCA/AutoEncoder可以留下數(shù)據(jù)中的重要信息，ISOMAP可以方便的幫我們做流形降維/ 而某些樹模型除了能幫我們建立分類、數(shù)值預(yù)測(cè)模型之外，它的非葉子節(jié)點(diǎn)在優(yōu)化多分叉的時(shí)候，也能天然的起到了降維的作用。加變量、減變量往往被稱作特征工程 Feature Engineering，套用模型Data Mining實(shí)在只是最后最后的一個(gè)小步驟。

總之，這個(gè)崗位不是過(guò)來(lái)鬧著玩的，是為了推動(dòng)業(yè)務(wù)優(yōu)化、是為了推動(dòng)決策的，是為了產(chǎn)生價(jià)值的。產(chǎn)生價(jià)值說(shuō)簡(jiǎn)單點(diǎn)不就是增加收入，節(jié)省成本嗎?然后你的利潤(rùn)就來(lái)了。每一個(gè)業(yè)務(wù)決策、業(yè)務(wù)動(dòng)作后面的成本和收益是多少?如何定義好優(yōu)化問(wèn)題?要?jiǎng)佑枚嗌偃肆ξ锪Γ惺裁礃拥募s束條件達(dá)到什么效果，這是顯性的。公司怎樣節(jié)省自己的時(shí)間，客戶的時(shí)間，帶動(dòng)產(chǎn)業(yè)發(fā)展社會(huì)進(jìn)步，這是隱性的，都要考慮。

把優(yōu)化目標(biāo)用數(shù)學(xué)的方式表達(dá)出來(lái)，才能有好的結(jié)果。而且有時(shí)候我們會(huì)有多個(gè)目標(biāo)。為什么百度全家桶另人討厭?每一個(gè)部門都有自己的產(chǎn)品、自己的KPI，幾個(gè)團(tuán)隊(duì)的leader私下一商量，打包出去推廣，KPI是上去了，社會(huì)口碑一落千丈，所以不去預(yù)先協(xié)調(diào)多個(gè)目標(biāo)、多個(gè)團(tuán)隊(duì)的協(xié)作，這種短視行為只能帶來(lái)垃圾。

所以產(chǎn)生價(jià)值，這是數(shù)據(jù)科學(xué)家的內(nèi)功，真家伙，能受用一輩子。

所謂數(shù)據(jù)科學(xué)家的外功，就是接地氣，在后端能設(shè)計(jì)優(yōu)化架構(gòu)，在業(yè)務(wù)端能推動(dòng)決策落地。

一個(gè)簡(jiǎn)單的分析，變不成一段系統(tǒng)中的SQL代碼、一段Python代碼，影響不了最終的決策，那就是什么都沒(méi)有。這是很多人曾經(jīng)面對(duì)或者正在面對(duì)的問(wèn)題。另外，就算這些一切都好，一個(gè)算法能火的必要非充分條件是找到了做大規(guī)模并行化的思路，沒(méi)有一個(gè)算法是只靠單機(jī)表現(xiàn)出色就能上線部署的，比如SVM 06-08年的實(shí)現(xiàn)了在線更新，比如11年隨機(jī)梯度下降實(shí)現(xiàn)了無(wú)并行鎖。 所以很多工程師、數(shù)據(jù)科學(xué)家都在研究算法的可并行性、擴(kuò)展性。論證完之后他們就會(huì)用OpenMP，用Spark，用GPU的方案來(lái)實(shí)現(xiàn)。

不僅如此，對(duì)算法熟悉了，我們更要對(duì)數(shù)據(jù)熟悉，主要就是去了解一個(gè)算法牽涉到的數(shù)據(jù)量以及計(jì)算量。前者就是所謂的空間復(fù)雜度，我們要花多大內(nèi)存或者物理存儲(chǔ)來(lái)存放中間結(jié)果和最終結(jié)果?存進(jìn)去能不能高效的讀取出來(lái)?后者就是所謂的時(shí)間復(fù)雜度，CPU/GPU的算力能不能靠指令集優(yōu)化提高?每次計(jì)算啟動(dòng)預(yù)處理和節(jié)點(diǎn)通信代價(jià)有多少?受指令集、緩存、內(nèi)存、總線、網(wǎng)絡(luò)的延遲多高?這些細(xì)節(jié)考慮和不考慮，做出來(lái)的結(jié)果天差地別。

最后的落地性就是以身作則的推進(jìn)代碼、圖標(biāo)、報(bào)告，對(duì)決策形成建議。學(xué)統(tǒng)計(jì)的人都會(huì)形成概率思維對(duì)吧，我觀測(cè)到一個(gè)樣本，屬于A類的概率80%，屬于B類的概率20%，但是決策者就不一樣了，兩條路只能選一條，壓力很大。有一句話叫選擇大于努力，而數(shù)據(jù)科學(xué)家做的事就是努力做出正確的選擇。這種選擇不僅依靠數(shù)據(jù)類的信息，也有非數(shù)據(jù)類的信息。因此，把難以數(shù)據(jù)化的信息給數(shù)據(jù)化，評(píng)估風(fēng)險(xiǎn)，才是正道。大家為什么現(xiàn)在推崇量化投資?如果你沾沾自喜于單獨(dú)某一次選擇的一夜暴富，那以后仍然還會(huì)一夜暴窮。量化投資也好，數(shù)據(jù)科學(xué)也好，都是為了更好的做選擇。

綜上所述，一個(gè)數(shù)據(jù)科學(xué)家可以有多種視角，給人感覺(jué)很酷。

數(shù)據(jù)科學(xué)家崗位活躍在什么行業(yè)?

傳統(tǒng)行業(yè)，肯定有，而且需求很大。

美國(guó)郵政曾經(jīng)優(yōu)化了工作日程表，本來(lái)周一到周五上班周末兩倍工資，變成了排班制度，自由選擇合適的5天上班，一下在勞動(dòng)力上節(jié)省了三億美金，這個(gè)方案現(xiàn)在日本很多打工店都在用。

這就涉及到線性規(guī)劃、整數(shù)規(guī)劃。亞馬遜至今還在做倉(cāng)庫(kù)選址和路徑調(diào)度，因?yàn)樗才艂}(cāng)庫(kù)庫(kù)存，安排送貨嘛。所以地理數(shù)據(jù)分析，選址和TSP都得做。工程方案就更多了，比如滴滴今年這個(gè)算法競(jìng)賽，顧客和車輛的供需預(yù)測(cè)，所有打車、租車、代駕公司，一旦做到規(guī)模化了，都特別需要供需預(yù)測(cè)，這事兒2年前e代駕就在做。

做完供需預(yù)測(cè)，有的人就想我們?cè)O(shè)計(jì)一個(gè)運(yùn)力調(diào)度中心，這個(gè)區(qū)域人多，你應(yīng)該去這，另外一個(gè)區(qū)域車少，你應(yīng)該去那兒。其實(shí)從工程角度講，給司機(jī)看一個(gè)熱力圖解決了，redis存好司機(jī)實(shí)時(shí)位置和對(duì)接下來(lái)半個(gè)小時(shí)訂單的預(yù)測(cè)，司機(jī)在app看到熱力圖，自己就往更容易接單的地方跑。做工程往往就特別需要這種巧勁。

互聯(lián)網(wǎng)行業(yè)，是數(shù)據(jù)科學(xué)家的主戰(zhàn)場(chǎng)。

09年netflix數(shù)據(jù)競(jìng)賽可能大家都清楚，其實(shí)就是為了解決一件事，給合適的用戶在網(wǎng)上推薦合適的影片和電視劇，甚至自己主導(dǎo)往外推這些影音內(nèi)容。為什么《紙牌屋》能火?因?yàn)榇蟊娤矚g的題材、喜歡的導(dǎo)演、喜歡的Kevin Spacey都湊一塊兒了，這都是基于對(duì)用戶的深入理解才能做的。競(jìng)賽結(jié)束之后，是個(gè)人就會(huì)講協(xié)同過(guò)濾了，雖然真正實(shí)踐svd，als的人少之又少，但互聯(lián)網(wǎng)確實(shí)開(kāi)始重視算法了。很久之前看過(guò)一本入門級(jí)的《推薦系統(tǒng)實(shí)戰(zhàn)》我覺(jué)得寫的比較全面，作者項(xiàng)亮老師至今活躍在算法一線。

如果說(shuō)你開(kāi)了一家公司，不是電商、垂直巨頭這種流量+推薦的模式，你一樣可以參與到廣告行業(yè)里。這個(gè)行業(yè)國(guó)外商業(yè)模式非常成熟，廣告主，需要競(jìng)價(jià)廣告位投放;媒體流量主，需要優(yōu)化廣告位，進(jìn)行用戶行為研究，中間還有廣告聯(lián)盟，DMP這些平臺(tái)，研究投放算法，采用田忌賽馬的策略，雖然每個(gè)廣告不都會(huì)投放給最適合看這個(gè)廣告的那些人，但是總收益最大。對(duì)這方面感興趣的推薦大家先看一本入門書《計(jì)算廣告學(xué)》，作者是劉鵬老師。這里面涉及了廣告行業(yè)的商業(yè)模式的架構(gòu)和算法實(shí)踐，算是個(gè)全貌性的介紹吧。

我個(gè)人有些偏見(jiàn)，認(rèn)為廣告行業(yè)做算法做不透，做的半吊子，首先PC端投放轉(zhuǎn)化率千分之五，移動(dòng)端轉(zhuǎn)化率百分之五，能做到這個(gè)數(shù)字都要燒高香了，離所謂精準(zhǔn)簡(jiǎn)直差的太遠(yuǎn)。 比如你耽誤大家70秒的時(shí)間就為了一個(gè)廣告的KPI，點(diǎn)擊率千分之五，14000秒 4個(gè)小時(shí)的播放形成了1次點(diǎn)擊，謀財(cái)害命對(duì)不對(duì)，也不好好學(xué)學(xué)國(guó)外怎么在廣告上互動(dòng)收集UGC，提高投放效果。

然后我是覺(jué)得相比之下，增長(zhǎng)運(yùn)營(yíng)比流量運(yùn)營(yíng)更有價(jià)值。最近有個(gè)很潮的詞叫g(shù)rowth hacking，自己做產(chǎn)品，上收數(shù)據(jù)，但是呢自己做簡(jiǎn)單分析太麻煩了，要有專業(yè)化的平臺(tái)幫我們分析這些，拉動(dòng)增長(zhǎng)，降低成本。基本方法論就是漏斗圖轉(zhuǎn)化率，精細(xì)化一點(diǎn)的話Cohort Vintage Analysis，再精細(xì)化一點(diǎn)用戶畫像，為用戶定制化他的核心體驗(yàn)，提高留存和持續(xù)付費(fèi)。

從APP的sdk切入的Talking data，友盟都是比較老牌了，環(huán)信給app提供的多媒體社交sdk也是很棒的點(diǎn)，更多的廠家是在云端數(shù)據(jù)服務(wù)，光我接觸到的，國(guó)內(nèi)的百分點(diǎn)，Everstring，37degree，growing.io，美國(guó)Salesforce是做的比較久了，Ayasdi在最近美國(guó)融資榜上面排第二，核心算法、高性能計(jì)算、和數(shù)據(jù)可視化做的都很好，大家可以了解一下。說(shuō)個(gè)題外話，融資榜第一的Sentient科技，是做機(jī)器人的。反正就人工智能圈子。

最后一點(diǎn)，一個(gè)好的數(shù)據(jù)科學(xué)家其實(shí)是適合做偏數(shù)據(jù)類的產(chǎn)品經(jīng)理的。項(xiàng)目冷啟動(dòng)上收UGC、爬什么外部數(shù)據(jù)，是需要靠大局觀，靠腦洞的，不是守著自己現(xiàn)有一點(diǎn)數(shù)據(jù)分析分析就足夠了的。產(chǎn)品迭代的過(guò)程中，算法搞不定的時(shí)候也是有的，有時(shí)候拿A/B Testing結(jié)果說(shuō)話更靠譜。

在前沿技術(shù)公司里面，很可能進(jìn)來(lái)的人都有一個(gè)較高level的算法能力了，這樣的一些橫跨學(xué)界和產(chǎn)界人湊在一起，他們的核心技術(shù)就是拓?fù)洹D論、數(shù)論、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)這一套純數(shù)學(xué)工具，很高的壁壘在這，他們?cè)谝黄鹨茨軌蚪鉀Q之前解決不了的問(wèn)題，要么極大改善傳統(tǒng)方法的效果，包括數(shù)據(jù)安全、OCR，圖像識(shí)別、語(yǔ)音識(shí)別、文本理解、機(jī)器翻譯、機(jī)器人等等。很多人在博士階段就有一些專利了，然后很自然而然的就開(kāi)始開(kāi)公司。特別有名的，包括剛才提到的Ayasdi，Sentient科技，Deep Genomics等等。這種公司的核心團(tuán)隊(duì)往往不太可能和一個(gè)成長(zhǎng)中的數(shù)據(jù)科學(xué)家共同成長(zhǎng)，比較多的還是走學(xué)術(shù)產(chǎn)業(yè)化的道路，其實(shí)剛剛畢業(yè)的碩士，博士如果還喜歡在一線做工程的話，是特別適合加入這些團(tuán)隊(duì)的，國(guó)內(nèi)就有幾家，科大訊飛，商湯科技，等等就不贅述了。

所以洋洋灑灑總結(jié)一下，什么是數(shù)據(jù)科學(xué)家?

前面懂業(yè)務(wù)，中臺(tái)證明自己的故事，底層寫代碼，算法的也寫后端的也寫。如果你是首席數(shù)據(jù)科學(xué)家，你不給自己公司站臺(tái)，做技術(shù)型售前，你能指望誰(shuí)能比你講清楚你們的技術(shù)實(shí)力和商業(yè)模式?你不幫公司上收最數(shù)據(jù)，你想指望誰(shuí)來(lái)做?

雖然對(duì)數(shù)據(jù)科學(xué)家的要求很高，但是也要看到幾個(gè)點(diǎn)

數(shù)據(jù)科學(xué)家不是數(shù)學(xué)家。三百年前就有費(fèi)馬大定理，三百年后才證明出來(lái)，形成了厚厚一本論文集，捎帶搞定了谷山志村猜想，這個(gè)猜想的證明打?qū)嵙薭lockchain的基礎(chǔ)。那你能說(shuō)，我想設(shè)計(jì)個(gè)比特幣，所以直接從證明猜想開(kāi)始干嗎?這么做的人肯定腦子有病。數(shù)學(xué)家更像哲學(xué)家，而數(shù)據(jù)科學(xué)家更像工程師，還是要記住解決問(wèn)題，要把真實(shí)世界抽象成可解決的數(shù)學(xué)問(wèn)題并親自解決。

數(shù)據(jù)科學(xué)家也不像 IT 工程師，更像什么汽車工程師、飛機(jī)制造工程師。

IT工程師工作的完成，具有特別清晰的要求和標(biāo)準(zhǔn)，就像發(fā)動(dòng)機(jī)制造，滿足標(biāo)準(zhǔn)就是100分，不滿足0分。但是對(duì)于數(shù)據(jù)科學(xué)家來(lái)講，就好像造汽車造飛機(jī)：你把工作完成了，也不一定是及格的。如果你做的結(jié)論大家都知道，那就沒(méi)什么價(jià)值，如果你的結(jié)論是基于錯(cuò)誤的數(shù)據(jù)得到了反直覺(jué)的結(jié)論，我估計(jì)你馬上可能就被解雇了。如果你的結(jié)論很棒，算法也很棒，但是工程實(shí)現(xiàn)不行，那就是大寫的尷尬。

因此你要特別善于在大家不關(guān)心的點(diǎn)找出新的思路來(lái)分析，提高數(shù)據(jù)的價(jià)值，對(duì)主動(dòng)學(xué)習(xí)的要求非常高。就好像造電動(dòng)車，電池你得管，結(jié)構(gòu)和抗碰撞能力你得管，外觀好不好看好不好賣你得管，發(fā)動(dòng)機(jī)當(dāng)然是關(guān)鍵的一環(huán)，你可以不親自去造發(fā)動(dòng)機(jī)你可以買，但是發(fā)動(dòng)機(jī)買來(lái)了帶不帶得動(dòng)整車重量，你就得背鍋。

如果公司有數(shù)據(jù)文化，并愿意維護(hù)一個(gè)做實(shí)事的數(shù)據(jù)科學(xué)家崗位，而不是打嘴炮的團(tuán)隊(duì)，是相當(dāng)值得珍惜的。之所以這么說(shuō)呢，是因?yàn)椋行┕荆鼔焊鶝](méi)有數(shù)據(jù)科學(xué)家。排除掉無(wú)法看到數(shù)據(jù)價(jià)值的傳統(tǒng)行業(yè)，還是有公司沒(méi)有。所以我們就面對(duì)一個(gè)新問(wèn)題……

原文>>>