抛弃幻想,谈谈现实中的数据科学家

发布时间: 2015-12-14 阅读数: 1682

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。

学CS的觉得做码农太底层,给人打工,要转数据科学家,完美。

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。

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。

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。

然而现实呢?

一片混乱。

“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

人们的想象之中的独角兽

几乎所有鼓吹数据科学家的人,都认为数据科学家是这样一类人:

  • 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。
  • 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。
  • 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。
  • 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。

哇,真是全能的独角兽。

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。

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。

你并不需要成为这样一个人才能为企业带来价值,你也并不需要成为这样一个人才能称得上数据科学家。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。

两类数据科学家

是的,Data Scientist并不是一个well define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。

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 Michael Hochster 的一个回答:

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).

我对于这两类的理解稍有出入,但也大体相同:

Type A 数据科学家:偏Analysis。主要的工作是在做分析,找insight,做report,帮助公司做决策等等。可以说是某类升级版的BD或Strategy。

一方面这意味着对你的你要求跟做BD或Strategy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。

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。

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。

Type B 数据科学家:偏Research&Product。主要的工作是把算法从research做到product。

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。

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。

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。

职业生涯的起步与发展

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Coding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。

从一位分析师或者程序员开始职业生涯,都是很好的选择。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。

然而

当我们退一步想,一个全知全能的职位,理论上应该在每一个时代都大受欢迎,而为何如今我们看到所谓数据科学家如此兴起,这背后的原因和技术趋势是什么呢?我会在专栏Hello陈然! - 知乎专栏 继续更新,尽请关注。

本文转载自知乎,作者陈然为旧金山的一名Data Scientist。转载本文请注明链接http://zhuanlan.zhihu.com/chenran/20236709

分享到:
热门文章

REmap发布,用R绘制百度迁徙图

2015年07月23日更新 20990次阅读

学习R语言,一篇文章让你从懵圈到入

2016年05月09日更新 14605次阅读

清华大学教授:大数据时代 统计学依

2015年08月07日更新 11272次阅读

在R中填充缺失数据—mice包

2015年12月31日更新 10628次阅读

精通 R plot—第一部分:颜色

2016年01月20日更新 9409次阅读

非统计学专业的人该如何学习 R 语

2015年07月24日更新 8085次阅读
热门课程

R语言初级课程

2015年02月20日发布 3225名学员

R语言高效数据清理工具包dplyr

2015年08月30日发布 1677名学员

R语言数据分析入门

2016年05月10日发布 1555名学员

如何用R做数据预处理

2016年06月03日发布 1157名学员

全栈数据工程师养成攻略

2016年11月08日发布 1017名学员

R语言大规模数据分析实战

2015年12月17日发布 951名学员
登录 注册