作為一門逐漸成熟的新興領(lǐng)域，與數(shù)據(jù)科學(xué)相關(guān)的很多領(lǐng)域開始變得備受青睞，比如數(shù)據(jù)工程，數(shù)據(jù)分析以及機器學(xué)習(xí)和深度學(xué)習(xí)。數(shù)據(jù)科學(xué)家們必須帶著具有科學(xué)性、創(chuàng)造性和研究性的思維，從各路數(shù)據(jù)集中提取有用信息，以解決客戶面臨的潛在挑戰(zhàn)。

生活會不斷衍生出數(shù)據(jù)，涉及零售、交通、金融和醫(yī)療健康領(lǐng)域。觸手可及的各類計算產(chǎn)品和人工智能的飛速發(fā)展將一群通過獲取、分析和利用原始數(shù)據(jù)的數(shù)據(jù)科學(xué)家們推到了聚光燈下。

2016年，數(shù)據(jù)科學(xué)家們選出了在北美洲最受歡迎的50種工作，這份榜單是參考收入潛力、工作滿意度以及在Glassdoor招聘網(wǎng)站上的需求量等各項指標(biāo)得出的結(jié)果。

所以成為一名數(shù)據(jù)科學(xué)家應(yīng)具備哪些品質(zhì)呢？

為了搞清楚這個問題，我采訪了Ben Chu，他是路孚特實驗室的一名資深數(shù)據(jù)科學(xué)家。Chu有人工智能領(lǐng)域的背景，擅長處理語言、語義和圖表，并且在新加坡的路孚特實驗室有著兩年的工作經(jīng)驗。

1.保持好奇

Chu在訪談的一開始就提到，數(shù)據(jù)科學(xué)家應(yīng)該像調(diào)查員一樣思考。你要時刻保持好奇，永遠(yuǎn)都想知道“為什么？”“就好像自己是一個偵探，通過這些數(shù)據(jù)拼湊細(xì)節(jié)以尋找新的線索。”

在金融界，數(shù)據(jù)科學(xué)家們從一系列數(shù)據(jù)集中提取信息，以供客戶參考并幫助制定決策。數(shù)據(jù)科學(xué)家們會把目光鎖定在客戶想要解決的問題上面，然后從他們獲得的數(shù)據(jù)中抽絲剝繭，得出線索。

通過和Chu的交談，我領(lǐng)悟到了抓重點的重要性，調(diào)查背景也是很重要的。如果不能解決潛在問題，即使是再完美的分析也無助于此。有時候你需要轉(zhuǎn)回來，嘗試新的方法，重新思考問題。核心在于要保持好奇，愛上提問。

2.有創(chuàng)造力

數(shù)據(jù)科學(xué)并不僅僅指一種科學(xué)的方法，這個稱號其實會誤導(dǎo)大家。你不一定要有科研背景，但必須有創(chuàng)新性思維——另一種思維是解決問題的關(guān)鍵。

“我經(jīng)常在兩種思維之間來回切換，是通過科學(xué)性思維還是創(chuàng)造性思維來探索更多的新的不同的解決方式。有邏輯的、科學(xué)的思考對于結(jié)論產(chǎn)出的幫助是必不可少的，但具備創(chuàng)造性思維也同樣重要：我也將成功和失敗的案例視為觀察新模式的線索。”

3.學(xué)習(xí)如何編碼

你需要扎實的編碼技能，才能預(yù)處理不同的數(shù)據(jù)源，并且能夠使用各種數(shù)據(jù)處理技術(shù)，來解決棘手或不完整的數(shù)據(jù)。你得能夠創(chuàng)建一個機器學(xué)習(xí)管道，這要求你知道如何構(gòu)建模型，如何使用工具和框架來評估和分析其性能。

與大多數(shù)數(shù)據(jù)科學(xué)家一樣，Chu使用Python，因為里面有許多很贊的包可用于操作和建模數(shù)據(jù)。事實上，GalasWalk在2017的上半年為數(shù)據(jù)科學(xué)家提供了10000份招聘信息，發(fā)現(xiàn)Python、R和SQL這三種特殊技能是數(shù)據(jù)科學(xué)中大多數(shù)職位空缺的根本原因。

Ben Chu的團隊依賴于開源的機器學(xué)習(xí)軟件包，如Tensorflow、Pytorch和BERT。

“我們主要將Confluence用作文檔工具；MLFlow、Amazon Sagemaker、Scikit Learn、Tensorflow、PyTorch和BERT用于機器學(xué)習(xí)；Apache Spark用于在大型數(shù)據(jù)集上構(gòu)建快速數(shù)據(jù)管道；Athena用作處理后數(shù)據(jù)的存儲數(shù)據(jù)庫。我們還使用Superset連接數(shù)據(jù)，輕松構(gòu)建儀表板以輸出圖表，使其更直觀。”

4.科學(xué)思考

數(shù)據(jù)科學(xué)家們會運用不同的工具來管理流程、數(shù)據(jù)、進(jìn)行注釋和編碼。“我必須十分努力，時刻衡量并追蹤自己的進(jìn)度，這樣才有機會開展復(fù)盤工作，嘗試新的方向，不斷比對結(jié)果。”

“重要的是要時刻秉持科學(xué)的原則，在分析時參考相應(yīng)的數(shù)據(jù)，實驗和文獻(xiàn)，以便隨時調(diào)整結(jié)論。我需要把這些資料整理好，所以我會用Notion作為初步保存所有筆記、論文和可視化的基本工具。

Chu強調(diào)，不僅要保留目前的調(diào)查記錄，還要保留以前所有調(diào)查結(jié)果的記錄。“這就像是一本數(shù)據(jù)科學(xué)日志。每當(dāng)遇到類似的情況時，我都會把值得參考的要點保存好，下次再遇到問題時可以有指導(dǎo)。”

5.擔(dān)心“冒名頂替綜合征”，大可不必

Chu現(xiàn)在是路孚特實驗室的資深數(shù)據(jù)科學(xué)家，但他年少時曾想成為一名音樂家，并且對語言特別著迷。“對于我在自然語言處理領(lǐng)域的工作，這需要我對語言學(xué)有較深的了解，特別是語義學(xué)和語言的細(xì)微差別。”

他解釋說，一個數(shù)據(jù)科學(xué)團隊需要一系列技能——他和他的同事?lián)碛袕牟煌尘鞍l(fā)展而來的重疊技能。

“你需要的技能將取決于工作領(lǐng)域。比如我需要對金融領(lǐng)域有很好的了解，數(shù)據(jù)分析目前應(yīng)用于防詐騙領(lǐng)域，通過建立異常檢測方法來檢測交易數(shù)據(jù)中不符合規(guī)范的欺詐‘行為’”。

“像我這樣的數(shù)據(jù)科學(xué)家需要懂得如何處理各種孤立的金融數(shù)據(jù)。關(guān)鍵是要建立各種數(shù)據(jù)之間的聯(lián)系，如果不知道它們之間的聯(lián)系的話，就無法建立一個成功的模式。”

做一名計算機科學(xué)家或數(shù)學(xué)家并不是進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域的必要條件。沒有人精通所有領(lǐng)域。你可能有法律、經(jīng)濟或科學(xué)背景。這些背景決定了你的思考方式。如果能靈活運用各種知識并將其系統(tǒng)化，那么在使用工具、框架和數(shù)據(jù)集時，就能夠熟悉這些工具、框架和數(shù)據(jù)集的細(xì)節(jié)。

如何開始

對于那些熱衷于數(shù)據(jù)科學(xué)技能的人，Chu提供了一些實用的技巧，這些技巧很容易學(xué)會。你可以尋找研究社區(qū)，參加網(wǎng)絡(luò)研討會，并在網(wǎng)上尋找找到培訓(xùn)課程。一旦可以進(jìn)行當(dāng)面交流，Chu建議你在數(shù)據(jù)科學(xué)領(lǐng)域活躍起來。

“參加會議和編程馬拉松，這將幫助你研究建立一個強大的網(wǎng)絡(luò)，讓你有機會說出自己的想法，啟發(fā)研究和回答疑問”。

數(shù)據(jù)科學(xué)是一個全新的領(lǐng)域，而且還在處于不斷成熟階段。隨著機器學(xué)習(xí)和深度學(xué)習(xí)工程師的出現(xiàn)，數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師和數(shù)據(jù)分析員等各種不同的職位也出現(xiàn)了，也許你會發(fā)現(xiàn)自己更適合或者更喜歡另一個職位呢。

一切都在不斷變化之中，永葆好奇心和創(chuàng)造力，繼續(xù)探索吧！