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(jī)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(huì)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(jì)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(xiàng)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(gè)問題，我采訪了Ben Chu，他是路孚特實(shí)驗(yàn)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(zhǎng)處理語(yǔ)言、語(yǔ)義和圖表，并且在新加坡的路孚特實(shí)驗(yàn)室有著兩年的工作經(jīng)驗(yàn)。

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(shí)刻保持好奇，永遠(yuǎn)都想知道“為什么？”“就好像自己是一個(gè)偵探，通過這些數(shù)據(jù)拼湊細(xì)節(jié)以尋找新的線索?！?/p>

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(huì)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(diǎn)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(shí)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(gè)稱號(hào)其實(shí)會(huì)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(duì)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?！?/p>

3.學(xué)習(xí)如何編碼

你需要扎實(shí)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(gè)機(jī)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(píng)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?yàn)槔锩嬗性S多很贊的包可用于操作和建模數(shù)據(jù)。事實(shí)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(tuán)隊(duì)依賴于開源的機(jī)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(jī)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(chǔ)數(shù)據(jù)庫(kù)。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?！?/p>

4.科學(xué)思考

數(shù)據(jù)科學(xué)家們會(huì)運(yùn)用不同的工具來管理流程、數(shù)據(jù)、進(jìn)行注釋和編碼?！拔冶仨毷峙?，時(shí)刻衡量并追蹤自己的進(jìn)度，這樣才有機(jī)會(huì)開展復(fù)盤工作，嘗試新的方向，不斷比對(duì)結(jié)果?！?/p>

“重要的是要時(shí)刻秉持科學(xué)的原則，在分析時(shí)參考相應(yīng)的數(shù)據(jù)，實(shí)驗(yàn)和文獻(xiàn)，以便隨時(shí)調(diào)整結(jié)論。我需要把這些資料整理好，所以我會(huì)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(qiáng)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?！斑@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(shí)，我都會(huì)把值得參考的要點(diǎn)保存好，下次再遇到問題時(shí)可以有指導(dǎo)?！?/p>

5.擔(dān)心“冒名頂替綜合征”，大可不必

Chu現(xiàn)在是路孚特實(shí)驗(yàn)室的資深數(shù)據(jù)科學(xué)家，但他年少時(shí)曾想成為一名音樂家，并且對(duì)語(yǔ)言特別著迷?！皩?duì)于我在自然語(yǔ)言處理領(lǐng)域的工作，這需要我對(duì)語(yǔ)言學(xué)有較深的了解，特別是語(yǔ)義學(xué)和語(yǔ)言的細(xì)微差別?！?/p>

他解釋說，一個(gè)數(shù)據(jù)科學(xué)團(tuán)隊(duì)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(duì)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(cè)方法來檢測(cè)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(gè)成功的模式?！?/p>

做一名計(jì)算機(jī)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(jì)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(yùn)用各種知識(shí)并將其系統(tǒng)化，那么在使用工具、框架和數(shù)據(jù)集時(shí)，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(duì)于那些熱衷于數(shù)據(jù)科學(xué)技能的人，Chu提供了一些實(shí)用的技巧，這些技巧很容易學(xué)會(huì)。你可以尋找研究社區(qū)，參加網(wǎng)絡(luò)研討會(huì)，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(huì)議和編程馬拉松，這將幫助你研究建立一個(gè)強(qiáng)大的網(wǎng)絡(luò)，讓你有機(jī)會(huì)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(gè)全新的領(lǐng)域，而且還在處于不斷成熟階段。隨著機(jī)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(huì)發(fā)現(xiàn)自己更適合或者更喜歡另一個(gè)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！