數(shù)據(jù)科學(xué)家/統(tǒng)計學(xué)家應(yīng)該養(yǎng)成哪些好習(xí)慣

1、永遠(yuǎn)不要輕信自己的分析結(jié)果，多用業(yè)務(wù)和常識去檢驗。

很多時候，我們的分析都是含有一些潛在的假設(shè)，而在分析過程中被忽略。比如最經(jīng)典的案例是在1948年,蓋洛普錯誤地預(yù)測了杜威能擊敗杜魯門而當(dāng)選總統(tǒng)，原因是多方面的，但是抽樣中的潛在不平均是不可否認(rèn)的！再比如有個人分析結(jié)果得到剛畢業(yè)的?？频钠骄劫Y比同專業(yè)的本科要高，就找一堆理由來說明這個結(jié)論。但是領(lǐng)導(dǎo)說這個不符合常識，打回去重新分析。之后發(fā)現(xiàn)是因為樣本男女比例不均衡導(dǎo)致的。所以，我們不要輕信自己的分析結(jié)果，尤其是不能給自己的分析找正向的理由！因為只有你找理由，總會能給自己的結(jié)論找到一堆理由。有多從實際出發(fā)，如果不符合常識，那就更要多方面論證，才能發(fā)聲！否則，就會是個笑話！

2、閱讀人文：數(shù)據(jù)科學(xué)不僅是一門科學(xué)，也是一門藝術(shù)。

數(shù)據(jù)科學(xué)，你可以認(rèn)為是一門探索人性的科學(xué)。我經(jīng)常跟周圍做數(shù)據(jù)或者IT人的說的一點是，因為我們是做數(shù)據(jù)或者寫一些代碼的，這里的數(shù)字是1就是1，不會是2，TRUE了就不會是FALSE，所以做久了，人容易偏執(zhí)，不會享受生活，那就無法把藝術(shù)引進(jìn)！這里也舉一個例子，美國有一家大型商場，業(yè)務(wù)經(jīng)理想能否預(yù)測一個客戶是否是孕婦，以此來針對性的營銷呢？之后他們的數(shù)據(jù)科學(xué)家通過分析找到了一個模型來預(yù)測。那么他們是直接把孕婦相關(guān)產(chǎn)品推薦給客戶嗎？不是的，因為這個數(shù)據(jù)科學(xué)家不僅是數(shù)學(xué)好還是一個社會學(xué)家，他說如果全部推薦相關(guān)產(chǎn)品，那么客戶會覺得自己的隱私被侵犯，甚至?xí)X得反感，所以他的策略是把真正想要推薦的東西放在一堆其他東西里。當(dāng)然，這里只是簡寫，實際過程非常有趣。

3、了解行業(yè)信息和業(yè)務(wù)信息

這一點非常重要。分析和挖掘，最終都是要落到具體的業(yè)務(wù)上來的。所以做數(shù)據(jù)，不能脫離業(yè)務(wù)和行業(yè)規(guī)律。了解行業(yè)信息，能夠讓你在分析的時候更加的接地氣、更好的把握分析框架！尤其是，聯(lián)系剛才說的第一點，你積累的行業(yè)信息和業(yè)務(wù)信息都會幫助你檢驗?zāi)愕姆治?，同時讓你更還的認(rèn)識到什么樣的分析是有價值的分析。此外，對于業(yè)務(wù)中的亂七八糟的各種概念更是要深入理解，不能停留在表面。有時候，一個業(yè)務(wù)概念理解失誤（比如0是否有參與計算），會導(dǎo)致分析出完全相反的結(jié)論。據(jù)說，數(shù)據(jù)分析會導(dǎo)致經(jīng)驗累積加速，簡單的說一般業(yè)務(wù)人員工作10年的工作經(jīng)驗，數(shù)據(jù)分析5年就能掌握。

4、好奇心與多溝通

愛因斯坦說過，提出一個好問題比找到一個合適的答案更重要！在我個人經(jīng)驗中，按照既定的一些分析框架分析，一般都只是完成了既定的任務(wù)而已。但是，你對分析中的一些異常多問幾個為什么，很容易找到一些業(yè)務(wù)的突破口。比如你分析銷售業(yè)績，你發(fā)現(xiàn)一個人，成單比例總是比別人高，甚至有時候比特別有經(jīng)驗的人還高，你就問問為什么呢？否則，你就只能發(fā)現(xiàn)這個數(shù)字而已。后來，你通過分析和直接詢問等方法，發(fā)現(xiàn)他發(fā)現(xiàn)了新注冊的用戶容易成單，所以每天盯著新用戶呢！當(dāng)然，這樣的例子是比較多的，比如為什么要讓用戶自己選擇一些信息呢？然后一個數(shù)據(jù)產(chǎn)品就出來了。

5、多實踐與多走一步

這里涉及到模型了，也是我個人做的比較多的地方。在數(shù)值計算（或者任何其他工程領(lǐng)域）里，知道一個東西的基本算法和寫出一個能在實際中工作得很好的程序之間還是有一段不小的距離的。有很多可能看似無關(guān)緊要的小細(xì)節(jié)小 trick，可能會對結(jié)果帶來很大的不同。當(dāng)然這樣的現(xiàn)象其實也很合理：因為理論上的工作之所以漂亮正是因為抓住了事物的主要矛盾，忽略“無關(guān)”的細(xì)節(jié)進(jìn)行了簡化和抽象，從而對比較“干凈”的對象進(jìn)行操作，在一系列的“assumption”下建立起理論體系。但是當(dāng)要將理論應(yīng)用到實踐中的時候，又得將這些之前被忽略掉了的細(xì)節(jié)全部加回去，得到一團(tuán)亂糟糟，在一系列的“assumption”都不再嚴(yán)格滿足的條件下找出會出現(xiàn)哪些問題并通過一些所謂的“engineering trick”來讓原來的理論能“大致地”繼續(xù)有效，這些東西大概就主要是 Engineer 們所需要處理的事情了吧？這樣說來 Engineer 其實也相當(dāng)不容易。這樣的話其實 Engineer 和 Scientist 的界線就又模糊了，就是工作在不同的抽象程度下的區(qū)別的樣子。

在工作和平時學(xué)習(xí)練習(xí)中，都是這樣。很多人問的太多，做的太少，導(dǎo)致眼高手低。比如你問用Ensemble，會怎么怎么樣呢？對哇，很多人能問這個問題，但是就是不去試一試。再比如，有偏樣本的問題，有過抽樣、欠抽樣、閾值調(diào)整等等方法，都可以去自己實踐一下，才會有更加直觀的認(rèn)識，否則只停留在討論階段是沒用的。

多走一步，每個問題都是自己成長的階梯。