在Springboard，我們的學(xué)生經(jīng)常問(wèn)我們這樣的問(wèn)題“數(shù)據(jù)科學(xué)家是做什么?”或者“數(shù)據(jù)科學(xué)家每天的工作是什么樣子?”這些問(wèn)題很棘手。答案因角色和公司不同而不同。

因此，我們咨詢了Raj Bandyopadhyay, Springboard數(shù)據(jù)科學(xué)教育主管，看看他是否有一個(gè)更好的答案。Raj提供了下圖中的框架，它既可以幫助你了解數(shù)據(jù)科學(xué)家的日常工作，也可以幫你理解數(shù)據(jù)科學(xué)解決問(wèn)題的流程，Raj稱之為“數(shù)據(jù)科學(xué)工作流程”。

步驟1：?jiǎn)栴}界定

在解決問(wèn)題之前，首先要做的是把問(wèn)題界定清楚，去定義它到底是什么。你必須能夠?qū)?shù)據(jù)問(wèn)題轉(zhuǎn)化為可操作的東西。

你經(jīng)常會(huì)從持有問(wèn)題的人那里得到模糊的描述。你必須培養(yǎng)直覺(jué)：通過(guò)問(wèn)一些別人不會(huì)問(wèn)的問(wèn)題，把這些模糊描述轉(zhuǎn)換成可操作的問(wèn)題。

假設(shè)您正在為公司的銷售人員解決問(wèn)題，你應(yīng)該了解他們的目標(biāo)是什么以及數(shù)據(jù)問(wèn)題背后真正的本質(zhì)是什么?在你開(kāi)始考慮問(wèn)題之前，你必須與他們合作，明確界定問(wèn)題。正確地提問(wèn)是這一步驟的關(guān)鍵。你應(yīng)該弄清楚銷售過(guò)程是什么樣子，誰(shuí)是客戶。你需要盡可能了解背景知識(shí)以便將數(shù)據(jù)轉(zhuǎn)換為洞察力。為此，你應(yīng)該問(wèn)類似下面的問(wèn)題：

(1)誰(shuí)是顧客?

(2)他們?yōu)槭裁促I(mǎi)我們的產(chǎn)品?

(3)我們?nèi)绾晤A(yù)測(cè)，一個(gè)客戶是否會(huì)買(mǎi)我們的產(chǎn)品?

(4)表現(xiàn)好和差客戶細(xì)分群體之間的區(qū)別在哪里?

(5)如果我們不能把產(chǎn)品賣給目標(biāo)客戶，我們的損失有多大?

在回答你的問(wèn)題時(shí)候，銷售人員可能會(huì)發(fā)現(xiàn)他們想知道為什么產(chǎn)品在部分細(xì)分客戶群體中的銷售不及預(yù)期。他們的最終目標(biāo)可能是確定是否繼續(xù)投資于這些群體，或是降低它們的優(yōu)先級(jí)。這樣你進(jìn)一步細(xì)化了問(wèn)題，針對(duì)細(xì)化后的問(wèn)題發(fā)掘答案。在這個(gè)階段的最后，你應(yīng)該有了所有你需要解決問(wèn)題的背景知識(shí)。

步驟2：收集原始數(shù)據(jù)

一旦定義好了問(wèn)題，你需要通過(guò)數(shù)據(jù)來(lái)尋找解決方案。這一進(jìn)程中要想清楚需要什么樣的數(shù)據(jù)?通過(guò)什么渠道可以獲取這些數(shù)據(jù)?是要內(nèi)部數(shù)據(jù)庫(kù)數(shù)據(jù)還是需要購(gòu)買(mǎi)外部數(shù)據(jù)?

或許你可能會(huì)發(fā)現(xiàn)，你要數(shù)據(jù)都存儲(chǔ)在公司的客戶關(guān)系管理CRM系統(tǒng)中，那么就可以將數(shù)據(jù)用CSV文件的形式導(dǎo)出。

步驟3：數(shù)據(jù)預(yù)處理

現(xiàn)在，你有了原始數(shù)據(jù)，但是還需要為后續(xù)的分析做數(shù)據(jù)預(yù)處理。通常情況下，數(shù)據(jù)都是雜亂無(wú)章的，特別是沒(méi)有很好地存儲(chǔ)的情況下。很多東西都可以導(dǎo)致后續(xù)分析的錯(cuò)誤：null值，重復(fù)值和缺失值。對(duì)數(shù)據(jù)的精心核查才能保障從數(shù)據(jù)中得到有價(jià)值的見(jiàn)解。

你要檢查以下常見(jiàn)錯(cuò)誤：

(1)缺失值，例如客戶沒(méi)有初次接觸日期

(2)損壞值，如無(wú)效輸入項(xiàng)

(3)時(shí)區(qū)差異，也許你的數(shù)據(jù)庫(kù)沒(méi)有考慮到用戶處在不同的時(shí)區(qū)

(4)日期范圍錯(cuò)誤，也許你會(huì)有沒(méi)有任何意義日期數(shù)據(jù)，比如銷售開(kāi)始前的注冊(cè)數(shù)據(jù)。

你需要對(duì)數(shù)據(jù)文件的行和列進(jìn)行統(tǒng)計(jì)，并對(duì)某些值進(jìn)行測(cè)試，看看它們是不是有意義。如果您發(fā)現(xiàn)沒(méi)有意義，你需要?jiǎng)h除數(shù)據(jù)，或者使用默認(rèn)值替換它。這里，你需要利用你直覺(jué)：如果客戶沒(méi)有初次接觸日期，是否就真沒(méi)有初次接觸日期?或者你可以詢問(wèn)銷售人員，是否是把初次接觸日期的數(shù)據(jù)弄丟了?一旦你完成數(shù)據(jù)清理工作，你就可以開(kāi)始準(zhǔn)備探索性數(shù)據(jù)分析。

步驟4：探索數(shù)據(jù)

當(dāng)你的數(shù)據(jù)是干凈的，你就應(yīng)該開(kāi)始使用它!這里的困難在于如何對(duì)真正有見(jiàn)解的想法進(jìn)行測(cè)試。你必須為數(shù)據(jù)科學(xué)項(xiàng)目設(shè)定最后期限(銷售人員可能正等待的分析)，所以你必須對(duì)問(wèn)題進(jìn)行優(yōu)先級(jí)劃分?！澳惚仨毾瓤纯醋钣腥さ哪Ｊ剑簬椭忉尀槭裁茨承┛蛻羧后w的銷量減少了。您可能會(huì)注意到，他們?cè)谏缃幻襟w上不是非?；钴S，只有少數(shù)人有Twitter或Facebook帳戶。您可能還注意到，其中大部分人的年齡偏大，你可以開(kāi)始跟蹤這些模式進(jìn)行更深入分析。

步驟5：深入分析

這一步你要應(yīng)用統(tǒng)計(jì)學(xué)、數(shù)學(xué)和數(shù)據(jù)科學(xué)工具，圍繞有趣的模型進(jìn)行詳細(xì)分析。

在這種情況下，你可能需要?jiǎng)?chuàng)建預(yù)測(cè)模型比較業(yè)績(jī)不佳組客戶與客戶平均。你可能會(huì)發(fā)現(xiàn)，年齡和社交媒體活躍度是影響購(gòu)買(mǎi)產(chǎn)品的顯著因素。

如果你在問(wèn)題界定階段就已經(jīng)了解了很多背景信息，你可能會(huì)意識(shí)到該公司營(yíng)銷活動(dòng)集中在社交媒體上與年輕受眾進(jìn)行互動(dòng)。但是某些客戶卻喜歡電話的交流，而不是社交媒體。你開(kāi)始看到該產(chǎn)品的營(yíng)銷方式對(duì)銷售的影響，也許那部分客戶是不應(yīng)該流失的群體。公司應(yīng)該從過(guò)分依賴社會(huì)化媒體營(yíng)銷策略向更加個(gè)性化的策略轉(zhuǎn)變。

現(xiàn)在，您可以將所有數(shù)據(jù)定量分析得到的定性見(jiàn)解，通過(guò)講故事的方式說(shuō)服相關(guān)人員采取行動(dòng)。

第6步：結(jié)果溝通

讓銷售人員理解你們的發(fā)現(xiàn)很重要。溝通交流的有效性決定了你的方案是否被采納。

你應(yīng)該撰寫(xiě)一個(gè)有令人信服的故事，將自己的知識(shí)與數(shù)據(jù)恰當(dāng)嵌入其中。你可以從解釋老年人中銷售業(yè)績(jī)不佳背后的原因開(kāi)始;你可以巧妙地將銷售人員給你信息和數(shù)據(jù)中發(fā)現(xiàn)見(jiàn)解結(jié)合起來(lái);然后你轉(zhuǎn)到解決問(wèn)題的具體辦法：可以將部分資源從社會(huì)化媒體轉(zhuǎn)移到私人電話推銷中。

了解以上步驟，對(duì)于系統(tǒng)思考數(shù)據(jù)科學(xué)有極大的幫助。