如何成為一名合格的數(shù)據(jù)科學家

本文獨家探討了IT行業(yè)發(fā)展最快、業(yè)內(nèi)討論最多的角色之一--數(shù)據(jù)科學家。根據(jù)CNN報道，數(shù)據(jù)科學家是2012年度最佳的新工作之一，《哈佛商業(yè)評論》的評論文章甚至稱其為21世紀“最性感”的工作。數(shù)據(jù)科學家的工作是使用數(shù)據(jù)分析作為交易工具，在浩如煙海的數(shù)據(jù)容量中發(fā)掘有意義的關聯(lián)數(shù)據(jù)，并將其轉(zhuǎn)化為有利可圖的商業(yè)洞察力。

經(jīng)過為期數(shù)月的高失業(yè)率和仍然搖擺不定的經(jīng)濟態(tài)勢之后，從就業(yè)市場上得到的任何好消息都能迅速獲得關注，但即便是這樣，對于大家都關注著一個突然非常“in”的工作職務：數(shù)據(jù)科學家這樣的事情，似乎沒能完全解釋得清。

根據(jù)CNN報道，數(shù)據(jù)科學家是2012年度最佳的新工作之一，《哈佛商業(yè)評論》的評論文章甚至稱其為21世紀“最性感”的工作。

數(shù)據(jù)科學家的巨大誘惑力直接根源于市場對大數(shù)據(jù)與分析的強烈興趣。數(shù)據(jù)科學家的工作是使用數(shù)據(jù)分析作為交易工具，在浩如煙海的數(shù)據(jù)容量中發(fā)掘有意義的關聯(lián)數(shù)據(jù)，并將其轉(zhuǎn)化為有利可圖的商業(yè)洞察力。

此外，那些適應多維度工作崗位，糅合計算機科學，掌握先進的定量概念、業(yè)務領域知識和溝通技巧的人常常是鶴立雞群、鳳毛麟角。隨著數(shù)據(jù)科學家的供不應求，數(shù)據(jù)工作者的收入達到了6位數(shù)字，人力資源公司Modis高級副總裁Matthew Ripaldi表示。

招聘人員同樣表示數(shù)據(jù)科學家崗位飛速增長，即便工作職位的數(shù)量并不那么驚人?！爱斘覀儍赡昵伴_始尋找符合該職位要求的人時，僅僅只有8個工作崗位，但現(xiàn)在工作崗位有42個。”Tom Silver表示，他在工作搜索網(wǎng)站Dice.com擔任北美地區(qū)高級副總裁?！?3000個工作崗位中的42個，實在是不算龐大，但我決不會懷疑這個崗位在未來的快速發(fā)展”。

眾人矚目之外，有任何數(shù)據(jù)和計算機工作背景的人自然會心生懷疑，誰會成為數(shù)據(jù)科學家，我能不能成為數(shù)據(jù)科學家？筆者在此試著解答一些最基本的問題。

數(shù)據(jù)科學家是什么？

這個看似簡單的問題的答案，取決于你問的對象。網(wǎng)址縮短服務Bit.ly公司首席科學家Hilary Manson對數(shù)據(jù)科學家的定義獲得了廣泛接受與認可： 數(shù)據(jù)科學家指能獲取、清洗、探索、建模與解釋數(shù)據(jù)的人。

位于新墨西哥州圣達菲的咨詢機構(gòu)Hired Brains公司首席執(zhí)行官兼首席分析師 Neil Raden則更為深入，他將數(shù)據(jù)科學家分成兩種類型。

第一種類型--他們是真正的科學家，研究創(chuàng)造算法和方法，發(fā)表論文，并積極參與這些規(guī)則的溝通。這些單個的人物常見于以算法和方法為核心的研究機構(gòu)和學術機構(gòu)（想想谷歌、亞馬遜和華爾街），Raden表示。

第二種類型--這個類型的人群更接近于我們今天提到的雇傭市場上的人--他們不是科學家而是數(shù)據(jù)從業(yè)者，Raden補充道。他們都是統(tǒng)計學與數(shù)學建模及開發(fā)領域的專家，掌握并采用定量分析方法，設計、測試和部署模型。

預測分析服務提供商Opera解決方案研發(fā)中心全球負責人Jacob Spoelstra，也把在Opera工作的人大致歸類為數(shù)據(jù)科學家，以及由他本人與同事負責的其他工作。

Opera公司的“數(shù)據(jù)科學家”--與Raden分類的第一種類型人群十分符合--在機器學習（能力）的水平上工作，開發(fā)統(tǒng)計模型和模式識別算法，從海量數(shù)據(jù)流中發(fā)現(xiàn)和提取智能預測。他們將分析發(fā)現(xiàn)轉(zhuǎn)化為直接行動，通過減少財務欺詐或檢測高風險抵押貸款等類似措施，幫助提升業(yè)務。Spoelstra估計，類似谷歌這樣的公司雇傭了數(shù)百位這種類型的數(shù)據(jù)科學家，而Opera公司近700位雇員中，有三分之一是機器學習（能力）領域的專家。

同時，天才分析（Talent Analytics）公司CEO Greta Roberts堅信當前對數(shù)據(jù)科學家工作的理解實際上包含四大功能角色。一項針對數(shù)據(jù)科學家的調(diào)查詢問了他們?nèi)绾畏峙?1項分析功能的時間，出現(xiàn)了四個集群：數(shù)據(jù)準備人員（他們花費絕大部分時間，進行數(shù)據(jù)的采集、制備和分析）；程序員（他們創(chuàng)建程序并做相應的一些分析）；管理人員（他們專注于數(shù)據(jù)管理、管控、展示、詮釋與設計）；最后一種為通才（什么都干，什么都只會一點點）。

“當我最開始聽說這些的時候，我認為’沒有人符合該定義--他們怎么可能？’”Robert說，“因為這是一個新角色，我覺得人們把什么職責都扔給了他。當你過度指定，最終只能得到一個空集”。許多商業(yè)人士視作數(shù)據(jù)科學家的，實際上是一個團體的人表現(xiàn)出的各種各樣的功能。盡管現(xiàn)在依然缺乏符合這些角色的人，實際情況也與“鳳毛麟角”相去甚遠，有太多的人擁有這樣的天賦，成長為一個或多個所需的角色。

必要的技能與憑據(jù)是什么？

正如Robert表明的那樣，詳細的數(shù)據(jù)科學技能如雨后春筍般在網(wǎng)絡上列出，列表令人生畏。絕大多數(shù)指定經(jīng)驗要求先進的數(shù)學和統(tǒng)計分析（包括對類似R、SAS和Stata工具等的掌握）、創(chuàng)建程序（包括C、C++、Python和Java語言）、SQL數(shù)據(jù)庫、平臺如Hadoop/MapReduce、數(shù)據(jù)挖掘和建模、數(shù)據(jù)虛擬化、創(chuàng)造性和溝通能力與商務理解力。

當然，數(shù)據(jù)科學家的確需要與先前的數(shù)據(jù)分析人員決然不同的能力與技巧，這是事實。Raden承認，例如，他們需要有能力處理當前各種各樣的有效數(shù)據(jù)，并且最終分析數(shù)組可以采用，Raden表示。

他們需要掌握編程技巧，也要有定量方法和調(diào)查與建模方向的背景；在涉及到數(shù)據(jù)的時候，他們必須能夠辨別什么數(shù)據(jù)是有意義的，什么數(shù)據(jù)是無意義的，Raden補充道。高效的數(shù)據(jù)科學家還需要足夠的業(yè)務領域知識，在復雜學科上與缺乏相應背景工具和方法的人順暢溝通的能力，他說。

到底是什么導致數(shù)據(jù)科學家優(yōu)于其他分析人士呢？Ripaldi解釋，是溝通能力--通常的C系列--數(shù)據(jù)告訴他們結(jié)果，以及針對此結(jié)果應該如何采取行動。“你可以分析所有你想要的數(shù)據(jù)，但如果你不能清晰的表達出數(shù)據(jù)告訴你的東西，你就不能算作是數(shù)據(jù)科學家”，他說。畢竟，我們的目標是推進經(jīng)營戰(zhàn)略，如減少客戶流失，提供跨渠道，化解金融風險。

然后再一次，Robert看到了這些需求本身存在的固有的沖突，她坦陳，“他們不得不能夠坐在那里，在一段時間內(nèi)尋找數(shù)據(jù)，然后翻轉(zhuǎn)開關，化身為能引人入勝的主持人？這完全是兩個不同的人?！?/span>

Opera--也雇傭了各種各樣機器學習（能力）的數(shù)據(jù)科學家--在尋找這樣的人，他們擁有定量領域背景，有數(shù)學和統(tǒng)計概念資質(zhì)，能夠?qū)⑦@些概念以計算機程序進行實例化，接受大容量數(shù)據(jù)流并對解決實際商業(yè)問題有一定興趣。

“我們對那些需要學習機器學習算法的人感到自在，如果他們對數(shù)學和解決問題的能力表現(xiàn)出色?！監(jiān)pera分析部門全球負責人Joseph Milanna表示，“他們可能不是一名合格的數(shù)學家或已經(jīng)建立了神經(jīng)網(wǎng)絡，但他們應該表現(xiàn)出激情與興趣，這樣我們才會選擇他”。

擁有怎樣的背景，才能成為一名數(shù)據(jù)科學家？

在Opera，大多數(shù)成功的申請者都擁有更高水平的學術培訓甚至擁有PhD。“鑒于在機器學習科學和其他新出現(xiàn)的新型技術的進步，科學家的確需要更高水平的訓練，浸淫最新思想成果”，Milanna說。即便是在求職搜索網(wǎng)站Dice，半數(shù)的數(shù)據(jù)科學家都指定要求必須具備PhD學位，Silver表示，“這不是絕對必要的，但卻是主要的獎勵”，他補充。

Opera雇員跨越了各種各樣的數(shù)據(jù)驅(qū)動型學科，包括計算機科學、電子工程、統(tǒng)計學、機械工程和心理學。這樣跨學科的知識大有裨益，Milanna強調(diào)。例如，他已經(jīng)看到了來自水文學的分子式應用于股票市場交易信號。

對于更大的數(shù)據(jù)科學家池，Raden堅信PhD學位不是必要的。如果一個人現(xiàn)在的工作室商業(yè)智能和定量分析，并且在那之前表現(xiàn)出了先進的數(shù)學和統(tǒng)計建模能力，就可以成長為企業(yè)的數(shù)據(jù)科學家，為企業(yè)提供如預測建模和大數(shù)據(jù)等類似關鍵領域的指導與培訓。

Roberts表示同意，專注于特定技能和學歷。某些時候可能會成為潛在求職者思考的代理人?！八麄冋緢D衡量的是‘你喜歡學習嗎？’但一堆方法可以用來獲取該結(jié)論”，她表示。在天才分析（Talent Analytics）公司的調(diào)查中，數(shù)據(jù)科學家的先天特性包括好奇心、創(chuàng)造力、客觀、有條理地思考能力與對細節(jié)的專注力，她強調(diào)。Milanna和Spoelstra也同意該觀點，他們尋找候選人的最重要的天然特質(zhì)也包括好奇心、邏輯思維、常識力、毅力、實用性和良好的判斷力。

毫無疑問對數(shù)據(jù)科學家的需求只會不斷增長，但由于該角色相對新潮，隨著時間的推移，數(shù)據(jù)科學家的定義只會變化更多，不管是這些專業(yè)人士的工作范圍，還是企業(yè)組織、實現(xiàn)并發(fā)展所需人才的方法。

“對于處在IT行業(yè)、項目管理和產(chǎn)品管理的人士來說，這是一個巨大的發(fā)展機遇，他們不再害怕學習他們行業(yè)相關的知識，也不用擔心開夜車來整理頭緒、解決問題。”