成為一位卓越數(shù)據(jù)科學家必須要具備四大特征

對于那些希望在大數(shù)據(jù)時代掘金的公司來說，成功的關鍵是找到數(shù)據(jù)科學家， 并圍繞數(shù)據(jù)科學家搭建團隊。如今優(yōu)秀的數(shù)據(jù)科學家一將難求， 而卓越的數(shù)據(jù)科學家更是燦若晨星。 如何才能發(fā)現(xiàn)真正改變企業(yè)乃至行業(yè)未來的偉大的數(shù)據(jù)科學家呢？

Thomas Redman在哈佛商業(yè)評論博客中發(fā)表了一篇關于區(qū)分好的數(shù)據(jù)科學家和偉大的數(shù)據(jù)科學家的文章。

好的數(shù)據(jù)科學家能夠幫助你從浩如煙海的數(shù)據(jù)中發(fā)現(xiàn)你無法發(fā)現(xiàn)的規(guī)律， 而偉大的數(shù)據(jù)科學家可以發(fā)現(xiàn)一個更大的世界， 他們采用數(shù)據(jù)， 但不完全依賴于數(shù)據(jù)。

在過去的幾年里， 我有幸能夠和上百個好的統(tǒng)計學家， 分析師和數(shù)據(jù)科學家合作。 其中有一些可以稱之為“偉大”。 我發(fā)現(xiàn)， 這些偉大的數(shù)據(jù)科學家們都具備四大特征， 是那些好數(shù)據(jù)科學家所不具備的。

好奇心

最近有很多人都在提到好奇心是數(shù)據(jù)科學家的必要素質(zhì)。 這沒錯， 和任何領域的科學家一樣， 數(shù)據(jù)科學家也需要具備基本的好奇心。

而偉大的數(shù)據(jù)科學家將好奇心發(fā)展到極致。 他們熱衷于研究這個世界， 他們會為了發(fā)現(xiàn)事物的規(guī)律和原因而興奮不已。他們從數(shù)據(jù)中去發(fā)現(xiàn)事物的規(guī)律和原因。 面對數(shù)據(jù) 他們會從數(shù)據(jù)的不同角度來進行研究， 進而去發(fā)現(xiàn)別人所看不到的規(guī)律。

一定的數(shù)學水平

偉大的數(shù)據(jù)科學家能夠發(fā)現(xiàn)別人看不到的東西。 舉個例子來說， 我以前在一個投行碰到過一個實習生。 他現(xiàn)在已經(jīng)是一個大的媒體集團的首席數(shù)據(jù)科學家。 在他第二天上班的時候， 老板給了他一疊報告。 他簡單掃了一眼報告， 發(fā)現(xiàn)了一個關于回報率的計算錯誤。 他有花了一個小時驗證了這個錯誤并算出正確答案。

重要的是， 幾百人都看過這份報告， 而這是一個頂級的投資銀行， 肯定有一些相當好的分析師也看過這個報告， 而只有他看出了這個錯誤。

在描述現(xiàn)實世界的時候， 數(shù)學是一種非常有效的語言（愛因斯坦說是“難以置信的有效）。 偉大的數(shù)據(jù)科學家對這種語言具備一種天生的感覺， 這些甚至是一些好的數(shù)據(jù)科學家所做不到的。

堅持

偉大的數(shù)據(jù)科學家在很多方面都能表現(xiàn)出堅持的特點。 前面說的實習生， 看了一眼發(fā)現(xiàn)了錯誤， 花了一個鐘頭就驗證出來了。 實際上數(shù)據(jù)分析很少能這么快。 就像BT的CIO Jeff Hooper在貝爾實驗室時有句名言：“數(shù)據(jù)不會輕易地把秘密告訴你， 你需要把秘密從中榨出來?！?/span>

這說的一點沒錯。 即便在最好的情況下， 數(shù)據(jù)也常常是不完整甚至存在錯誤的。 而大部分數(shù)據(jù)最后都和你要解決的問題無關。 盯著這些“噪音”數(shù)據(jù)工作是一項單調(diào)無趣的工作。 好的數(shù)據(jù)科學家可能會轉而研究別的問題， 而偉大的數(shù)據(jù)科學家會堅持繼續(xù)研究。

數(shù)據(jù)科學家的另外一個堅持就是他們會堅持表述自己的發(fā)現(xiàn)。 這一點， 在大的企業(yè)中， 甚至可能比“噪音”數(shù)據(jù)更加會令人沮喪。 還是拿前面那個實習生的例子。 他工作第二天就發(fā)現(xiàn)了這個錯誤， 而他需要整個實習期都要來“捍衛(wèi)”他這個發(fā)現(xiàn)。 出了錯誤的部門肯定會死不承認， 而別的部門就想看笑話。 數(shù)據(jù)科學家夾在其中， 需要足夠的堅持才能把正確的觀點傳達出來。

技術能力

掌握最新的數(shù)據(jù)分析方法很重要， 更重要的是， 要有具備對統(tǒng)計學的知識和熱情。 簡單的說， 數(shù)據(jù)分析包括兩類：描述型分析和預測型分析。 描述性分析已經(jīng)很難了。 而預測型分析則更加棘手， 它充滿了不確定性。

偉大的數(shù)據(jù)科學家能夠駕馭不確定性。 他們知道預測的哪些部分是基于真實的觀察， 哪些因素是基于假設的。 他們知道要使預測有效， 哪些條件必須滿足。 哪些因素會導致預測失效， 哪些未知因素可能會導致預測錯誤等等。 他們會量化風險。 他們會設計一些小型實驗來驗證或者推翻某些假設。

總之， 這不是一種“數(shù)學技能”， 而是長期在復雜的工作中，經(jīng)過了無數(shù)成功和失敗后培養(yǎng)出來的一種能力。

偉大的數(shù)據(jù)科學家非常稀少， 他們就是數(shù)據(jù)科學界的邁克爾-喬丹， 朱莉婭-羅伯茨， 或者帕瓦羅蒂。 如果企業(yè)需要認真地把寶壓在從大數(shù)據(jù)和數(shù)據(jù)分析上， 那么你需要找到一個到兩個這樣的人， 給他們配備團隊， 營造好的環(huán)境， 讓他們按照自己的方式去工作。