由高級(jí)經(jīng)理（數(shù)據(jù)科學(xué)）Sharan Kumar Ravindran撰寫

一個(gè)人不需要有天生的天賦就能成為一名成功的數(shù)據(jù)科學(xué)家。然而，要在數(shù)據(jù)科學(xué)中取得成功，需要一些技能。所有這些關(guān)鍵技能都可以通過適當(dāng)?shù)呐嘤?xùn)和練習(xí)獲得。在這篇文章中，我將分享一些重要的技能，為什么它們對(duì)數(shù)據(jù)科學(xué)家來說很重要。此外，如何獲得這些技能。

批判性思維

數(shù)據(jù)科學(xué)家應(yīng)該養(yǎng)成批判性思維的習(xí)慣。它有助于更好地理解這個(gè)問題。除非把問題理解到最細(xì)的層次，否則解決方案不可能是好的。批判性思維有助于分析不同的選擇，并有助于選擇正確的選擇。

在解決數(shù)據(jù)科學(xué)問題時(shí)，這并不總是一個(gè)好的或壞的決定。很多選擇都處于好與壞之間的灰色地帶。在一個(gè)數(shù)據(jù)科學(xué)項(xiàng)目中涉及到如此多的決策。例如，選擇正確的屬性集、正確的方法、正確的算法、度量模型性能的正確度量，等等。它需要更多的分析和清晰的思考來選擇正確的選項(xiàng)。

培養(yǎng)批判性思維的一個(gè)簡(jiǎn)單方法就是像孩子一樣好奇。問盡可能多的問題，直到?jīng)]有更多的問題。我們問得越多，理解得越多。我們對(duì)問題理解得越好，結(jié)果就越好。

讓我用一個(gè)例子來演示批判性思維。讓我們考慮以下電信公司的場(chǎng)景。我們要識(shí)別忠誠的高凈值客戶。為了識(shí)別這個(gè)客戶群體，我們必須從一系列問題開始，

• 客戶有哪些不同的個(gè)人資料類別？
• 顧客的平均年齡是多少？
• 一個(gè)顧客花多少錢？
• 客戶互動(dòng)的頻率是多少？
• 客戶是否按時(shí)付賬？
• 是否有任何遲付或漏付的情況？
• 客戶的終身價(jià)值是什么？

這些有助于識(shí)別精英客戶。它有助于組織確保這些客戶體驗(yàn)到最好的服務(wù)。

有一些技巧有助于提高批判性思維能力。其中一種技巧是第一性原理思維。它是一個(gè)有助于更好地理解問題的心智模型。下面是一個(gè)使用第一性原理解決數(shù)據(jù)科學(xué)問題的示例。

如何運(yùn)用第一性原理思維解決數(shù)據(jù)科學(xué)問題？

心智模型是幫助清晰思考和更好決策的驚人工具。因此，采用心智模型有助于提高你的批判性思維能力。這里有一篇文章強(qiáng)調(diào)了在工作中采用心智模型的好處。

5個(gè)心智模型，幫助提升您的數(shù)據(jù)科學(xué)職業(yè)生涯

編碼

編碼技能對(duì)數(shù)據(jù)科學(xué)家來說就像眼睛對(duì)藝術(shù)家一樣重要。數(shù)據(jù)科學(xué)家要做的任何事情都需要編碼技能。從多個(gè)來源讀取數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行探索性分析，構(gòu)建模型，并對(duì)其進(jìn)行評(píng)估。

AutoML解決方案會(huì)發(fā)生什么？近年來有許多AutoML產(chǎn)品出現(xiàn)。許多人甚至認(rèn)為很快就不需要任何編碼技能了。讓我們舉一個(gè)例子，

• 有2家公司，A公司和B公司
• 他們都在使用最流行的AutoML產(chǎn)品
• 他們能夠使用AutoML解決幾個(gè)數(shù)據(jù)科學(xué)問題
• 現(xiàn)在他們中的一個(gè)想主宰市場(chǎng)
• 能夠在使用AutoML解決方案實(shí)現(xiàn)的解決方案之上做的公司將有更好的機(jī)會(huì)。

不可否認(rèn)，AutoML解決方案將在未來得到廣泛采用。數(shù)據(jù)科學(xué)團(tuán)隊(duì)今天解決的許多標(biāo)準(zhǔn)問題將被自動(dòng)化。這并不意味著數(shù)據(jù)科學(xué)工作的結(jié)束，也不意味著數(shù)據(jù)科學(xué)家編寫代碼的需求的結(jié)束。它將使數(shù)據(jù)科學(xué)團(tuán)隊(duì)能夠?qū)Ｗ⒂谛碌膯栴}。

今天被捕獲的數(shù)據(jù)量如此之高。今天，許多組織只使用了可用數(shù)據(jù)的一小部分。有了AutoML，焦點(diǎn)將轉(zhuǎn)移到未被探索的領(lǐng)域。

你是否對(duì)數(shù)據(jù)科學(xué)感興趣，但覺得自己沒有編碼技能？這里有一篇文章將幫助您學(xué)習(xí)為數(shù)據(jù)科學(xué)編寫代碼。

不會(huì)編碼？以下是學(xué)習(xí)為數(shù)據(jù)科學(xué)編寫代碼的最佳方法

數(shù)學(xué)

數(shù)學(xué)是數(shù)據(jù)科學(xué)家需要理解的另一項(xiàng)重要技能。在學(xué)習(xí)數(shù)據(jù)科學(xué)時(shí)，你不知道一些數(shù)學(xué)概念是可以的。如果不了解數(shù)學(xué)概念，就不可能成為一名出色的數(shù)據(jù)科學(xué)家。

讓我舉一個(gè)簡(jiǎn)單的例子，說明數(shù)學(xué)概念在解決問題時(shí)是如何有用的。讓我們選擇客戶流失分析。

• 我們將從了解不同組客戶的行為和特征開始。一種方法是選擇不同的樣本數(shù)據(jù)并尋找模式。這里需要的數(shù)學(xué)概念是統(tǒng)計(jì)和概率
• 為了有效地進(jìn)行數(shù)據(jù)分析，對(duì)線性代數(shù)的理解將非常方便
• 假設(shè)我們想建立一個(gè)模型來預(yù)測(cè)有可能流失的用戶。為了理解梯度下降的概念，微積分知識(shí)將是有幫助的。如果您正在使用決策樹，那么信息論的知識(shí)將有助于理解構(gòu)建樹的邏輯。
• 如果你期待著優(yōu)化參數(shù)，那么運(yùn)籌學(xué)和優(yōu)化的知識(shí)可能會(huì)有所幫助。
• 為了有效地實(shí)現(xiàn)模型評(píng)估，代數(shù)等數(shù)學(xué)概念可能非常有用

這還不是全部，沒有數(shù)學(xué)就沒有機(jī)器學(xué)習(xí)算法。這并不意味著你需要成為一名數(shù)學(xué)家才能成為一名成功的數(shù)據(jù)科學(xué)家。它所需要的只是高中數(shù)學(xué)水平。

如果你有興趣學(xué)習(xí)數(shù)據(jù)科學(xué)的數(shù)學(xué)。這是最適合你的課程。

數(shù)據(jù)科學(xué)數(shù)學(xué)

協(xié)作

一個(gè)數(shù)據(jù)科學(xué)家不能孤立地工作。一個(gè)數(shù)據(jù)科學(xué)家應(yīng)該與多人協(xié)作以確保項(xiàng)目的成功。即使在今天，許多數(shù)據(jù)科學(xué)項(xiàng)目也失敗了。大多數(shù)失敗的首要原因是團(tuán)隊(duì)之間缺乏理解和合作。

解釋跨不同團(tuán)隊(duì)協(xié)作和工作的重要性。讓我們考慮一個(gè)場(chǎng)景，其中數(shù)據(jù)科學(xué)團(tuán)隊(duì)正在與客戶增長團(tuán)隊(duì)合作。目的是了解客戶流失的原因。

你決定和幾個(gè)不同的團(tuán)隊(duì)談?wù)劊麄兪沁@樣說的

增長團(tuán)隊(duì)-客戶流失主要是由于競(jìng)爭(zhēng)提供的優(yōu)惠

營銷團(tuán)隊(duì)-產(chǎn)品團(tuán)隊(duì)發(fā)布的新特性可能會(huì)導(dǎo)致一些問題，從而導(dǎo)致客戶流失

產(chǎn)品團(tuán)隊(duì)-營銷團(tuán)隊(duì)只是專注于吸引大量新客戶，而沒有建立客戶的價(jià)值或意圖

客戶支持小組-許多客戶報(bào)告了許多與支付有關(guān)的問題。這可能是客戶流失的原因

如果您沒有與其他團(tuán)隊(duì)交談，您將根據(jù)增長團(tuán)隊(duì)提供的信息開始解決這個(gè)問題。你不能僅僅依靠一個(gè)團(tuán)隊(duì)的投入來解決一個(gè)問題。即使增長團(tuán)隊(duì)是這里的主要發(fā)起人，僅僅依賴他們提供的投入也是不夠的。為了獲得一個(gè)整體的圖像，您需要與不同的利益相關(guān)者交談。當(dāng)你限制與你一起工作的人或團(tuán)隊(duì)時(shí)，來自這些人的偏見會(huì)傳遞到你正在構(gòu)建的解決方案中。

此外，在許多情況下，數(shù)據(jù)科學(xué)團(tuán)隊(duì)需要與數(shù)據(jù)工程和其他技術(shù)團(tuán)隊(duì)密切合作。沒有良好的合作努力，就不會(huì)有成功。

溝通與講故事

• 在項(xiàng)目中投入的努力量
• 在生產(chǎn)中部署的最終機(jī)器學(xué)習(xí)模型的準(zhǔn)確性
• 從探索性分析中發(fā)現(xiàn)的見解

如果解決方案沒有很好地傳達(dá)給利益相關(guān)者，所有這些都是無用的。數(shù)據(jù)科學(xué)中涉及的問題和解決方案通常要復(fù)雜得多。在將它們傳達(dá)給業(yè)務(wù)之前，簡(jiǎn)化它們是非常重要的。在交流中使用講故事的方法很有幫助。

讓我舉一個(gè)例子，更簡(jiǎn)單地解釋良好溝通的重要性。讓我們考慮以下場(chǎng)景。數(shù)據(jù)科學(xué)團(tuán)隊(duì)正在研究一個(gè)預(yù)測(cè)模型，以預(yù)測(cè)零售能源客戶的能源使用情況。數(shù)據(jù)科學(xué)團(tuán)隊(duì)需要說服業(yè)務(wù)和基礎(chǔ)設(shè)施團(tuán)隊(duì)擁有和運(yùn)行至少10個(gè)不同的模型以獲得更好的準(zhǔn)確性的重要性。這意味著更高的計(jì)算能力的使用和更多的時(shí)間來訓(xùn)練模型。

選項(xiàng)a-您使用用于將客戶分組到不同組中的聚類技術(shù)，因此需要為每個(gè)組建立一個(gè)模型。

這里的問題是，業(yè)務(wù)團(tuán)隊(duì)還沒有被告知為每個(gè)組實(shí)際使用一個(gè)模型的好處。因此，如果成本很高，他們可能不會(huì)被說服。

選項(xiàng)B-從客戶的配置文件和特征開始。您可以顯示客戶的能源使用模式。你向業(yè)務(wù)團(tuán)隊(duì)展示了獨(dú)特的模式，比如一些家庭在周末幾乎使用可以忽略不計(jì)的電力，可能是因?yàn)樗麄兺ǔA向于在不同的地方度過周末。同樣，你展示了獨(dú)特的模式，因此你解釋了一個(gè)模型不能適合所有這些不同的客戶，因此至少需要每個(gè)10個(gè)不同的模型來迎合10個(gè)不同的獨(dú)特類別的客戶。

現(xiàn)在，企業(yè)明白了擁有這么多不同模型的重要性。他們可以很容易地將增量收益與所需的基礎(chǔ)設(shè)施成本進(jìn)行比較，以評(píng)估選項(xiàng)。

數(shù)據(jù)科學(xué)團(tuán)隊(duì)的工作是向利益相關(guān)者清楚地傳達(dá)這個(gè)想法。這不是一項(xiàng)容易的工作，因?yàn)榇蠖鄶?shù)人對(duì)數(shù)據(jù)科學(xué)的知識(shí)有限。只有當(dāng)企業(yè)從中發(fā)現(xiàn)價(jià)值時(shí)，數(shù)據(jù)科學(xué)項(xiàng)目才被認(rèn)為是成功的。

改善組織中協(xié)作的一個(gè)好方法是提供一個(gè)在團(tuán)隊(duì)之間有良好信息流動(dòng)的環(huán)境。

領(lǐng)導(dǎo)技能-好的擁有

Last but not least is leadership skills. Most organizations have a small data science team and they generally work on different sets of problems. It is very common for a data scientist to get pulled into different meetings and for Adhoc questioning. It is the job of the data scientist to decide when to say yes and when to say No. It is very important to set the priorities right.

此外，數(shù)據(jù)科學(xué)家需要有一個(gè)清晰的思考過程，并應(yīng)該有能力預(yù)見結(jié)果。很多時(shí)候，業(yè)務(wù)團(tuán)隊(duì)會(huì)有很大的壓力來加速分析。數(shù)據(jù)科學(xué)家的角色是管理期望并產(chǎn)生高質(zhì)量的結(jié)果。

保持聯(lián)系

• 如果你喜歡這篇文章并對(duì)類似的文章感興趣，請(qǐng)?jiān)贛edium上關(guān)注我。訂閱Medium，可以獲得數(shù)千篇與職業(yè)、金錢等相關(guān)的文章。
• 我在YouTube頻道上教授和談?wù)摳鞣N數(shù)據(jù)科學(xué)話題。在這里訂閱我的頻道。
• 在這里注冊(cè)tomy電子郵件列表，獲取更多數(shù)據(jù)科學(xué)提示，并與我的工作保持聯(lián)系