數(shù)據(jù)科學(xué)是近年來(lái)最熱門(mén)的領(lǐng)域之一，吸引了大量人才加入頂級(jí)公司數(shù)據(jù)科學(xué)團(tuán)隊(duì)的競(jìng)爭(zhēng)。有很多文章教你DS面試的toprep如何“從其他面試者中脫穎而出”，但旅程肯定不會(huì)止步于被錄用。得到一份工作只是第一步；然而，沒(méi)有多少人談?wù)撘坏┠阃ㄟ^(guò)面試并加入公司，你如何從其他受雇的數(shù)據(jù)科學(xué)家中脫穎而出。

在麥肯錫的幾年里，我有幸與麥肯錫和我服務(wù)過(guò)的頂級(jí)公司的無(wú)數(shù)聰明的數(shù)據(jù)科學(xué)家共事，并觀察到了那些獲得合作伙伴和客戶(hù)最高評(píng)級(jí)和贊揚(yáng)的共同特征。也許你們中的一些人會(huì)感到驚訝，表現(xiàn)最好的數(shù)據(jù)科學(xué)家不一定是那些構(gòu)建最出色的模型或編寫(xiě)最高效代碼的人（當(dāng)然，他們必須清除相當(dāng)高的技術(shù)技能標(biāo)準(zhǔn)才能被雇用），而是那些除了分析能力之外還擁有許多重要的“軟技能”的人。這篇文章總結(jié)了我在麥肯錫工作期間的經(jīng)驗(yàn)和觀察，總結(jié)了5個(gè)教訓(xùn)，這些教訓(xùn)將幫助你成為一名更好的數(shù)據(jù)科學(xué)家。

作為一個(gè)熱愛(ài)精確的數(shù)據(jù)人員，我想指出，盡管“數(shù)據(jù)科學(xué)家”作為一個(gè)標(biāo)題涵蓋了當(dāng)今行業(yè)中的廣泛工作，但在本文中，我主要關(guān)注的是對(duì)以任何形式影響業(yè)務(wù)決策的數(shù)據(jù)科學(xué)家（而不是那些更面向研究的“核心數(shù)據(jù)科學(xué)”角色）的提示。

第1課。自上而下的溝通是關(guān)鍵

自上而下的溝通，或稱(chēng)金字塔原則，是麥肯錫合伙人芭芭拉·明托創(chuàng)造并推廣的，被許多人視為商業(yè)（甚至個(gè)人生活）中最有效的溝通結(jié)構(gòu)。盡管這是戰(zhàn)略顧問(wèn)等一些人的第二天性，但許多數(shù)據(jù)科學(xué)家在溝通方面會(huì)被絆倒。想法很簡(jiǎn)單：當(dāng)你試圖溝通一個(gè)想法/論點(diǎn)時(shí)，如果你以關(guān)鍵信息開(kāi)始，然后是支持這一關(guān)鍵信息的幾個(gè)主要論點(diǎn)是最有效的，也是最容易讓觀眾理解的；如果需要，每個(gè)參數(shù)后面都可以跟支持?jǐn)?shù)據(jù)。

采用自上而下的通信是有利的，原因如下：

1. 關(guān)鍵是前面和中心：如果你在電子郵件/備忘錄的開(kāi)頭看到了TLDR，或者在研究論文的開(kāi)頭看到了執(zhí)行摘要，你就會(huì)明白這一點(diǎn)的重要性。預(yù)先傳達(dá)關(guān)鍵信息將確保你的聽(tīng)眾得到一個(gè)大致的概念，即使他們沒(méi)有抓住所有的細(xì)節(jié)。
2. 演示/交流可以很容易地針對(duì)不同的受眾進(jìn)行定制：您可以準(zhǔn)備一套交流，并將其保持在“關(guān)鍵信息”的級(jí)別上，為C級(jí)主管提供主要論點(diǎn)，并為同行和其他對(duì)雜草內(nèi)容感興趣的分析性受眾提供細(xì)節(jié)。

不幸的是，對(duì)于數(shù)據(jù)科學(xué)家來(lái)說(shuō)，他們的工作大部分時(shí)間都在進(jìn)行深入的分析，這種通信結(jié)構(gòu)可能不是自然的，而且可能違反直覺(jué)。我經(jīng)?？吹綌?shù)據(jù)科學(xué)家以深入的細(xì)節(jié)開(kāi)始演示或交流，但沒(méi)有傳達(dá)關(guān)鍵信息，就讓觀眾迷失了方向。

如何實(shí)踐:一個(gè)簡(jiǎn)單的實(shí)踐方法是在會(huì)議之前根據(jù)這種結(jié)構(gòu)記下你的想法，以便在交流分析的關(guān)鍵發(fā)現(xiàn)時(shí)保持正確。經(jīng)常退一步問(wèn)問(wèn)自己你真正想解決的是什么問(wèn)題也很有幫助；那應(yīng)該是你傳達(dá)的關(guān)鍵信息。

第2課。自己做“翻譯”

如果你看看麥肯錫為公司數(shù)據(jù)組織設(shè)計(jì)的suggestedblueprint,它強(qiáng)調(diào)了一個(gè)名為“翻譯家”的角色的重要性，這個(gè)角色被認(rèn)為是業(yè)務(wù)和數(shù)據(jù)團(tuán)隊(duì)之間溝通的橋梁，將分析洞察力轉(zhuǎn)化為業(yè)務(wù)可操作的洞察力（我認(rèn)為這個(gè)角色部分源于對(duì)我上面提到的觀點(diǎn)的失望）。我敢肯定，作為一名數(shù)據(jù)科學(xué)家，你被要求“像你向一個(gè)五歲的孩子解釋一樣解釋它”或“用簡(jiǎn)單的英語(yǔ)解釋它”。從其他人中脫穎而出的數(shù)據(jù)科學(xué)家正是能夠做到這一點(diǎn)的人--充當(dāng)自己的翻譯；如果有人問(wèn)他們，他們可以向既沒(méi)有分析背景也沒(méi)有時(shí)間閱讀白皮書(shū)的首席執(zhí)行官很好地解釋他們的ML模型，而且他們總是可以將分析結(jié)果與業(yè)務(wù)影響聯(lián)系起來(lái)。這些數(shù)據(jù)科學(xué)家受到重視的原因如下：

1. 很難從非分析性的人那里得到“翻譯”：麥肯錫確實(shí)試圖培養(yǎng)一批戰(zhàn)略顧問(wèn)來(lái)做不同分析研究的“翻譯”；但在我看來(lái)，從來(lái)沒(méi)有成功過(guò)。原因很簡(jiǎn)單：為了準(zhǔn)確地解釋復(fù)雜分析的關(guān)鍵要點(diǎn)并準(zhǔn)確地反映警告，你需要一種分析心態(tài)和深刻的理解，這是通過(guò)幾周的分析新兵訓(xùn)練營(yíng)培訓(xùn)無(wú)法實(shí)現(xiàn)的。例如，如果你不知道肘法，你如何解釋你為K-均值選擇的簇?cái)?shù)？如果你不知道SSE是什么，你怎么解釋肘法？。作為一名學(xué)生，你花在教授這個(gè)大多不成功的速成班上的時(shí)間可能更好地花在打造自己的交流風(fēng)格和自己想出翻譯上。
2. 如果DS能解釋他們自己的分析，精確度的損失是可以避免的：我相信大多數(shù)人都玩過(guò)“電話(huà)”游戲或它的變體。信息傳遞的時(shí)間越長(zhǎng)，就越難保持其準(zhǔn)確性?，F(xiàn)在想象同樣的過(guò)程發(fā)生在你的分析工作中；如果你依賴(lài)別人來(lái)解釋/翻譯你的作品，當(dāng)它到達(dá)最終用戶(hù)時(shí)，信息可能會(huì)與現(xiàn)實(shí)相差很大。

如何實(shí)踐:與朋友（最好是沒(méi)有任何分析背景的朋友）一起實(shí)踐，向他們解釋您的模型/分析（當(dāng)然不透露任何敏感信息）。這也是在你的方法中發(fā)現(xiàn)知識(shí)差距的一個(gè)很好的方法；就像“偉大的解釋者”理查德·費(fèi)曼認(rèn)為的那樣，如果你不知道如何用簡(jiǎn)單的方式解釋某事，很多時(shí)候是因?yàn)槟阕约簺](méi)有很好地理解它。

第3課。解決方案驅(qū)動(dòng)是1號(hào)規(guī)則

這不僅限于數(shù)據(jù)人才；對(duì)于公司的任何職能/角色的人來(lái)說(shuō)，這都是必不可少的。當(dāng)然，能夠發(fā)現(xiàn)問(wèn)題并提出擔(dān)憂(yōu)是非常有價(jià)值的，但更值得贊賞的是提出潛在解決方案的能力。沒(méi)有一個(gè)解決方案驅(qū)動(dòng)的人在房間里，討論往往會(huì)繞圈子，癡迷于問(wèn)題，而不是試圖找出前進(jìn)的道路。

在大多數(shù)頂級(jí)咨詢(xún)公司，解決方案驅(qū)動(dòng)是一號(hào)法則，在我看來(lái)，這種方法也應(yīng)該轉(zhuǎn)移到技術(shù)領(lǐng)域。作為一名數(shù)據(jù)科學(xué)家，當(dāng)人們由于缺乏分析背景而提出荒謬的數(shù)據(jù)要求時(shí)，您可能會(huì)經(jīng)常經(jīng)歷令人沮喪的情況。我見(jiàn)過(guò)無(wú)數(shù)DS不知道如何處理這些情況，并因經(jīng)常唱反調(diào)而在涉眾管理中失敗。與其關(guān)閉它們，不如以解決方案為導(dǎo)向，幫助它們重新定義請(qǐng)求，并利用您對(duì)數(shù)據(jù)和分析工具的更好理解來(lái)限制范圍。

以解決方案為導(dǎo)向并不意味著你永遠(yuǎn)不能對(duì)任何事情說(shuō)不，或者總是必須已經(jīng)起草了完美的解決方案；這意味著你應(yīng)該在你說(shuō)的每一個(gè)“不”之后總是有一個(gè)“但是怎么樣……”。

如何實(shí)踐:遇到問(wèn)題時(shí)，在向團(tuán)隊(duì)或經(jīng)理提出問(wèn)題之前，先考慮一下解決問(wèn)題的潛在方法。在解決問(wèn)題時(shí)發(fā)揮你的創(chuàng)造力，不要害怕自己會(huì)提出新的解決方案。從擴(kuò)展到您的工作流并了解更多關(guān)于業(yè)務(wù)和其他團(tuán)隊(duì)工作的信息也很有幫助。了解全局通常有助于將點(diǎn)點(diǎn)滴滴聯(lián)系起來(lái)，并引導(dǎo)你找到創(chuàng)造性的解決方案。

第4課。在業(yè)務(wù)上下文中建模時(shí)，可解釋性勝過(guò)精確性

沒(méi)有人真的想預(yù)測(cè)流失，每個(gè)人都在試圖理解流失

如今，當(dāng)每一家公司都在建立預(yù)測(cè)流失的模型時(shí)，很難后退一步問(wèn)問(wèn)自己，我們最初為什么要預(yù)測(cè)流失。公司希望預(yù)測(cè)流失，這樣他們就可以找到一個(gè)可行的解決方案來(lái)防止它。因此，如果您的模型告訴首席執(zhí)行官“web訪(fǎng)問(wèn)量的立方根是表示流失的最重要的特征之一”，他可以用這些信息做什么？可能沒(méi)什么…

作為一名數(shù)據(jù)科學(xué)家，就像你們中的許多人一樣，我過(guò)去在建模時(shí)只關(guān)注準(zhǔn)確性，將其作為的成功度量標(biāo)準(zhǔn)。但我逐漸意識(shí)到，如果不能將其與業(yè)務(wù)影響聯(lián)系起來(lái)，那么通過(guò)添加無(wú)法解釋的特性和微調(diào)超參數(shù)將準(zhǔn)確率從96%提高到98%對(duì)業(yè)務(wù)毫無(wú)意義（同樣，這只適用于面向業(yè)務(wù)的DS，對(duì)于ML的某些領(lǐng)域，這種提高可能意味著整個(gè)世界）。

如果模型是一個(gè)黑箱，也很難從C級(jí)高管那里獲得可信度。模型是一個(gè)在一天結(jié)束時(shí)指導(dǎo)業(yè)務(wù)決策的工具，所以它的價(jià)值很大程度上是基于它的實(shí)用性和可解釋性也就不足為奇了。

如何實(shí)踐:在構(gòu)建模型或進(jìn)行分析時(shí)，始終牢記業(yè)務(wù)影響。當(dāng)建立模型時(shí)，避免向模型投擲隨機(jī)的交互特征，希望其中一個(gè)會(huì)堅(jiān)持；相反，在開(kāi)始構(gòu)建模型之前，要對(duì)特性工程階段進(jìn)行深思熟慮。寫(xiě)下從模型/分析中得出的業(yè)務(wù)建議也將幫助您重新評(píng)估在構(gòu)建模型時(shí)所做的設(shè)計(jì)選擇。

第5課。確保有一個(gè)假設(shè)，但不嫁給一個(gè)

從特征探索到探索性數(shù)據(jù)分析(EDA)，假設(shè)作為大多數(shù)分析的起點(diǎn)是很重要的。如果沒(méi)有假設(shè)，您將無(wú)法指導(dǎo)如何為EDA切片和切分?jǐn)?shù)據(jù)，或者首先測(cè)試哪些特性。沒(méi)有假設(shè)，甚至沒(méi)有必要進(jìn)行AB測(cè)試（這就是為什么它被稱(chēng)為假設(shè)測(cè)試）。但是，我經(jīng)?？吹綌?shù)據(jù)科學(xué)家在沒(méi)有明確假設(shè)的情況下鉆研頭朝下的分析階段，然后在兔子洞里迷失了方向?；蛘吒Ｒ?jiàn)的情況是，數(shù)據(jù)科學(xué)家將假設(shè)結(jié)構(gòu)化的過(guò)程完全留給團(tuán)隊(duì)成員，而團(tuán)隊(duì)成員對(duì)數(shù)據(jù)沒(méi)有可見(jiàn)性，后來(lái)才意識(shí)到?jīng)]有足夠的數(shù)據(jù)來(lái)檢驗(yàn)這些假設(shè)。在我看來(lái)，最好的方法是讓數(shù)據(jù)科學(xué)家從一開(kāi)始就參與這些假設(shè)的頭腦風(fēng)暴會(huì)議，并使用假設(shè)來(lái)指導(dǎo)后續(xù)的分析并確定優(yōu)先級(jí)。

假設(shè)很重要，它們應(yīng)該作為起點(diǎn)，而不是終點(diǎn)。我一次又一次地看到許多數(shù)據(jù)科學(xué)家（或與數(shù)據(jù)科學(xué)家一起工作的人）堅(jiān)持一個(gè)假設(shè)，盡管發(fā)現(xiàn)相互矛盾。這種對(duì)最初假設(shè)的“忠誠(chéng)”將導(dǎo)致數(shù)據(jù)窺探和按摩數(shù)據(jù)以適應(yīng)某種敘述。如果你熟悉“辛普森悖論”，你就能理解數(shù)據(jù)在講述“錯(cuò)誤故事”方面的力量。優(yōu)秀的數(shù)據(jù)科學(xué)家應(yīng)該能夠保持?jǐn)?shù)據(jù)的完整性，并將敘述轉(zhuǎn)向符合數(shù)據(jù)，而不是相反。

如何實(shí)踐:為了提出好的假設(shè)，建立業(yè)務(wù)理解和敏銳度是很重要的。在探索數(shù)據(jù)的過(guò)程中，讓假設(shè)留在你的腦海中，以指導(dǎo)你，但當(dāng)數(shù)據(jù)告訴你一個(gè)不同于你最初“受過(guò)教育的猜測(cè)”的故事時(shí)，要虛心承認(rèn)。有一個(gè)良好的商業(yè)意識(shí)也會(huì)幫助你調(diào)整你最初的理論，并根據(jù)數(shù)據(jù)調(diào)整你的敘述。

當(dāng)談到面向業(yè)務(wù)的角色時(shí)，人們往往認(rèn)為人才可以分為兩類(lèi)：分析型和戰(zhàn)略型，似乎這兩種能力是對(duì)立的。好吧，我會(huì)告訴你一個(gè)秘密，最好的分析人才是那些同時(shí)理解事情的戰(zhàn)略/業(yè)務(wù)方面并理解如何與業(yè)務(wù)利益相關(guān)者溝通的人，而戰(zhàn)略角色中最好的人才對(duì)分析和數(shù)據(jù)有一定程度的理解。