數(shù)據(jù)分析師的自我修養(yǎng)丨如何進(jìn)階為數(shù)據(jù)科學(xué)家

有人問我，應(yīng)該如何從數(shù)據(jù)分析師進(jìn)階為數(shù)據(jù)科學(xué)家呢？很簡單，分三步：

1. 打開LinkedIn，登錄。

2. 點(diǎn)擊“編輯我的個(gè)人資料”。

3. 找到“數(shù)據(jù)分析師”，并用“數(shù)據(jù)科學(xué)家”替代。

完成！非常容易吧。

不幸的是，現(xiàn)實(shí)并不那么簡單。

掌握必備的技能，從或多或少的數(shù)據(jù)中得出分析見解，這些都并非易事。

關(guān)于如何進(jìn)入數(shù)據(jù)科學(xué)領(lǐng)域的文章有很多，但是關(guān)于從數(shù)據(jù)分析師轉(zhuǎn)變?yōu)閿?shù)據(jù)科學(xué)家的文章卻很少。

在此之前，我們有必要分別給出這兩個(gè)職業(yè)的定義。

數(shù)據(jù)分析師

對結(jié)構(gòu)化數(shù)據(jù)進(jìn)行收集、處理并應(yīng)用統(tǒng)計(jì)算法，從而產(chǎn)生效益和改進(jìn)決策。

數(shù)據(jù)科學(xué)家

數(shù)據(jù)科學(xué)家有類似的目標(biāo)，但需要更強(qiáng)的能力，從而能處理大量的非結(jié)構(gòu)化數(shù)據(jù)，很多情況下需要實(shí)時(shí)處理。

數(shù)據(jù)科學(xué)家需要發(fā)現(xiàn)重要信息，能夠?qū)Σ煌瑏碓吹臄?shù)據(jù)進(jìn)行數(shù)據(jù)清理、處理并運(yùn)行高級算法。同時(shí)，需要很強(qiáng)的溝通描述能力，以及可視化技能。

我經(jīng)常會(huì)遇到許多優(yōu)秀的數(shù)據(jù)分析師，他們非常想進(jìn)階為數(shù)據(jù)科學(xué)家，但苦于沒有機(jī)會(huì)，或不知道該如何開始。這也是促使我寫本文的原因之一。

為什么要成為數(shù)據(jù)科學(xué)家？

原因有很多，主要分為以下幾點(diǎn)：

影響力

可能帶來巨大的商業(yè)利益。更有機(jī)會(huì)得到領(lǐng)導(dǎo)層青睞，能夠更好地提升發(fā)展方向。

技能

在快速發(fā)展的數(shù)據(jù)科學(xué)領(lǐng)域中，有許多問題需要被解決。例如，構(gòu)建圖像識(shí)別器或文本分類器識(shí)別社交媒體上的發(fā)布的違規(guī)言論。

競爭力

有人預(yù)測人工智能最終將取代人類的工作。為了保證自己工作，應(yīng)該不斷創(chuàng)新并提高競爭力，而不是等待被自動(dòng)化取代。

發(fā)展機(jī)會(huì)

會(huì)有更多的發(fā)展機(jī)會(huì)，薪水提升空間也更大。目前優(yōu)秀的數(shù)據(jù)科學(xué)家很少，市場需求量很大。

如何成為數(shù)據(jù)科學(xué)家?

大多數(shù)數(shù)據(jù)分析師都有很好的基礎(chǔ)，但是應(yīng)用先進(jìn)的方法處理大型數(shù)據(jù)集需要多年的學(xué)習(xí)和經(jīng)驗(yàn)積累。

那么，數(shù)據(jù)科學(xué)家需要哪些技能？

這個(gè)問題并沒有正確的答案，復(fù)雜的數(shù)據(jù)科學(xué)項(xiàng)目涉及到許多專業(yè)技能。在投入數(shù)據(jù)科學(xué)領(lǐng)域的最初幾年，最好掌握以下技能：

數(shù)據(jù)科學(xué)語言：Python / R

關(guān)系數(shù)據(jù)庫：MySQL、Postgress

非關(guān)系數(shù)據(jù)庫：MongoDB

機(jī)器學(xué)習(xí)模型：回歸、提升樹支持向量機(jī)(Boosted Trees SVM), 神經(jīng)網(wǎng)絡(luò)

繪圖：Neo4J、GraphX

分布式計(jì)算：Hadoop、Spark

云：GCP / AWS / Azure

API 交互:OAuth、Rest

數(shù)據(jù)可視化和網(wǎng)頁應(yīng)用：D3、RShiny

專業(yè)領(lǐng)域：自然語言處理、OCR和計(jì)算機(jī)視覺

提升樹模型在數(shù)據(jù)科學(xué)競賽中很受歡迎

RShiny儀表板是不錯(cuò)的探索數(shù)據(jù)交互方式

掌握這些技能需要大量的時(shí)間（可能比獲得專業(yè)學(xué)位更久）。但每個(gè)人都不能滿足現(xiàn)狀，必須不斷學(xué)習(xí)。如果我們每天能進(jìn)步一點(diǎn)，那么在未來某天就能達(dá)到自己的預(yù)期目標(biāo)。

決心和堅(jiān)韌有時(shí)比聰明才智能有用。

行動(dòng)計(jì)劃

首先我們需要一些基本技能：

1. 從正確的理念開始

十年前，等待數(shù)據(jù)課程的資料可能需要數(shù)周的時(shí)間，但那些日子已經(jīng)一去不回。如今到處都有很棒的學(xué)習(xí)資源，我們需要不斷學(xué)習(xí)，不斷提升技能。

2. 學(xué)習(xí)一門語言并培養(yǎng)數(shù)學(xué)技能

可以選擇學(xué)習(xí)Python或R語言。Coursera和Udemy等網(wǎng)站上有大量免費(fèi)課程。吳恩達(dá)的機(jī)器學(xué)習(xí)課程和斯坦福大學(xué)的神經(jīng)網(wǎng)絡(luò)課程都非常棒，而且很有趣。

許多Python用戶喜歡使用Anaconda和Jupyter Notebook。許多R用戶喜歡用R Studio。

3. 解決實(shí)際問題

嘗試解決工作中的實(shí)際問題，與商業(yè)專家和數(shù)據(jù)工程師一起工作。

4. 參加Kaggle比賽

Kaggle任務(wù)有一定范圍，而且數(shù)據(jù)比較干凈，但能很好的提高建立模型技能，同時(shí)能與幾千人一起解決挑戰(zhàn)性的數(shù)據(jù)問題。不要擔(dān)心排名，從零開始。

5. 了解行業(yè)大神的動(dòng)向

可以關(guān)注Geoffrey Hinton、吳恩達(dá)、Yann LeCun、Rachel Thomas、Jeremy Howard等人。

6. 使用高效的工作方式

積累一定基礎(chǔ)后，使用GitHub等版本控制系統(tǒng)改進(jìn)自己的工作流程，以便進(jìn)行部署和代碼維護(hù)，還可以使用Docker。

7. 有效地溝通

我們需要展現(xiàn)自己的工作成果，在跟領(lǐng)導(dǎo)層匯報(bào)工作時(shí)，需要有效地利用演示文稿等中。

良好的工作環(huán)境

即使你掌握了許多技能，但如果所在的公司沒有合適的工具和環(huán)境，那么開展工作也是很困難的。工作環(huán)境中總會(huì)存在些不可控的因素，因此我們要考慮哪些因素可以改善和利用。

1. 轉(zhuǎn)到合適的團(tuán)隊(duì)

大多數(shù)大中型企業(yè)至少有一個(gè)小型數(shù)據(jù)科學(xué)團(tuán)隊(duì)，因此要選擇合適的企業(yè)。

2. 與合適的人合作

如果換工作不太現(xiàn)實(shí)，那么設(shè)法與出色的數(shù)據(jù)科學(xué)家合作。例如，發(fā)現(xiàn)相關(guān)問題，與專業(yè)人員合作解決，而不是委托他們解決。

3. 適當(dāng)?shù)墓ぞ吆铜h(huán)境

企業(yè)有時(shí)不太明確該如何數(shù)據(jù)科學(xué)工具進(jìn)行投入。有些企業(yè)制定計(jì)劃和投入過程比較繁瑣，因此只會(huì)優(yōu)先考慮收益明顯的商業(yè)案例。抓住機(jī)會(huì)，倡導(dǎo)對分析環(huán)境、工具、相關(guān)培訓(xùn)的投入。

4. 制定明確的用例

了解公司的業(yè)務(wù)以及能如何應(yīng)用數(shù)據(jù)科學(xué)，將這兩者聯(lián)系起來，制定明確的用例。

5. 與更優(yōu)秀的人合作

努力成為優(yōu)秀團(tuán)隊(duì)中的一員，你不僅會(huì)收獲地更多，還能學(xué)到很多自己為掌握的知識(shí)。

結(jié)語

如果你也想進(jìn)階為數(shù)據(jù)科學(xué)家，那么現(xiàn)在就是開始的最佳機(jī)會(huì)，立即開始學(xué)習(xí)，盡快解決實(shí)際問題。在學(xué)習(xí)的過程中，你會(huì)不斷提升自己，最終讓自己大吃一驚，要珍惜每個(gè)機(jī)會(huì)。