細數(shù)數(shù)據(jù)科學(xué)團隊中的十大關(guān)鍵角色

應(yīng)用數(shù)據(jù)科學(xué)是一項高度跨學(xué)科的團隊工作，需要用多樣性的角度看問題。事實上，比起專業(yè)知識和經(jīng)驗，觀點和態(tài)度的重要性也不容小覷。以下是我對數(shù)據(jù)科學(xué)團隊構(gòu)成的看法。

1. 數(shù)據(jù)工程師

首先在進行數(shù)據(jù)分析之前，我們需要獲取數(shù)據(jù)。如果是處理小型數(shù)據(jù)集，數(shù)據(jù)工程則有點類似在電子表格中輸入數(shù)字；如果是處理更復(fù)雜的數(shù)據(jù)時，那么數(shù)據(jù)工程本身就構(gòu)成了一門復(fù)雜的學(xué)科。首先你的團隊中需要數(shù)據(jù)工程師獲取數(shù)據(jù)，從而其他人員能夠在此基礎(chǔ)上進行分析和處理。

2. 決策者

在聘請數(shù)據(jù)科學(xué)家之前，請確保團隊中有充分了解數(shù)據(jù)驅(qū)動決策的角色。決策者需要分辨哪些決策需要數(shù)據(jù)支持，并根據(jù)對業(yè)務(wù)的潛在影響確定分析程度。同時決策者需要深思熟慮，在做決定前進行全方位的思考，考慮到問題的方方面面。

3. 數(shù)據(jù)分析師

每個人都能查看數(shù)據(jù)，并從中得出見解，唯一可能缺少的是相關(guān)軟件的使用技能。

學(xué)習(xí)使用R和Python等工具是對數(shù)據(jù)可視化的升級，這些工具功能更豐富，從而能夠查看更多種類數(shù)據(jù)集。

1934年，"尼斯湖水怪"圖

要記住，你不應(yīng)該得出數(shù)據(jù)之外的結(jié)論，這需要專業(yè)培訓(xùn)。就像根據(jù)上面的圖片，你只能說“這就是我的數(shù)據(jù)集中的內(nèi)容”，而不能輕率的得出結(jié)論，尼斯湖水怪是真實存在的。

4. 專家分析師

專家分析師需要更快地查看分析數(shù)據(jù)。這里注重的是分析數(shù)據(jù)、探索和發(fā)現(xiàn)等技能，而不是嚴(yán)謹(jǐn)?shù)氐贸鼋Y(jié)論。專家分析師能夠幫助團隊注意更多的數(shù)據(jù)，從而決策者能夠更清晰地做出判斷。

但最好不要讓能編寫強大代碼的工程師擔(dān)任這個角色，因為在這方面速度就是一切，需要盡快得出更多分析結(jié)論。因此對代碼要求過高的人很難勝任這個角色。

5. 統(tǒng)計學(xué)家

到這個階段，團隊中已經(jīng)有人對數(shù)據(jù)進行大膽探索了，下面需要有人能在探索中加入理性分析，避免團隊得出無根據(jù)的結(jié)論。

例如，如果你的機器學(xué)習(xí)系統(tǒng)能應(yīng)用于某個數(shù)據(jù)集，那么你能得出結(jié)論，在該數(shù)據(jù)集中這個系統(tǒng)是奏效的。那么能順利用于生產(chǎn)中嗎？能夠進行發(fā)行嗎？這時就需要其他技能來處理這些問題，即統(tǒng)計技能。

如果我們想在可觀事實不夠的情況下做出決定，那么就需要放慢速度并采取謹(jǐn)慎的態(tài)度，這部分就需要統(tǒng)計學(xué)家。

6. 機器學(xué)習(xí)工程師

應(yīng)用人工智能/機器學(xué)習(xí)工程師的價值不是在于理解算法的運行原理，而是能運用這些算法而不是構(gòu)建它們(那是研究人員要做的)。他們需要整理代碼，從而讓其運行在現(xiàn)有的算法和數(shù)據(jù)集中。

除此之外，機器學(xué)習(xí)工程師要能夠應(yīng)對失敗。大多數(shù)時候你不知道自己在做什么，你通過大量的算法運行數(shù)據(jù)，在得到預(yù)期結(jié)果前會經(jīng)歷多次的失敗，因此需要能積極地應(yīng)對失敗。

完美主義者很難成為機器學(xué)習(xí)工程師，因為要處理的業(yè)務(wù)問題不像課堂中那樣，你無法事先把握情況，而無法馬上得出預(yù)期的結(jié)果。你所做的只能反復(fù)迭代，嘗試各種解決方案。

數(shù)據(jù)是機器學(xué)習(xí)工程師工作的先決條件，因此在打造數(shù)據(jù)分析團隊早期，聘請數(shù)據(jù)分析師是很有必要的。

機器學(xué)習(xí)工程師在分析過程中還需要進行評估，比如解決方案是否真的適用于新的數(shù)據(jù)。同時出色的機器學(xué)習(xí)工程師要明確采用不同方法分別需要多少時間。

7. 數(shù)據(jù)科學(xué)家

數(shù)據(jù)科學(xué)家在前三個角色都能達到專家級別，具有比較全面的能力。因此在數(shù)據(jù)科學(xué)團隊中數(shù)據(jù)科學(xué)家的薪資比較高。對于企業(yè)而言，如果在預(yù)算內(nèi)，雇傭數(shù)據(jù)科學(xué)家是不錯的選擇。但如果預(yù)算不夠，那么可以培養(yǎng)現(xiàn)有團隊中擔(dān)任單一角色的人員。

8. 數(shù)據(jù)分析經(jīng)理/數(shù)據(jù)科學(xué)負責(zé)人

數(shù)據(jù)分析經(jīng)理兼?zhèn)淞藬?shù)據(jù)科學(xué)家和決策者的作用，在團隊中擔(dān)任領(lǐng)導(dǎo)型作用，能夠保持團隊不會迷失方向。

數(shù)據(jù)分析經(jīng)理對團隊有很大的促進作用，但是這方面的人才很少。他們經(jīng)常思考的問題有“如何設(shè)計正確的問題；如何做出決定；如何最好地分配人員；什么值得做；技能和數(shù)據(jù)是否符合要求；如何確保良好的輸入數(shù)據(jù)”等。如果你有幸雇用到了數(shù)據(jù)分析經(jīng)理，請留住他。

9.  定性專家/社會科學(xué)家

團隊中的決策者會是杰出領(lǐng)導(dǎo)者、影響者或?qū)Ш秸?.....但在決策的藝術(shù)性和科學(xué)性方面并不夠。這時可以讓定性專家促進決策者的工作，并補充他們的技能。

定性專家通常具有社會科學(xué)和數(shù)據(jù)背景，能夠幫助決策者理清想法，多角度進行分析，并將模棱兩可的直覺轉(zhuǎn)化為經(jīng)過深思熟慮的指令，以便團隊的其他成員輕松執(zhí)行。比起數(shù)據(jù)科學(xué)家，他們通常更有能力將決策者意圖轉(zhuǎn)化為具體的指標(biāo)。

10. 研究人員

許多招聘者認(rèn)為，在打造數(shù)據(jù)科學(xué)團隊一開始就應(yīng)該聘用研究人員，但并非如此。在團隊沒有成型時，即使雇傭研究人員也可能并沒有合適的環(huán)境來發(fā)揮其價值。最好等到團隊發(fā)展到一定程度，有合適的設(shè)備資源時再加入研究人員打造新的工具。

其他角色

除了以上提到的角色，數(shù)據(jù)科學(xué)團隊中還可以加入以下角色：

· 領(lǐng)域?qū)＜?

· 倫理學(xué)家

· 軟件工程師

· 可靠性測試工程師

· UX設(shè)計師

· 交互式可視化/圖形設(shè)計師

· 數(shù)據(jù)收集專家

· 數(shù)據(jù)產(chǎn)品經(jīng)理

· 項目經(jīng)理

除了前面提到的十大角色，許多數(shù)據(jù)科學(xué)項目還需要以上人員的參與。他們都有自己主攻的專業(yè)領(lǐng)域，在團隊中是很好的補充。

大團隊還是小團隊？

看到這里你可能會感到壓力，但在具體構(gòu)建數(shù)據(jù)科學(xué)團隊時，可以根據(jù)企業(yè)的自身情況而定。

這里可以把應(yīng)用機器學(xué)習(xí)類比為開餐廳，如果你想開一家制作創(chuàng)新披薩的大型披薩店，那么就需要大型團隊。你要決定做什么菜（角色2），使用哪些食材（角色3和4），在哪里獲得食材（角色1），如何定制菜單（角色6），以及如何對菜品進行測試（角色5）。但如果你的目標(biāo)只是制作普通的披薩，則不需要這么復(fù)雜，采用已測試過的菜單，加上食材就可以開始了。