作者 | 彭鴻濤 張宗耀 聶磊

來源 | 大數(shù)據(jù)DT

一、數(shù)據(jù)科學(xué)家的工作模式與組織結(jié)構(gòu)

數(shù)據(jù)科學(xué)家需要與業(yè)務(wù)專家一起工作才能發(fā)揮最大價值。實(shí)際工作中兩種角色如何配合，取決于是采用業(yè)務(wù)驅(qū)動的模式還是數(shù)據(jù)驅(qū)動的模式。

1. 數(shù)據(jù)驅(qū)動還是業(yè)務(wù)驅(qū)動

業(yè)務(wù)驅(qū)動的特點(diǎn)是業(yè)務(wù)人員主導(dǎo)數(shù)據(jù)分析需求的提出、結(jié)果的應(yīng)用，在業(yè)務(wù)中應(yīng)用數(shù)據(jù)洞察；而數(shù)據(jù)驅(qū)動的特點(diǎn)是更看重主動應(yīng)用數(shù)據(jù)分析手段，從數(shù)據(jù)洞察發(fā)起業(yè)務(wù)、改善業(yè)務(wù)，當(dāng)然在業(yè)務(wù)執(zhí)行時也需要廣泛應(yīng)用數(shù)據(jù)洞察。在較新的業(yè)務(wù)領(lǐng)域采用數(shù)據(jù)驅(qū)動比較適合，已有復(fù)雜業(yè)務(wù)則采用業(yè)務(wù)驅(qū)動較好。

然而從自身能力的發(fā)展、數(shù)據(jù)驅(qū)動逐漸成為主要的工作模式的情況來看，數(shù)據(jù)科學(xué)家需要思考如何將數(shù)據(jù)驅(qū)動的模式做得更好，并且愿意承擔(dān)更多責(zé)任。所以，除了算法、用法等基本技能，還需要考慮如何改善業(yè)務(wù)。

下圖所示的職責(zé)占比只是示意，其實(shí)最核心的是由哪種角色來主導(dǎo)，在工作中也未見得業(yè)務(wù)專家不能主導(dǎo)數(shù)據(jù)驅(qū)動的模式。從業(yè)務(wù)結(jié)果的角度來看，所謂業(yè)務(wù)驅(qū)動和數(shù)據(jù)驅(qū)動只是到達(dá)一個既定目標(biāo)時不同的工作方式而已。在實(shí)際的業(yè)務(wù)中也不會分工非常明確，即不會限定業(yè)務(wù)人員只能做什么或數(shù)據(jù)科學(xué)家只能做什么，只有相互無縫協(xié)作才是最佳的工作模式。

▲業(yè)務(wù)專家與數(shù)據(jù)科學(xué)家的兩種配合方式

2. 數(shù)據(jù)科學(xué)家團(tuán)隊(duì)的組織結(jié)構(gòu)

數(shù)據(jù)科學(xué)家團(tuán)隊(duì)的組織結(jié)構(gòu)關(guān)系到數(shù)據(jù)應(yīng)用的效率、管理的效率、個人的發(fā)展等諸多方面，企業(yè)在設(shè)置這個組織結(jié)構(gòu)時需要認(rèn)真考慮。每個企業(yè)的實(shí)際情況不同，可以采用不同的方法。數(shù)據(jù)科學(xué)家的組織結(jié)構(gòu)一般分兩種，即分散式結(jié)構(gòu)和集中式結(jié)構(gòu)。

分散式結(jié)構(gòu)是數(shù)據(jù)科學(xué)家屬于確定的業(yè)務(wù)部門，這樣的組織結(jié)構(gòu)的好處是其可以緊密地與業(yè)務(wù)人員合作，將業(yè)務(wù)問題轉(zhuǎn)換為高效的數(shù)據(jù)分析任務(wù)。

但是其也有不足，一方面數(shù)據(jù)分析的知識積累是在個人身上，而不是在團(tuán)隊(duì)，另外一方面就是因?yàn)榻巧南拗剖沟脴I(yè)務(wù)部門內(nèi)的數(shù)據(jù)科學(xué)家沒有上升空間。業(yè)務(wù)部門內(nèi)的數(shù)據(jù)科學(xué)家若要在職業(yè)道路上繼續(xù)前進(jìn)，要么離開，要么擔(dān)任其他角色。一旦發(fā)生數(shù)據(jù)科學(xué)家的人事變化，這對團(tuán)隊(duì)穩(wěn)定、知識積累等都是不利的。

集中式的數(shù)據(jù)科學(xué)家組織結(jié)構(gòu)就是跨業(yè)務(wù)條線而成立獨(dú)立的專門做數(shù)據(jù)分析的結(jié)構(gòu)。這樣的組織結(jié)構(gòu)的好處就是團(tuán)隊(duì)相對穩(wěn)定，給成員提供了不斷成長的空間，也避免了知識積累的流失。

但是其也有不足，由于數(shù)據(jù)科學(xué)家脫離業(yè)務(wù)部門而獨(dú)立存在，導(dǎo)致團(tuán)隊(duì)成員對業(yè)務(wù)的理解不夠深入，模型的產(chǎn)出可能效率低下。業(yè)務(wù)部門也可能只將其看作支持部門，而不會在實(shí)際業(yè)務(wù)中有太多引入。

企業(yè)在構(gòu)架數(shù)據(jù)科學(xué)家組織架構(gòu)時，也可采用混合的結(jié)構(gòu)。即使是集中式的組織結(jié)構(gòu)，其匯報的層級也可能不同。沒有所謂明確的業(yè)界標(biāo)準(zhǔn)的說法，因地制宜的做法才是最實(shí)際的。

二、數(shù)據(jù)科學(xué)家的工作方法要點(diǎn)

數(shù)據(jù)科學(xué)家的核心任務(wù)之一是通過數(shù)據(jù)分析手段將數(shù)據(jù)洞察應(yīng)用在實(shí)際業(yè)務(wù)中，并能產(chǎn)生有效的結(jié)果。數(shù)據(jù)科學(xué)家在實(shí)際工作中需要注意以下要點(diǎn)，以確保上述目標(biāo)的達(dá)成。

1. 開始工作以前確保具備成功要件

在開始一件工作前，最好先明確一下業(yè)務(wù)場景、數(shù)據(jù)可獲得性、數(shù)據(jù)質(zhì)量等重要信息。在很多情況下，會出現(xiàn)因數(shù)據(jù)不支持無法進(jìn)行細(xì)致分析、模型結(jié)果很好但是落地應(yīng)用時沒有對應(yīng)的資源支持、數(shù)據(jù)分析只是探索沒有對應(yīng)的使用場景等問題。這些因素會嚴(yán)重影響數(shù)據(jù)分析的價值。

筆者作為顧問給多個客戶實(shí)施數(shù)據(jù)分析項(xiàng)目時，就遇到過上述的問題。從客戶的角度來講，其關(guān)心的是業(yè)務(wù)問題的解決，并不會過多細(xì)致地考慮實(shí)施過程的細(xì)節(jié)。只有努力地嘗試去做，才能發(fā)現(xiàn)有些問題會嚴(yán)重阻礙數(shù)據(jù)分析的進(jìn)行，這也會影響數(shù)據(jù)分析的最終效果。

2. 同時輸出兩種價值

假設(shè)要通過數(shù)據(jù)分析手段改善某業(yè)務(wù)問題，如構(gòu)建預(yù)測模型篩選高價值、高響應(yīng)率的客戶，即使是在目標(biāo)非常明確的情況下，數(shù)據(jù)科學(xué)家也要在做的過程中保證兩種輸出結(jié)果。

（1）重要發(fā)現(xiàn)

數(shù)據(jù)分析過程中勢必要進(jìn)行數(shù)據(jù)提取、數(shù)據(jù)處理、數(shù)據(jù)探查等一系列基礎(chǔ)工作。在這些基礎(chǔ)工作的過程中，往往會隱藏著有巨大業(yè)務(wù)價值的信息。比如，筆者的團(tuán)隊(duì)在給某金融機(jī)構(gòu)構(gòu)建高端客戶的相關(guān)模型時發(fā)現(xiàn)一些信息，如“大部分客戶只持有一類理財產(chǎn)品且在半年內(nèi)沒有交易活動”，這些信息對于后期的營銷策略制定至關(guān)重要。

所以，數(shù)據(jù)科學(xué)家在實(shí)際工作中需保持“業(yè)務(wù)敏感性”，對于數(shù)據(jù)背后的業(yè)務(wù)故事保持好奇心，同時將一些重要的數(shù)據(jù)發(fā)現(xiàn)協(xié)同模型結(jié)果一并輸出，這可以大大提高分析主題的價值。

（2）模型結(jié)果

給定分析主題，目標(biāo)模型結(jié)果就可以基本確定，如尋找高價值客戶就是模型輸出一個名單，風(fēng)險預(yù)警就是給出風(fēng)險評分以及原因。這是模型輸出的最基本形式。

在實(shí)際的模型實(shí)施應(yīng)用中，業(yè)務(wù)人員會經(jīng)常以挑剔的眼光來看待模型，并且基于模型結(jié)果總是有不同的疑惑需要數(shù)據(jù)科學(xué)家來解答。典型的疑惑如“聚類分析模型確實(shí)將客戶分了幾個類別，但是我還是不知道該如何營銷這些客戶”“社交網(wǎng)絡(luò)分析模型給出了潛在的高價值客戶名單，但這些信息不足以讓營銷人員開展?fàn)I銷”。

出現(xiàn)這種情況時，一種簡單的做法就是和業(yè)務(wù)人員深入討論，梳理出他們的關(guān)注點(diǎn)，然后將對應(yīng)的指標(biāo)從數(shù)據(jù)庫中提取出來，作為模型輸入的補(bǔ)充一并交給業(yè)務(wù)人員。

從本質(zhì)上來講，出現(xiàn)業(yè)務(wù)人員疑惑的原因是“業(yè)務(wù)人員期待模型輸出決策而不是名單”以及團(tuán)隊(duì)缺乏將模型輸出轉(zhuǎn)換為營銷決策的能力。數(shù)據(jù)科學(xué)家也需要具備將模型結(jié)果轉(zhuǎn)換為業(yè)務(wù)決策的能力。

3. 充滿想象力地開展工作

算法能做到什么是數(shù)學(xué)范疇的知識，數(shù)據(jù)科學(xué)家的核心工作就是將業(yè)務(wù)需求轉(zhuǎn)換為一系列的數(shù)據(jù)分析實(shí)踐過程。若將各個算法看作一個個組件，那么用一個算法來解決問題還是用多個算法的組合來解決問題，需要數(shù)據(jù)科學(xué)家的想象力和不斷嘗試。

筆者的團(tuán)隊(duì)曾給某客戶構(gòu)建模型時，其需求是“根據(jù)客戶持有產(chǎn)品的現(xiàn)狀推薦產(chǎn)品，達(dá)到交叉銷售的目的”。這是一個非常不具體的需求，能做的范圍很大，能用的算法工具也很多。

最后我們采用的是構(gòu)建“客戶聚類與產(chǎn)品聚類的交叉分布以及遷移矩陣，并據(jù)此來展開不同目的營銷”，若向上銷售則可推薦同類產(chǎn)品，交叉銷售則可推薦不同類的產(chǎn)品。這種做法之前沒有實(shí)施過，但是結(jié)果證明其非常有效，僅在一次營銷應(yīng)用中就帶來數(shù)十億的營業(yè)額。

4. 按照敏捷的方式來構(gòu)建模型

數(shù)據(jù)挖掘過程也可以看作一個項(xiàng)目過程，從項(xiàng)目管理的角度當(dāng)然可以按照敏捷的方式來進(jìn)行。數(shù)據(jù)科學(xué)家需要積極主動地匯報分析思路、預(yù)期結(jié)果、進(jìn)度等重要信息。時刻與業(yè)務(wù)人員以及管理人員保持溝通，對需求變化保持開放，將對模型的實(shí)際應(yīng)用會有巨大的幫助。

一般情況下，讓一個對數(shù)據(jù)和業(yè)務(wù)都不了解的人來構(gòu)建模型，往往需要數(shù)月的時間；但讓一個熟悉數(shù)據(jù)、業(yè)務(wù)、算法工具的人來建模，則可能只需幾天就可以完成。不論哪種程度的人員來建模，都可以按照敏捷的方式來管理建模過程。

筆者與建模方法論CRISP-DM的提出者之一Julian Clinton一起工作過4年時間，在長期的項(xiàng)目實(shí)踐中我們一直堅持該方法論所倡導(dǎo)的核心要點(diǎn)：緊貼業(yè)務(wù)、不斷探索、以結(jié)果為導(dǎo)向、模型在應(yīng)用后仍需不斷調(diào)優(yōu)等。事實(shí)證明，這些原則非常有效。CRISP-DM方法論的實(shí)施與實(shí)施過程中按照敏捷的方式來管理是相輔相成、相得益彰的。

5. 以業(yè)務(wù)的成果來衡量自己的工作

模型的效果到底如何？數(shù)據(jù)科學(xué)家不應(yīng)該基于測試集上優(yōu)異的模型性能指標(biāo)而洋洋自得，這沒有任何意義，頂多代表建模的技巧高超。

模型最終帶來的收益是由模型輸出、匹配模型輸出的業(yè)務(wù)決策、業(yè)務(wù)決策實(shí)施過程中的資源配置、應(yīng)用場景的價值大小等綜合因素共同決定的。缺少任何一環(huán)都會使得模型的價值直線下降。

數(shù)據(jù)科學(xué)家需要積極主動地推進(jìn)這些環(huán)節(jié)的相關(guān)工作，積極收集模型部署后的監(jiān)測數(shù)據(jù)，在“建?！獦I(yè)務(wù)決策匹配—業(yè)務(wù)決策實(shí)施—效果監(jiān)控—模型或決策改進(jìn)—再部署—再監(jiān)測”的閉環(huán)中積極發(fā)揮作用。最終得出的業(yè)務(wù)結(jié)果數(shù)據(jù)，才是數(shù)據(jù)科學(xué)家真正成就感的源泉。