作者 | 彭鴻濤 張宗耀 聶磊

來(lái)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(zhuān)家一起工作才能發(fā)揮最大價(jià)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(dòng)的模式還是數(shù)據(jù)驅(qū)動(dòng)的模式。

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

業(yè)務(wù)驅(qū)動(dòng)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(dòng)的特點(diǎn)是更看重主動(dòng)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(shí)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(dòng)比較適合，已有復(fù)雜業(yè)務(wù)則采用業(yè)務(wù)驅(qū)動(dòng)較好。

然而從自身能力的發(fā)展、數(shù)據(jù)驅(qū)動(dòng)逐漸成為主要的工作模式的情況來(lái)看，數(shù)據(jù)科學(xué)家需要思考如何將數(shù)據(jù)驅(qū)動(dòng)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(lái)主導(dǎo)，在工作中也未見(jiàn)得業(yè)務(wù)專(zhuān)家不能主導(dǎo)數(shù)據(jù)驅(qū)動(dòng)的模式。從業(yè)務(wù)結(jié)果的角度來(lái)看，所謂業(yè)務(wù)驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)只是到達(dá)一個(gè)既定目標(biāo)時(shí)不同的工作方式而已。在實(shí)際的業(yè)務(wù)中也不會(huì)分工非常明確，即不會(huì)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(wú)縫協(xié)作才是最佳的工作模式。

▲業(yè)務(wù)專(zhuān)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(gè)人的發(fā)展等諸多方面，企業(yè)在設(shè)置這個(gè)組織結(jié)構(gòu)時(shí)需要認(rèn)真考慮。每個(gè)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(mén)，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(wèn)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(shí)積累是在個(gè)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(mén)內(nèi)的數(shù)據(jù)科學(xué)家沒(méi)有上升空間。業(yè)務(wù)部門(mén)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(kāi)，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(duì)團(tuán)隊(duì)穩(wěn)定、知識(shí)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(xiàn)而成立獨(dú)立的專(zhuān)門(mén)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(duì)穩(wěn)定，給成員提供了不斷成長(zhǎng)的空間，也避免了知識(shí)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(mén)而獨(dú)立存在，導(dǎo)致團(tuán)隊(duì)成員對(duì)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(mén)也可能只將其看作支持部門(mén)，而不會(huì)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(shí)，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(bào)的層級(jí)也可能不同。沒(méi)有所謂明確的業(yè)界標(biāo)準(zhǔn)的說(shuō)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(guò)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(kāi)始工作以前確保具備成功要件

在開(kāi)始一件工作前，最好先明確一下業(yè)務(wù)場(chǎng)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(huì)出現(xiàn)因數(shù)據(jù)不支持無(wú)法進(jìn)行細(xì)致分析、模型結(jié)果很好但是落地應(yīng)用時(shí)沒(méi)有對(duì)應(yīng)的資源支持、數(shù)據(jù)分析只是探索沒(méi)有對(duì)應(yīng)的使用場(chǎng)景等問(wèn)題。這些因素會(huì)嚴(yán)重影響數(shù)據(jù)分析的價(jià)值。

筆者作為顧問(wèn)給多個(gè)客戶(hù)實(shí)施數(shù)據(jù)分析項(xiàng)目時(shí)，就遇到過(guò)上述的問(wèn)題。從客戶(hù)的角度來(lái)講，其關(guān)心的是業(yè)務(wù)問(wèn)題的解決，并不會(huì)過(guò)多細(xì)致地考慮實(shí)施過(guò)程的細(xì)節(jié)。只有努力地嘗試去做，才能發(fā)現(xiàn)有些問(wèn)題會(huì)嚴(yán)重阻礙數(shù)據(jù)分析的進(jìn)行，這也會(huì)影響數(shù)據(jù)分析的最終效果。

2. 同時(shí)輸出兩種價(jià)值

假設(shè)要通過(guò)數(shù)據(jù)分析手段改善某業(yè)務(wù)問(wèn)題，如構(gòu)建預(yù)測(cè)模型篩選高價(jià)值、高響應(yīng)率的客戶(hù)，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(guò)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(guò)程中勢(shì)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(guò)程中，往往會(huì)隱藏著有巨大業(yè)務(wù)價(jià)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(hù)的相關(guān)模型時(shí)發(fā)現(xiàn)一些信息，如“大部分客戶(hù)只持有一類(lèi)理財(cái)產(chǎn)品且在半年內(nèi)沒(méi)有交易活動(dòng)”，這些信息對(duì)于后期的營(yíng)銷(xiāo)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(duì)于數(shù)據(jù)背后的業(yè)務(wù)故事保持好奇心，同時(shí)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(jià)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(jià)值客戶(hù)就是模型輸出一個(gè)名單，風(fēng)險(xiǎn)預(yù)警就是給出風(fēng)險(xiǎn)評(píng)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(huì)經(jīng)常以挑剔的眼光來(lái)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(lái)解答。典型的疑惑如“聚類(lèi)分析模型確實(shí)將客戶(hù)分了幾個(gè)類(lèi)別，但是我還是不知道該如何營(yíng)銷(xiāo)這些客戶(hù)”“社交網(wǎng)絡(luò)分析模型給出了潛在的高價(jià)值客戶(hù)名單，但這些信息不足以讓營(yíng)銷(xiāo)人員開(kāi)展?fàn)I銷(xiāo)”。

出現(xiàn)這種情況時(shí)，一種簡(jiǎn)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(duì)應(yīng)的指標(biāo)從數(shù)據(jù)庫(kù)中提取出來(lái)，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(lái)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(yíng)銷(xiāo)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(mǎn)想象力地開(kāi)展工作

算法能做到什么是數(shù)學(xué)范疇的知識(shí)，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(guò)程。若將各個(gè)算法看作一個(gè)個(gè)組件，那么用一個(gè)算法來(lái)解決問(wèn)題還是用多個(gè)算法的組合來(lái)解決問(wèn)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(hù)構(gòu)建模型時(shí)，其需求是“根據(jù)客戶(hù)持有產(chǎn)品的現(xiàn)狀推薦產(chǎn)品，達(dá)到交叉銷(xiāo)售的目的”。這是一個(gè)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(hù)聚類(lèi)與產(chǎn)品聚類(lèi)的交叉分布以及遷移矩陣，并據(jù)此來(lái)展開(kāi)不同目的營(yíng)銷(xiāo)”，若向上銷(xiāo)售則可推薦同類(lèi)產(chǎn)品，交叉銷(xiāo)售則可推薦不同類(lèi)的產(chǎn)品。這種做法之前沒(méi)有實(shí)施過(guò)，但是結(jié)果證明其非常有效，僅在一次營(yíng)銷(xiāo)應(yīng)用中就帶來(lái)數(shù)十億的營(yíng)業(yè)額。

4. 按照敏捷的方式來(lái)構(gòu)建模型

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

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

筆者與建模方法論CRISP-DM的提出者之一Julian Clinton一起工作過(guò)4年時(shí)間，在長(zhǎng)期的項(xiàng)目實(shí)踐中我們一直堅(jiān)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(guò)程中按照敏捷的方式來(lái)管理是相輔相成、相得益彰的。

5. 以業(yè)務(wù)的成果來(lái)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(cè)試集上優(yōu)異的模型性能指標(biāo)而洋洋自得，這沒(méi)有任何意義，頂多代表建模的技巧高超。

模型最終帶來(lái)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(guò)程中的資源配置、應(yīng)用場(chǎng)景的價(jià)值大小等綜合因素共同決定的。缺少任何一環(huán)都會(huì)使得模型的價(jià)值直線(xiàn)下降。

數(shù)據(jù)科學(xué)家需要積極主動(dòng)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(cè)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(cè)”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。