作者：Roll

本文為「心中有數(shù)」CDA征文作品

小學(xué)時，

老師經(jīng)常問：“你長大以后想當什么？”

我說，我想當一名科學(xué)家。

工作后，

領(lǐng)導(dǎo)經(jīng)常問：“你的職業(yè)規(guī)劃是什么？”

我說，我想做一名數(shù)據(jù)科學(xué)家。

一直以來，我在思索著什么是數(shù)據(jù)科學(xué)家？

直到 CDA 給了我標準，數(shù)據(jù)科學(xué)家是同時具備研究數(shù)據(jù)本質(zhì)的科學(xué)知識和應(yīng)用數(shù)據(jù)科學(xué)的領(lǐng)域知識，從數(shù)據(jù)中獲取信息并能解決問題的專家。

在 CDA LEVELⅢ 人才標準中，數(shù)據(jù)科學(xué)家具體指負責(zé)企業(yè)級商業(yè)數(shù)據(jù)科研項目的高端人才，能利用數(shù)據(jù)來改進產(chǎn)品、推動業(yè)務(wù)，并進行整體架構(gòu)的大數(shù)據(jù)治理與項目管理，帶領(lǐng)團隊在該商業(yè)領(lǐng)域進行前瞻性研究和戰(zhàn)略布局。

從業(yè)近10年，我從事過定量分析、數(shù)據(jù)分析、數(shù)據(jù)挖掘、算法研究等崗位，做過項目，帶過團隊，考過很多證書，在行業(yè)期刊發(fā)過論文，也參加過很多數(shù)據(jù)建模競賽，一直在朝著數(shù)據(jù)科學(xué)家的路上努力拼搏。

有時候想寫些經(jīng)驗總結(jié)，提筆卻不知從何寫起。剛好近期收到CDA“心中有數(shù)”的征文通知，我決定以“數(shù)據(jù)科學(xué)家成長之路”為題總結(jié)過去10年工作學(xué)習(xí)的歷程，記錄下努力奮斗的時光，與數(shù)據(jù)同仁們共勉，同時也以此為起點，繼續(xù)我的數(shù)據(jù)科學(xué)家修煉之路。

01、我的職業(yè)之路——厚積而薄發(fā)，方能在職場中快速成長

數(shù)據(jù)科學(xué)家的成長之路是在披荊斬棘中砥礪前行，一筆筆的公式推導(dǎo)、一行行的算法代碼、一點點的業(yè)務(wù)積累，一個個的項目實踐，匯聚成了數(shù)據(jù)人的職業(yè)素養(yǎng)，成就數(shù)據(jù)人的價值所在。

我的第一份工作是在上海一家咨詢公司從事數(shù)據(jù)分析師，這一階段我使用DB2、MySQL、Shell、VBA、SAS、Spss等工具，做過ETL、報表設(shè)計、數(shù)據(jù)集市、數(shù)據(jù)建模等工作。項目上我負責(zé)過人民銀行征信中心征信報告異常查詢監(jiān)測數(shù)據(jù)挖掘子項目，用K-Means聚類、決策樹、時間序列分析ARIMA等識別出機構(gòu)及用戶的異常查詢行為；負責(zé)過某城商行銀行信用卡信用評分模型，使用Logistic預(yù)測客戶違約概率；參與過某股份制銀行信用卡存量客戶經(jīng)營、商城產(chǎn)品個性化推薦、集團客戶交叉銷售等項目，用到了Apriori、C5.0、KNN、Adaboost等算法，同時在平安銀行信用卡、人行征信中心做過SAS Base培訓(xùn)。

隨著互聯(lián)網(wǎng)公司崛起，大數(shù)據(jù)技術(shù)、機器學(xué)習(xí)算法等在項目實踐中取得很好應(yīng)用效果，數(shù)據(jù)工作者迎來新的發(fā)展機遇。大多數(shù)的數(shù)據(jù)從業(yè)人員都希望能夠進入互聯(lián)網(wǎng)公司，發(fā)揮自己的一技之長，當然我也不例外。2015年，在眾多OFFER中，我選擇了互聯(lián)網(wǎng)金融公司作為我的第二份工作，開始“玩轉(zhuǎn)大數(shù)據(jù)”。

期間，我參與了公司大數(shù)據(jù)中心的籌建，負責(zé)過精準營銷團隊、算法建模團隊。在R盛行的時候，我開始自學(xué)R語言編程, 多次參加R語言會議，與R語言大佬們討論最前沿的算法及應(yīng)用場景。然而在實際工作過程中R語言安裝很多依賴包，且內(nèi)存管理、運行速度和效率等缺點突出。

因此從2016年開始我逐步轉(zhuǎn)向使用Python和Spark，使用Scikit-learn、Tensorflow等算法框架構(gòu)建機器學(xué)習(xí)模型，使用Hive、Hbase等大數(shù)據(jù)工具處理TB級數(shù)據(jù)量。我承擔公司標簽體系構(gòu)建、客戶分層模型、反欺詐模型、精準營銷模型、消費信貸產(chǎn)品信用評分模型等項目，也做過數(shù)據(jù)寬表、數(shù)據(jù)架構(gòu)、營銷活動效果分析、隨機立減算法設(shè)計、年度賬單數(shù)據(jù)開發(fā)、書寫分析報告及匯報材料等工作。

在掌握大數(shù)據(jù)技術(shù)、建模工具之后，到了2017年我想尋求穩(wěn)定，在特定行業(yè)內(nèi)深耕細作，勵志成為行業(yè)內(nèi)的數(shù)據(jù)科學(xué)家。在獲得京東金融、百融、阿里、銀行等多個OFFER，因為家庭原因我選擇回到家鄉(xiāng)工作，在一家城商行從事信用卡數(shù)據(jù)建模工作，當前已參與信用卡A、B、C評分卡構(gòu)建，以及客戶標簽體系建設(shè)、信用卡資產(chǎn)估值等工作。

在學(xué)校實驗室里和實際工作中做數(shù)據(jù)建模項目還是有所不同的，學(xué)校里主要是練習(xí)算法以及如何調(diào)參，工作中業(yè)務(wù)理解、特征工程顯得更為重要。在數(shù)據(jù)挖掘業(yè)內(nèi)，經(jīng)常聽到有人說“Garbage in, Garbage out(垃圾進,垃圾出)”，用不好或不對的數(shù)據(jù)去做分析,會產(chǎn)生糟糕或是無用的結(jié)論。也就是說，數(shù)據(jù)和特征決定了模型的上限，而算法只是逼近這個上限而已。

對于即將入坑或已入坑的數(shù)據(jù)分析師，最重要的是找準定位。

我比較認同CDA的數(shù)據(jù)人才認證體系，從LEVEL Ⅰ到LEVEL Ⅲ必備技能、知識點以及定位都比較接地氣。當然除了掌握必備的技能外，還要熟悉業(yè)務(wù)知識以及學(xué)習(xí)做事的方法，在項目中不斷鍛煉自己提升自己。機會總是留給有準備的人，只有掌握技能、理解業(yè)務(wù)，同時具備解決問題的思維方法，才能獨立承擔數(shù)據(jù)挖掘及數(shù)據(jù)分析項目。正是由于堅持不斷地學(xué)習(xí)，我才能在短時間內(nèi)獨立負責(zé)項目，同時還要感謝領(lǐng)導(dǎo)們對我的幫助。

02、我的考證之路——技多不壓身，趁年輕趕快充實自己

為了鼓勵員工持證上崗或者提升技能，許多單位都有證書獎勵，尤其是銀行等金融機構(gòu)。在行內(nèi)征求證書獎勵意見時，我成功將CDA證書推薦進獎勵范圍，推薦理由是在數(shù)字化轉(zhuǎn)型過程中，數(shù)字化人才梯隊建設(shè)是首要任務(wù)，而CDA證書等級體系完美的詮釋了如何去培養(yǎng)數(shù)字化人才隊伍。

從2017年開始，我陸續(xù)考取了銀行、證券、基金、期貨等金融從業(yè)證書，通過考試獲評統(tǒng)計師、中級經(jīng)濟師職稱，同時考取工信部高級數(shù)據(jù)分析師、Python技術(shù)應(yīng)用工程師（高級）、大數(shù)據(jù)技術(shù)應(yīng)用工程師（高級）、人工智能應(yīng)用工程師（高級）等證書，在2019年CDA第十一屆認證考試中我通過客觀題和項目案例答辯，正式成為CDA LEVEL Ⅲ數(shù)據(jù)科學(xué)家持證人，次年12月通過FRM一級，目前正在積極備戰(zhàn)FRM二級。

得益于之前的項目經(jīng)驗和知識積累，我僅僅花了1個月時間復(fù)習(xí)就通過上機考試。結(jié)合我多次考證經(jīng)歷，現(xiàn)將備考經(jīng)驗總結(jié)如下。

首先是緊扣考綱，抓住重點。根據(jù)考試范圍準備備考書籍、視頻課、模擬題等材料，搜集前輩們的備考經(jīng)驗，以便制定計劃。認真研讀考綱，在有限時間內(nèi)對于考綱要求的要掌握，考綱不要求可以選擇放棄。

從2020年開始CDA的考綱有所變化，LEVEL Ⅲ新考綱變得相對容易，也更聚焦數(shù)據(jù)挖掘和機器學(xué)習(xí)，因此要緊扣考綱，重點學(xué)習(xí)數(shù)據(jù)挖掘技術(shù)、數(shù)據(jù)處理與特征處理、自然語言處理、機器學(xué)習(xí)算法等內(nèi)容，吃透書中內(nèi)容。

其次是制定計劃，有序復(fù)習(xí)。

可以將備考分為三個階段：

一是基礎(chǔ)階段，將書中知識通讀、消化，大綱中的每一部分形成腦圖，便于自己系統(tǒng)掌握，這一階段可以嘗試做些練習(xí)題，鞏固知識點。

二是強化階段，進行專題突破，針對第一階段沒有掌握的重要知識點重點學(xué)習(xí)，同時重做第一階段的錯題以及弄清楚解題思路。

三是沖刺復(fù)習(xí)，查缺補漏，根據(jù)考綱形成整體的思維腦圖，覆蓋所有考點。

最后是調(diào)整心態(tài)，積極備考。要以平常心積極應(yīng)對考試，這一階段可以嘗試模擬考試時間練習(xí)?？碱}。

我參加的是CDA第十一屆考試，考試時間為2019年12月29日。因為我和我愛人都沒有去過武漢，因而將考點選擇武漢，考完后先登黃鶴樓、再游戶部巷、吃完熱干面、又食武昌魚，雄偉的長江大橋、美麗的武漢大學(xué)、人流熙攘的江漢路步行街，穿梭在武漢的大街小巷，享受著武漢的特色美景。很不幸的是考完后過了2周就是武漢疫情爆發(fā)期，而我幸運的逃過一劫，相信疫情以后的武漢會越來越好，有機會我將攜家人再去武漢一游。

接著說說我的項目案例經(jīng)歷，在通過第一階段考試后，CDA老師會發(fā)一封郵件，附件里有項目案例要求和數(shù)據(jù)以及答辯的注意事項等。在拿到案例后，我認真研讀了項目說明、項目分析要求和評估方式等。我的案例題目是假新聞預(yù)測模型的建置及預(yù)測，由于對假新聞識別問題比較陌生，在做項目案例過程中我瀏覽大量的國內(nèi)外相關(guān)的文本挖掘前沿論文，歸納出案例的解決方法。

項目過程中70%時間花在特征工程上，包括特征使用方案、特征獲取方案、特征處理方案和特征監(jiān)控方案，具體框架見下圖。

最終建立貝葉斯、BP神經(jīng)網(wǎng)絡(luò)、SVM、隨機森林、XGBoost的分類模型，同時以詞嵌入作為特征，建立CNN、LSTM、RNN等深度學(xué)習(xí)算法預(yù)測模型。

機器學(xué)習(xí)模型

深度學(xué)習(xí)模型

我的項目答辯老師是李御璽老師，李御璽老師和藹認真，認真聽完了我的答辯，給予了細致耐心的評價，希望我在文本特征構(gòu)造多做工作，比如可以從作者偏好、情感分析、實體分析（人名、地名、組織等）、政治敏感等視角分析，增加模型預(yù)測精準度。

在完成項目案例過程中可以說受益頗多，整個項目我花了差不多20天的時間，閱讀了30多篇文章，寫了2000多行Python代碼，用了兩臺電腦去做文本特征提取，項目案例用到了機器學(xué)習(xí)、深度學(xué)習(xí)和文本挖掘多種算法。通過這次項目案例實戰(zhàn)，我學(xué)到了很多前言的算法，尤其是文本特征提取的方法，同時對機器學(xué)習(xí)、深度學(xué)習(xí)和文本挖掘有了全面深入的認識。

03、數(shù)據(jù)科學(xué)，未來可期

順應(yīng)全球信息化的發(fā)展趨勢,我國開啟“數(shù)字中國”戰(zhàn)略。在此戰(zhàn)略背景下，各行各業(yè)已經(jīng)進入數(shù)字化轉(zhuǎn)型的角逐期，未來的社會需要更多復(fù)合型的技術(shù)人才，尤其是對大數(shù)據(jù)科學(xué)家的需求將激增。

身為銀行人，在數(shù)字化轉(zhuǎn)型戰(zhàn)略下，數(shù)據(jù)從業(yè)者大有可為，未來我將繼續(xù)在信用卡行業(yè)，推進數(shù)據(jù)科學(xué)在營銷、風(fēng)控、產(chǎn)品、管理、服務(wù)、合作等方面的應(yīng)用落地，致力于成為信用卡行業(yè)的數(shù)據(jù)科學(xué)家。

身為數(shù)據(jù)人，堅持初心與使命，今天取得的成績并不是終點，而是攀登更高峰的起點。面對未來的機遇與挑戰(zhàn)，一方面努力工作，一方面堅持學(xué)習(xí)，盡管我已經(jīng)取得CDA LEVEL Ⅲ 數(shù)據(jù)科學(xué)家證書，但是我深知要成為真正的數(shù)據(jù)科學(xué)家還有很長的路要走。

未來可期，未完待續(xù)……

作者簡介

Roll，統(tǒng)計學(xué)碩士，統(tǒng)計師職稱，CDA LEVEL Ⅲ數(shù)據(jù)科學(xué)家持證人

在數(shù)據(jù)分析行業(yè)深耕十年有余，現(xiàn)為某城商行數(shù)據(jù)建模高級經(jīng)理。同時為工信部高級數(shù)據(jù)分析師、PythonSASR語言高級編程師。