對于數(shù)據(jù)科學家這一職業(yè)，你了解多少？

——這是個被大公司追捧的職位，供不應求，待遇特別高。職場里“數(shù)據(jù)科學家”的招聘相當火爆，各種線上線下的培訓課程野蠻生長。

這是大多數(shù)人對“數(shù)據(jù)科學家”的印象。

但是，怎樣才能成為數(shù)據(jù)科學家？或者說，一個合格的數(shù)據(jù)科學家需要具備哪些技能和素養(yǎng)？

具有十年從業(yè)經驗的亞馬遜資深數(shù)據(jù)分析師 Karolis Urbonas，經常被人請教這一問題。這促使他回顧自己的職業(yè)生涯——“我是怎么一步步走到現(xiàn)在的？”“我是怎么成為數(shù)據(jù)科學家的？”以及，從自我定位和自省的角度反思：“我是一名數(shù)據(jù)科學家嗎？”

自我反思的答案，被他總結成了這篇文章。由雷鋒網獻給想要入門數(shù)據(jù)科學的童鞋們。

Karolis Urbonas

Karolis Urbonas：我的職業(yè)生涯從投資公司的證券分析師起步，那時候主要用的還是 Excel；之后轉到銀行業(yè)做商務智能（BI，即 business inelligence）；再之后去做咨詢；最后才來搞所謂的“數(shù)據(jù)科學”——開發(fā)預測模型，擺弄大數(shù)據(jù)，寫代碼來做數(shù)據(jù)分析和機器學習。那時大多數(shù)人把這工作稱之為數(shù)據(jù)挖掘。

當數(shù)據(jù)科學變成一股熱潮，我開始試著思索，它和我一直在做的工作有什么不同。也許我應該學習一些新技能，成為真正的“數(shù)據(jù)科學家”，而不是一個“搞分析”的人？

和所有人一樣，我開始修習多門課程，讀很多書，修習數(shù)據(jù)科學專業(yè)（和大多數(shù)人一樣，沒有一樣是最終做到底的），寫了一堆代碼。我當時的目標并不只是成為數(shù)據(jù)科學家，而是成為下面這副數(shù)據(jù)科學韋恩圖中間的“那個”數(shù)據(jù)科學家：

這幅圖在數(shù)據(jù)科學圈子里稱得上是大名鼎鼎。三個大色塊分別是：綠色—數(shù)學、統(tǒng)計學知識，紫色—資深專家水平，粉色—黑客技術。中間的小色塊是三大領域的重合區(qū)域，分別代表：中上黃綠色塊—機器學習，右下墨綠色塊—傳統(tǒng)研究，左下紫色塊—危險地帶，中央灰色塊—數(shù)據(jù)科學家。

但我后來了解到，圖中央的那一撮“獨角獸”（中間“數(shù)據(jù)科學家”色塊里的這幫人在圈內被稱為獨角獸）在現(xiàn)實中極其稀少。即便真存在這種人，也大概會是對各個領域都有涉獵、但沒有一門精通的“通才”，而非專家。

如今，我在亞馬遜帶領一支極富才華的數(shù)據(jù)科學團隊，每天搞所謂的大數(shù)據(jù)。因此我已把自己看做是一名數(shù)據(jù)科學家。但我認為，這行的水太渾（指的信息方面）、尤其對于新人來說很多問題不夠清楚明白。當然，數(shù)據(jù)科學有很多高深復雜的分支，比如 AI 、機器人學、計算機視覺、語音識別等等（雷鋒網注：AI 出身的學者恐怕會把這些全都看做是 AI 的分支，學科視角不同）。鉆研這些領域全都需要相當高的技術、數(shù)學造詣，經常還需要一兩個 PhD 學位。但如果你只是想要進入幾年前被稱為商業(yè)/數(shù)據(jù)分析師的數(shù)據(jù)科學角色，并在企業(yè)工作，這是四條幫助你在這個行當生存下去的建議：

第一步

明確你的優(yōu)先目標和動機，客觀評估所掌握的技能，并據(jù)此設立現(xiàn)實的目標。

數(shù)據(jù)科學中有各種職業(yè)角色，清楚你現(xiàn)在的知識技能儲備，以給自己一個合理的定位十分重要。假設你是一個想要改變職業(yè)軌跡的 HR，或許你應該學習 HR 數(shù)據(jù)分析。假設你是律師，則可鉆研法學界的數(shù)據(jù)應用。事實上，現(xiàn)在所有的行業(yè)和商務職能都迫切需要更深層次的洞察力，數(shù)據(jù)科學技術正在被普遍地采用。

如果你已經有一份工作，可以想辦法理解工作中哪些環(huán)節(jié)可用數(shù)據(jù)優(yōu)化，哪些問題可利用數(shù)據(jù)解決，然后去學習怎么做。這會是一個逐步推進、相對漫長的過程。但你能保住飯碗，并且能從現(xiàn)實任務中學習。如果你是應屆生或者在校生，你學習數(shù)據(jù)科學的時機堪稱完美：你有大把機會找出自己最喜歡、最感興趣的領域——電影？音樂？汽車？普通人想象不出來這些行業(yè)雇傭了多少數(shù)據(jù)科學家。但最重要的，這些人都對所處領域心懷大愛。

第二步

打基礎。

數(shù)據(jù)科學的各個細分領域之間差異很大，但底層技能都是差不多的。有三個領域你必須學好，并打下牢固基礎：數(shù)據(jù)分析，統(tǒng)計學和寫代碼。你并不需要在每個學科都成為大師，但要牢固掌握這三個領域的基礎知識和技巧。

（a）關于數(shù)據(jù)分析

你需要理解基本的分析技巧，并進行大量練習——比如數(shù)據(jù)表是什么；怎么合并數(shù)據(jù)表；對于按照特定方式而組織的數(shù)據(jù)，主流分析技巧是什么；怎么創(chuàng)建數(shù)據(jù)集的摘要視圖（summary views），怎么從中得出初步結論；探索性數(shù)據(jù)分析是什么；哪種可視化方法能幫你理解數(shù)據(jù)并從中學習。這些都很基礎，但相信我——掌握了這些之后，你就有了任何數(shù)據(jù)科學工作所必須的基本技能。

（b）關于統(tǒng)計學

要掌握統(tǒng)計學入門知識——比如，什么時候用平均數(shù)，而什么時候要選擇中位數(shù)；什么情況下用標準差，什么情況下用它完全沒意義；為什么平均值會“騙人”，但仍然是最常用的總計價值。我說“入門知識”

的時候，我真的指的是入門。除非你是個數(shù)學家，有志成為計量經濟學家——那么，請盡情學習高級統(tǒng)計學。如果你沒有數(shù)學專業(yè) PhD，你只需要花一些時間，保持耐心，直到對基礎統(tǒng)計學和概率論有一個不錯的掌握。

（c）寫代碼

學編程是最老套的建議，但的確很靠譜。

你應該從學習用 SQL 查詢數(shù)據(jù)庫開始——不管你信不信，數(shù)據(jù)科學團隊的大部分工作時間，是花費在數(shù)據(jù)的“ pulling”和準備上，而這需要通過 SQL 完成。你還需要學一門數(shù)據(jù)分析語言（從一門語言開始），R 或 Python 都很合適——對其中一門語言的掌握，會給你的職業(yè)選擇帶來很大不同，許多職位的招聘要求會有這兩門語言，雖然不是全部。一開始，你可以聚焦于學習語言的基礎，然后再專注鉆研如何用它來搞數(shù)據(jù)分析。另外，在這行立足并不需要你成為一個程序猿——你只需要知道怎么用程序語言來對數(shù)據(jù)進行分析和可視化。

第三步

數(shù)據(jù)科學是一門解決實際問題的學問——你需要找到問題并解決它。

職業(yè)生涯中我逐漸體會到，成為一名合格數(shù)據(jù)科學家的最基本要求，是要不停問問題，不停尋找需要解決的問題。我不建議你每時每刻都去尋找問題——這或許會對心理健康造成負面影響。但若下決定干這一行，你就要做好準備成為一個“問題解決專業(yè)戶”，并且像福爾摩斯或者柯南一樣鍥而不舍。

我建議從小問題開始，找出你的生命中能受益于數(shù)據(jù)分析的東西——你會為生活中的各種數(shù)據(jù)之豐富感到驚訝（即便是難以啟齒的數(shù)據(jù)）?；蛟S你會開始分析你的購物習慣，找出你 email 中的情感流露模式，或者創(chuàng)建漂亮的圖表追蹤家鄉(xiāng)城市的財政狀況。數(shù)據(jù)科學家的責任是“質疑一切，不斷發(fā)問”：比如，這個市場營銷項目是否有效？有沒有值得注意的行業(yè)趨勢？公司產品是否表現(xiàn)不佳需要下馬？合作伙伴給的折扣是否合理？這些問題會成為數(shù)據(jù)科學家眼中的假設，需要用數(shù)據(jù)分析進行證實或者證偽。假設（ hypotheses）是數(shù)據(jù)科學工作的原材料，你能解決、解釋的假設越多，你的能力越高。

第四步

開始實干，而不是把時間精力浪費在計劃“做什么”和“怎么做”上面。

這適用于任何學習活動，但對數(shù)據(jù)科學來說尤其貼切。新人們，請確保從學習的第一天開始你就在“做”。在這一行，把真正的學習晾在一邊，而只是“讀關于數(shù)據(jù)科學的東西”，“讀應該怎么做”，是個非常普遍、非常容易犯的錯誤（我自己一開始也是這樣）。很多人復制粘貼書里的數(shù)據(jù)分析代碼，然后在非常簡單的數(shù)據(jù)集上運行，把這作為練習。相信我，現(xiàn)實世界里你永遠不會遇到這么簡單的數(shù)據(jù)集。

對于你所掌握的知識和技能，確保把它們用于你所感興趣的領域，然后，你會體會到數(shù)據(jù)科學的奇妙之處：

寫下你的第一行代碼，看到它如何失敗，陷入僵局，不知道下一步怎么做，尋找解決方法，找了很多卻沒有一個管用，艱難地自己摸索，結果突然間闖到了下一階段……這一刻，你大叫一聲淚流滿面。

這才是真正的學習過程。

“ Learning by doing”，即從實踐中學習，是掌握數(shù)據(jù)科學的唯一方法。你學騎自行車的時候，并不是靠研讀《教你怎么騎自行車》，而是直接上去騎，是吧？差不多的道理在這里也適用。不管你學的是什么，要確保你立刻去用它，用真實數(shù)據(jù)解決真實問題。

“如果你花費過多時間思考一件事，你永遠也無法將它完成?！边@是李小龍的一句名言。雷鋒網按：雖然我們不鼓勵數(shù)據(jù)科學家讀雞湯，但是——你明白我的意思。

via cyborgus

相關文章：

八步拿下數(shù)據(jù)科學，攻克 “21世紀最性感的工作”

一張圖看懂數(shù)據(jù)科學；驚曝英特爾 72 核 Xeon Phi 處理速度 | AI 開發(fā)者頭條

數(shù)據(jù)科學入門難？老司機為你盤點 24 門精品課程

雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。