業界深訪 | 研發總裁眼中的數據科學家

在大數據和機器學習的時代，有一種職業脫穎而出——數據科學家。數據科學家在近年來備受追捧，也有越來越多的人想投身入數據科學領域。

最近，CDA 采訪了幾位來自不同行業的數據科學團隊負責人，聊聊他們眼中的數據科學家是什么樣的，以及對于初入數據科學行業的人群有些什么建議。

今天請到的是來自TalkingData的研發副總裁——閻志濤，讓我們看看研發總裁眼中的數據科學家是什么樣的吧。

點擊播放采訪視頻，建議wifi下播放。
http://edu.cda.cn/course/946/task/16002/show

以下是采訪的文字整理部分。


閻志濤 TalkingData，研發副總裁

大家好，我叫閻志濤，是TalkingData的研發副總裁。我在TalkingData于2011年成立，我是2012年加入的，到現在已經過了六年時間。

Q1:請介紹下您目前從事的數據科學相關的工作內容。

我們公司是既有數據也有業務，因此數據科學相關的工作，首先是數據本身。這部分包含了數據治理、數據準備，到最后把數據應用到不同的業務場景里。比方說將數據建模提供給不同的客戶，以及通過我們的線上平臺，給企業客戶提供從數據到模型的能力。

另外我們也在構建一個開放的平臺。實際上就是賦能給其他數據科學家，利用我們的數據和平臺讓他們建模。

如今對于國內企業而言，數據科學家是現在稀缺的職業。因此我們公司在教育方面也做投入，比如TDU騰云大學，而且還跟一些國外高校合作了“梧桐計劃”，讓優秀院校的畢業生能夠在我們這邊接受培訓，用我們的數據結合業務場景進行實踐。

對于數據科學而言，算法方面如果有較好的數學基礎，掌握起來并不是特別難。但如果想落地，一定需要場景和數據。這是很多大學現在所欠缺的，沒有數據也沒有場景，只能拿像Kaggle里的一些開源數據集去做嘗試。

但是我們這兒有真正生產中可以用的數據，有具體的問題讓他們去解決問題，去真正去鍛煉自己的能力。

從我自己目前來講，我現在側重幾個方面。一個就是數據科學賦能，因為我們在打造我們自己的數據科學平臺。這個平臺實際上是一個開放的平臺，我們希望把自己的數據做一些處理，然后把它變成能讓大家用來建模的數據集。結合業務場景，讓不同公司的數據科學家能夠支持他們的業務，這是我們想做的事情。

這當中涉及到血多工作，我們需要做很多數據工程的工作，比方說清洗。然后平臺構建方面，需要很多這種數據整理工作。

我們現在做一個很有意思事情，關于數據現在都在講GDPR，也就是數據隱私，如果做到數據脫敏。我們現在做叫embedding的事情，把我們的數據能夠打平脫敏，變成機器能夠理解，但人不能理解的內容。

Q2：請分享下您工作中所做的具體案例…

因為現在大家都知道大數據，或者數據應用的典型場景是廣告或者營銷。這里邊實際上就有一個非常常見的算法，叫做look alike，就是找相似人群，這是一個典型的數據科學在營銷領域，結合大數據去做的場景。

我們是實際上約從14年開始就在嘗試用Look alike，利用我們的數據幫助一些廣告主，或者是比方廣告的DSP（需求方平臺），提供更好的營銷效果。我們在不同的場景里邊都做過使用，而且都取得不錯的效果，而且現在已經將代碼部署在我們的數據智能市場上，已經把它變成了標準化服務。也就是說用戶有自己的樣本種子數據上傳上來，利用我們的數據，它就可以做種子人群放大，去可以找到相似的人群去做精準營銷和投放，這是一個比較具體的案例了。

Q3：您覺得當下企業需要的數據科學家應該具備哪些技能？

對于數據科學家來講，我覺得首先硬技能是基礎。首先，你要有比較好的數據工程的基礎能力。因為現在的數據科學家并不像原來的數據分析師，并不是有人幫你清洗數據，幫你去做各種數據的持，你只需要做簡單的算法模型就行了。

第一，你要有數據整理和數據工程的能力。因為現在大數據的場景里，很多數據一開始并不那么干凈，你要能自己去整理這些數據。

第二，你需要有對數據的理解能力。因為你要做工程的話，如果不理解數據是很難的。雖然現在說深度學習可以不做特征工程，但是對于大部分業務場景，對數據進行理解，然后去做特征仍然是很關鍵的。

第三，數據科學能力，熟練掌握各種算法。這也是數據科學家區別于數據工程師的關鍵能力。

算法對于數據科學家來說，是你的安身立命的工具，是用來解決問題的重要工具。你必須了解在什么場景下，面向什么樣的數據，采用什么算法，去解決什么樣的業務問題，這是核心技能。

第四，對業務的理解能力。因為所有的數據科學它不是空中樓閣，數據科學家并不是只做科學，而是需要解決具體的業務問題。這時掌握業務領域知識，對業務理解就變得非常的關鍵。

第五，溝通能力。這個軟技能對數據科學家也是非常關鍵的。

因為數據科學家不是獨立工作，你要面向業務去解決問題。數據科學家跟工程師不太一樣，工程師的問題一般是確定性的，有時只要問題定義清楚就能去做了；但是科學家需要很多次迭代，這樣你跟業務團隊、跟不同的人溝通就變得非常關鍵。

第六，項目管理和時間管理都很關鍵。數據科學工作經常需要多次迭代。如何管理整個不同的資源，如何控制時間，一步步=接近到你的目標也是至關重要的。

硬技能和軟技能一樣，對于數據科學家確實都是非常重要的，所以說這是一個非常綜合的職業。

Q4：您覺得數據科學家最核心的一個能力是什么？

對數學科學家而言，數據科學是核心能力。

這里可以去其他的幾個職業進行區分。數據工程師需要數據科學能力，但工程能力就更關鍵，而分析師業務理解更關鍵。數據科學家的核心素質，一定是算法等相關能力。

你一定要緊跟時代的發展。目前，雖然人工智能很熱，但整個數據科學還是在爬坡階段，各種新的算法層出不窮。我覺得在掌握常見基礎算法的情況下，一定要多去看國外的先進文獻和論文，去了解更新的算法。因為當中有很多算法，并不是大家能在大學里學到的。

Q5：請您給正在職場打拼的數據分析師、數據工程師們一些職業發展建議！

實際上我是工程師出身的，這兩個角色確實不太相同。對于數據工程師來講，想轉成數據科學家需要思維方式的轉變。

工程師解決的問題經常是具象的、確定性的，工程師一般是根據確定性的問題，找到解決方案。解決方案出來后，它就能出現確定性的結果。

但是對于數據科學家而言，面向的結果是不確定性的。你要要做好思想準備，在工作中逐步嘗試，接近更完美更好的效果。

在有思想準備之后，你還需要之前所提的硬技能。數據工程師的強項是工程能力，寫代碼的能力。但數據科學需要掌握很多算法，可以通過培訓、線上課程等資料補齊這些知識。大學里學過的概率論、統計、線性代數等知識也需要復習。

然后還需要再實際動手。面向問題找到對應問題的數據，去動手一步一步的梳理。

以上是我的一些建議和想法。

Q6：您對CDA LEVEL 3 數據科學家人才標準有何建議和期待？

就國內目前來說，數據科學家人才是比較缺乏的。CDA LEVEL 3的課程設置很好，能夠讓更多的人加入到數據科學隊伍里來，為市場輸送了很多優秀的數據分析人才，從而進一步強大數據科學團隊，這是非常有價值的。

如何進階為數據科學家

CDA LEVEL 3數據科學家精英培訓已正式發布，旨在面向從業多年的、有技術基礎的大數據及數據分析專業人士、數據工程師等，為他們提供一個成為數據領袖的跳板。了解更多詳情：http://www.ruiqisteel.com/kecheng/53.html