在Springboard，我們的學生經常問我們這樣的問題“數據科學家是做什么?”或者“數據科學家每天的工作是什么樣子?”這些問題很棘手。答案因角色和公司不同而不同。

因此，我們咨詢了Raj Bandyopadhyay, Springboard數據科學教育主管，看看他是否有一個更好的答案。Raj提供了下圖中的框架，它既可以幫助你了解數據科學家的日常工作，也可以幫你理解數據科學解決問題的流程，Raj稱之為“數據科學工作流程”。

步驟1：問題界定

在解決問題之前，首先要做的是把問題界定清楚，去定義它到底是什么。你必須能夠將數據問題轉化為可操作的東西。

你經常會從持有問題的人那里得到模糊的描述。你必須培養直覺：通過問一些別人不會問的問題，把這些模糊描述轉換成可操作的問題。

假設您正在為公司的銷售人員解決問題，你應該了解他們的目標是什么以及數據問題背后真正的本質是什么?在你開始考慮問題之前，你必須與他們合作，明確界定問題。正確地提問是這一步驟的關鍵。你應該弄清楚銷售過程是什么樣子，誰是客戶。你需要盡可能了解背景知識以便將數據轉換為洞察力。為此，你應該問類似下面的問題：

(1)誰是顧客?

(2)他們為什么買我們的產品?

(3)我們如何預測，一個客戶是否會買我們的產品?

(4)表現好和差客戶細分群體之間的區別在哪里?

(5)如果我們不能把產品賣給目標客戶，我們的損失有多大?

在回答你的問題時候，銷售人員可能會發現他們想知道為什么產品在部分細分客戶群體中的銷售不及預期。他們的最終目標可能是確定是否繼續投資于這些群體，或是降低它們的優先級。這樣你進一步細化了問題，針對細化后的問題發掘答案。在這個階段的最后，你應該有了所有你需要解決問題的背景知識。

步驟2：收集原始數據

一旦定義好了問題，你需要通過數據來尋找解決方案。這一進程中要想清楚需要什么樣的數據?通過什么渠道可以獲取這些數據?是要內部數據庫數據還是需要購買外部數據?

或許你可能會發現，你要數據都存儲在公司的客戶關系管理CRM系統中，那么就可以將數據用CSV文件的形式導出。

步驟3：數據預處理

現在，你有了原始數據，但是還需要為后續的分析做數據預處理。通常情況下，數據都是雜亂無章的，特別是沒有很好地存儲的情況下。很多東西都可以導致后續分析的錯誤：null值，重復值和缺失值。對數據的精心核查才能保障從數據中得到有價值的見解。

你要檢查以下常見錯誤：

(1)缺失值，例如客戶沒有初次接觸日期

(2)損壞值，如無效輸入項

(3)時區差異，也許你的數據庫沒有考慮到用戶處在不同的時區

(4)日期范圍錯誤，也許你會有沒有任何意義日期數據，比如銷售開始前的注冊數據。

你需要對數據文件的行和列進行統計，并對某些值進行測試，看看它們是不是有意義。如果您發現沒有意義，你需要刪除數據，或者使用默認值替換它。這里，你需要利用你直覺：如果客戶沒有初次接觸日期，是否就真沒有初次接觸日期?或者你可以詢問銷售人員，是否是把初次接觸日期的數據弄丟了?一旦你完成數據清理工作，你就可以開始準備探索性數據分析。

步驟4：探索數據

當你的數據是干凈的，你就應該開始使用它!這里的困難在于如何對真正有見解的想法進行測試。你必須為數據科學項目設定最后期限(銷售人員可能正等待的分析)，所以你必須對問題進行優先級劃分?！澳惚仨毾瓤纯醋钣腥さ哪Ｊ剑簬椭忉尀槭裁茨承┛蛻羧后w的銷量減少了。您可能會注意到，他們在社交媒體上不是非?；钴S，只有少數人有Twitter或Facebook帳戶。您可能還注意到，其中大部分人的年齡偏大，你可以開始跟蹤這些模式進行更深入分析。

步驟5：深入分析

這一步你要應用統計學、數學和數據科學工具，圍繞有趣的模型進行詳細分析。

在這種情況下，你可能需要創建預測模型比較業績不佳組客戶與客戶平均。你可能會發現，年齡和社交媒體活躍度是影響購買產品的顯著因素。

如果你在問題界定階段就已經了解了很多背景信息，你可能會意識到該公司營銷活動集中在社交媒體上與年輕受眾進行互動。但是某些客戶卻喜歡電話的交流，而不是社交媒體。你開始看到該產品的營銷方式對銷售的影響，也許那部分客戶是不應該流失的群體。公司應該從過分依賴社會化媒體營銷策略向更加個性化的策略轉變。

現在，您可以將所有數據定量分析得到的定性見解，通過講故事的方式說服相關人員采取行動。

第6步：結果溝通

讓銷售人員理解你們的發現很重要。溝通交流的有效性決定了你的方案是否被采納。

你應該撰寫一個有令人信服的故事，將自己的知識與數據恰當嵌入其中。你可以從解釋老年人中銷售業績不佳背后的原因開始;你可以巧妙地將銷售人員給你信息和數據中發現見解結合起來;然后你轉到解決問題的具體辦法：可以將部分資源從社會化媒體轉移到私人電話推銷中。

了解以上步驟，對于系統思考數據科學有極大的幫助。