作者 | Amadeus Magrabi

來源｜ 數據派THU

數據科學領域的勞動力市場正發生著快速的變化。曾經，能夠搭建機器學習模型被認為是只有少數頂尖的數據科學家才能掌握的尖端技能，但如今，有一點基本編程經驗的人就能根據教程完成Scikit-learn或者keras的模型訓練。

頂著“本世紀最性感的職位”，行業內的招聘人員不得不面對大量的數據科學相關的求職申請，而這樣火熱的程度目前看不到降溫的趨勢，同時越來越多的數據科學相關的開發工具也變得更加易用。人們對數據科學家能給我們帶來什么的期望已經改變，越來越多的公司逐漸認識到，訓練機器學習模型只是在數據科學領域取得成功所需的很小一部分工作。

這里，我們列舉了四項成為偉大的數據科學家最有價值的品質：

一、重點關注業務影響

對于數據科學家而言，最常見的驅動力之一源自對于發現數據模式的好奇心：潛心于探索數據特征的探索、利用最新技術進行實驗、系統性的測試并最終得到新的發現，這些工作都讓數據科學家們感到興奮。這種科學動機是數據科學家應該具備的。但如果它是唯一的動力，那也成了一個問題。

如果僅停留在數據層面，思路就會變的局限，最終迷失在數據統計的細節之中，忽略了具體應用場景和更大的公司業務背景。

頂尖的數據科學家懂得如何將他們的成果融入到公司整體的業務之中，并最終將其轉化成商業價值。如果存在簡單適用的技術，他們不會花費過多的時間去追求復雜的技術實現方式；在真正制定方案之前，他們會明確項目的意義并直擊問題所在；他們會關注行動或者方案對整個團隊的影響，并提前與相關人員進行溝通；他們會對新的項目和計劃提供層出不窮的思路，并不介意自己在別人眼中是否過于“腦洞大開”；他們會對自己的方案幫助到更多的人感到自豪，而不是使用了更先進的技術。

數據科學目前仍是一個不規范的行業，學術教育與產業需求間存在著很大的代溝。頂尖的數據科學家無懼于走出“舒適區”，去面對更棘手的問題并最大限度地發揮其作用。

二、扎實的軟件工程技能

當設想數據科學家的理想形象時，浮現在人們腦海中常常是在工作在頂級大學中的著名的AI學科教授。在企業需要提升模型準確率去面對更激烈的競爭時，納入這樣的人才無疑是明智的。因為為了提高傳統方法準確率最后剩余的幾個百分點，必須去關注數學方法的細節，驗證復雜的方案，甚至為了特定問題去定制化的研發統計學技術。

但在實際工作中，這種場景太少見了。對于大部分企業而言，標準模型的準確率已經足夠，再投入大量時間和人力去把模型優化成最好、最先進的模型并不那么具備性價比。更重要的是盡早建立精度尚可的模型并建立模型與業務系統的回饋循環，可以讓你能開始迭代并快速找到模型的最佳使用場景。糾結于準確率的細微差別通常并非一個數據科學項目成敗的關鍵點，這也是在實際業務開發中，工程技能比科學技能更重要的原因。

通常，一個數據團隊的運作流程是這樣的：首先數據科學家建立解決方案的原型，并提供試錯和意面式的代碼（覆蓋功能點但沒有系統化的代碼）；如果結果看起來還不錯，代碼就會交付給軟件工程師，由軟件工程師將這些草稿改寫成可擴展的、高效的、可維護的代碼。數據科學家并不要求像軟件工程師那樣提交產品級的代碼，但如果數據科學家對軟件工程更加熟悉，并且對可能發生的架構問題有所了解的話，整個工程會變的更加順暢和高效。

隨著越來越多的數據科學工作流程正在被全新的軟件框架所替代，扎實的軟件開發技能也成為了數據科學家們的必備技能之一。

三、謹慎的期望管理

站在領域外的角度看，數據科學是一個邊界模糊并且令人難以捉摸的領域。這是炒作還是世界正在經歷革命性的變革？是否所有的數據科學項目都是機器學習項目？這些人的身份是科學家、工程師還是統計學家？他們是做什么的，軟件產品還是可視化的儀表盤？為什么模型給我的結果是錯的，有誰能修復這個bug么？他們現在只給了這么幾行代碼，過去的幾個月他們都做了什么？

面對數據科學，很多事情都顯得那么不清楚，而同一個企業中的不同的人于數據科學家的期待也不一樣。

對于數據科學家很重要的一點是：主動并持續與工作相關的人員進行溝通交流，明確工作預期，盡早消除誤解，并讓大家的認知達成一致。

頂尖的數據科學家懂得面對不同背景、不同目標的人采用不同的溝通方式，因為各種因素都會造成對數據科學的不同預期。頂尖的數據科學家要能通過一種簡單易懂的方式給零技術基礎的人講清楚復雜的數據處理方法，以便達成工作目標；他們知道什么時候去消除過于樂觀的預期，什么時候該說服過于悲觀的同事。最重要的是，他們強調數據科學固有的實驗性質，當一個項目的成功仍不明朗時，他們不會過度承諾。

四、熟悉云服務

云計算是數據科學工具的核心部分。在很多情況下，在本地服務器上運行Jupyter Notebook達到硬件資源極限后仍不足以完成任務。當需要在計算能力強大的GPU上訓練機器學習模型、在分布式集群上并行化數據預處理、部署REST API來發布機器學習模型、管理和共享數據集或查詢數據庫以進行大規模分析時，云服務尤其重要。

目前，最大的云服務提供商包括亞馬遜云服務（AWS），微軟的Azure和谷歌云平臺（GCP）。

考慮到大量的服務和平臺之間的差異，云服務提供商提供的服務并不能勝任數據科學的全部方面。但重要的是要對云計算有一個基本的了解，以便在你需要他們的時候能夠通過瀏覽文檔來了解他們是如何工作的。至少，這可以讓你提出更好的問題，并為友好的社區數據工程師制定更具體的要求。

結語

好了，對于那些希望從零開始組建數據科學團隊的公司，我推薦他們去尋找那些務實的問題解決者，他們具有強大的工程技能和敏銳的業務價值洞察力。統計學技能的優勢可以帶來很多價值，但在很多應用場景中，它并非像以前那么重要，尤其對于創建初期的數據科學團隊。

但目前而言，大多數公司更傾向于雇傭具有強大學術背景的數據科學家，比如數學或物理學博士?？紤]到數據科學行業近年來的發展趨勢，未來是否會有更大比例的軟件工程師或技術產品經理轉變為數據科學角色，將是一個有趣的問題。