作者 | 彭鴻濤 張宗耀 聶磊

來源 | 大數據DT

一、數據科學家的工作模式與組織結構

數據科學家需要與業務專家一起工作才能發揮最大價值。實際工作中兩種角色如何配合，取決于是采用業務驅動的模式還是數據驅動的模式。

1. 數據驅動還是業務驅動

業務驅動的特點是業務人員主導數據分析需求的提出、結果的應用，在業務中應用數據洞察；而數據驅動的特點是更看重主動應用數據分析手段，從數據洞察發起業務、改善業務，當然在業務執行時也需要廣泛應用數據洞察。在較新的業務領域采用數據驅動比較適合，已有復雜業務則采用業務驅動較好。

然而從自身能力的發展、數據驅動逐漸成為主要的工作模式的情況來看，數據科學家需要思考如何將數據驅動的模式做得更好，并且愿意承擔更多責任。所以，除了算法、用法等基本技能，還需要考慮如何改善業務。

下圖所示的職責占比只是示意，其實最核心的是由哪種角色來主導，在工作中也未見得業務專家不能主導數據驅動的模式。從業務結果的角度來看，所謂業務驅動和數據驅動只是到達一個既定目標時不同的工作方式而已。在實際的業務中也不會分工非常明確，即不會限定業務人員只能做什么或數據科學家只能做什么，只有相互無縫協作才是最佳的工作模式。

▲業務專家與數據科學家的兩種配合方式

2. 數據科學家團隊的組織結構

數據科學家團隊的組織結構關系到數據應用的效率、管理的效率、個人的發展等諸多方面，企業在設置這個組織結構時需要認真考慮。每個企業的實際情況不同，可以采用不同的方法。數據科學家的組織結構一般分兩種，即分散式結構和集中式結構。

分散式結構是數據科學家屬于確定的業務部門，這樣的組織結構的好處是其可以緊密地與業務人員合作，將業務問題轉換為高效的數據分析任務。

但是其也有不足，一方面數據分析的知識積累是在個人身上，而不是在團隊，另外一方面就是因為角色的限制使得業務部門內的數據科學家沒有上升空間。業務部門內的數據科學家若要在職業道路上繼續前進，要么離開，要么擔任其他角色。一旦發生數據科學家的人事變化，這對團隊穩定、知識積累等都是不利的。

集中式的數據科學家組織結構就是跨業務條線而成立獨立的專門做數據分析的結構。這樣的組織結構的好處就是團隊相對穩定，給成員提供了不斷成長的空間，也避免了知識積累的流失。

但是其也有不足，由于數據科學家脫離業務部門而獨立存在，導致團隊成員對業務的理解不夠深入，模型的產出可能效率低下。業務部門也可能只將其看作支持部門，而不會在實際業務中有太多引入。

企業在構架數據科學家組織架構時，也可采用混合的結構。即使是集中式的組織結構，其匯報的層級也可能不同。沒有所謂明確的業界標準的說法，因地制宜的做法才是最實際的。

二、數據科學家的工作方法要點

數據科學家的核心任務之一是通過數據分析手段將數據洞察應用在實際業務中，并能產生有效的結果。數據科學家在實際工作中需要注意以下要點，以確保上述目標的達成。

1. 開始工作以前確保具備成功要件

在開始一件工作前，最好先明確一下業務場景、數據可獲得性、數據質量等重要信息。在很多情況下，會出現因數據不支持無法進行細致分析、模型結果很好但是落地應用時沒有對應的資源支持、數據分析只是探索沒有對應的使用場景等問題。這些因素會嚴重影響數據分析的價值。

筆者作為顧問給多個客戶實施數據分析項目時，就遇到過上述的問題。從客戶的角度來講，其關心的是業務問題的解決，并不會過多細致地考慮實施過程的細節。只有努力地嘗試去做，才能發現有些問題會嚴重阻礙數據分析的進行，這也會影響數據分析的最終效果。

2. 同時輸出兩種價值

假設要通過數據分析手段改善某業務問題，如構建預測模型篩選高價值、高響應率的客戶，即使是在目標非常明確的情況下，數據科學家也要在做的過程中保證兩種輸出結果。

（1）重要發現

數據分析過程中勢必要進行數據提取、數據處理、數據探查等一系列基礎工作。在這些基礎工作的過程中，往往會隱藏著有巨大業務價值的信息。比如，筆者的團隊在給某金融機構構建高端客戶的相關模型時發現一些信息，如“大部分客戶只持有一類理財產品且在半年內沒有交易活動”，這些信息對于后期的營銷策略制定至關重要。

所以，數據科學家在實際工作中需保持“業務敏感性”，對于數據背后的業務故事保持好奇心，同時將一些重要的數據發現協同模型結果一并輸出，這可以大大提高分析主題的價值。

（2）模型結果

給定分析主題，目標模型結果就可以基本確定，如尋找高價值客戶就是模型輸出一個名單，風險預警就是給出風險評分以及原因。這是模型輸出的最基本形式。

在實際的模型實施應用中，業務人員會經常以挑剔的眼光來看待模型，并且基于模型結果總是有不同的疑惑需要數據科學家來解答。典型的疑惑如“聚類分析模型確實將客戶分了幾個類別，但是我還是不知道該如何營銷這些客戶”“社交網絡分析模型給出了潛在的高價值客戶名單，但這些信息不足以讓營銷人員開展營銷”。

出現這種情況時，一種簡單的做法就是和業務人員深入討論，梳理出他們的關注點，然后將對應的指標從數據庫中提取出來，作為模型輸入的補充一并交給業務人員。

從本質上來講，出現業務人員疑惑的原因是“業務人員期待模型輸出決策而不是名單”以及團隊缺乏將模型輸出轉換為營銷決策的能力。數據科學家也需要具備將模型結果轉換為業務決策的能力。

3. 充滿想象力地開展工作

算法能做到什么是數學范疇的知識，數據科學家的核心工作就是將業務需求轉換為一系列的數據分析實踐過程。若將各個算法看作一個個組件，那么用一個算法來解決問題還是用多個算法的組合來解決問題，需要數據科學家的想象力和不斷嘗試。

筆者的團隊曾給某客戶構建模型時，其需求是“根據客戶持有產品的現狀推薦產品，達到交叉銷售的目的”。這是一個非常不具體的需求，能做的范圍很大，能用的算法工具也很多。

最后我們采用的是構建“客戶聚類與產品聚類的交叉分布以及遷移矩陣，并據此來展開不同目的營銷”，若向上銷售則可推薦同類產品，交叉銷售則可推薦不同類的產品。這種做法之前沒有實施過，但是結果證明其非常有效，僅在一次營銷應用中就帶來數十億的營業額。

4. 按照敏捷的方式來構建模型

數據挖掘過程也可以看作一個項目過程，從項目管理的角度當然可以按照敏捷的方式來進行。數據科學家需要積極主動地匯報分析思路、預期結果、進度等重要信息。時刻與業務人員以及管理人員保持溝通，對需求變化保持開放，將對模型的實際應用會有巨大的幫助。

一般情況下，讓一個對數據和業務都不了解的人來構建模型，往往需要數月的時間；但讓一個熟悉數據、業務、算法工具的人來建模，則可能只需幾天就可以完成。不論哪種程度的人員來建模，都可以按照敏捷的方式來管理建模過程。

筆者與建模方法論CRISP-DM的提出者之一Julian Clinton一起工作過4年時間，在長期的項目實踐中我們一直堅持該方法論所倡導的核心要點：緊貼業務、不斷探索、以結果為導向、模型在應用后仍需不斷調優等。事實證明，這些原則非常有效。CRISP-DM方法論的實施與實施過程中按照敏捷的方式來管理是相輔相成、相得益彰的。

5. 以業務的成果來衡量自己的工作

模型的效果到底如何？數據科學家不應該基于測試集上優異的模型性能指標而洋洋自得，這沒有任何意義，頂多代表建模的技巧高超。

模型最終帶來的收益是由模型輸出、匹配模型輸出的業務決策、業務決策實施過程中的資源配置、應用場景的價值大小等綜合因素共同決定的。缺少任何一環都會使得模型的價值直線下降。

數據科學家需要積極主動地推進這些環節的相關工作，積極收集模型部署后的監測數據，在“建?！獦I務決策匹配—業務決策實施—效果監控—模型或決策改進—再部署—再監測”的閉環中積極發揮作用。最終得出的業務結果數據，才是數據科學家真正成就感的源泉。