你和真正的数据科学究竟差在哪里

Data Scientist，数据科学家，太火了，已经成为新一代改变世界的职业，引得每一个人都想往这个方向转。

学 CS 的觉得做码农太底层，给人打工，要转数据科学家，完美。

学统计的觉得这个不需要过多的 Coding，适合自己，要转数据科学家，完美。

学商科的觉得终于自己也可以成为科学家了，要转数据科学家，完美。

似乎每个人都觉得自己可以成为，应该成为，也一定能够成为一名数据科学家。

然而现实呢？

一片混乱。

“Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it” — Dan Ariely

人们的想象之中的独角兽

几乎所有赞美数据科学家的人，都认为数据科学家是这样一类人：

• 精通算法。例如各种机器学习算法（聚类，分类，NLP，CV，IR, etc.），理解统计的原理。

• 全栈开发能力。能够完成从数据清洗，到产品上线的全部工作，且能做各种数据可视化与报表。

• 有资深的领域知识。了解行业背景，企业运行规律，懂得 Business、Marketing、Finance、Operations 等等知识，能够帮助企业做决策。

• 除了技术能力要求高，同时还要有相当的软实力，比如沟通和写作的能力，比如领导团队的能力等等。

哇，真是全能的独角兽。

可能有这样的人吗？当然，这个世界这么大，出几个超牛的人并不是没有可能。

你可以追求成为这样一个人，但是认为所谓数据科学家就等于这一类人，并没有什么意义。

但是，从现实角度来讲，你并不需要成为这样一个人才能为企业带来价值。大量和数据相关的职责都被认为是和数据科学家相关的，因此，更重要的是，找到合适自己的位置，使用新技术解决问题，创造收益。

两类数据科学家

是的，Data Scientist 并不是一个 Well Defined 的职位，在每个公司的职责都不一样。但是，不论怎么样，这个世界上不可能凭空出现一个职位：这个职位所解决的问题是以前从来没出现过的，也没人知道该怎么解决的。或许我们可以慢慢逼近人们想象中的那个全能的独角兽，但现在，数据科学家所担当的职责，一定会跟现有的职位大量的重合。

现实中的数据科学家是怎么样的呢？常见的数据科学家被分为两类。引用 Quora 上 Michael Hochster 的一个回答：

Type A Data Scientist: The A is for Analysis. This type is primarily concerned with making sense of data or working with it in a fairly static way. The Type A Data Scientist is very similar to a statistician (and may be one) but knows all the practical details of working with data that aren’t taught in the statistics curriculum: data cleaning, methods for dealing with very large data sets, visualization, deep knowledge of a particular domain, writing well about data, and so on.

Type B Data Scientist: The B is for Building. Type B Data Scientists share some statistical background with Type A, but they are also very strong coders and may be trained software engineers. The Type B Data Scientist is mainly interested in using data “in production.” They build models which interact with users, often serving recommendations (products, people you may know, ads, movies, search results).

我对于这两类的理解稍有出入，但也大体相同：

Type A 数据科学家：偏 Analysis，一切为数据驱动的决策服务。主要的工作是在清理数据，做分析，找 Insight，做 Report 等等。可以说是某类升级版的 Analyst 或者 BD。

一方面这意味着对你的你要求跟做 BD 或 Analyst 的要求一样甚至更高，对市场了解如何？对行业了解如何？对公司运作了解如何？而所谓 Machine Learning 等工具只是技术与手段，能够帮助更好地解决问题，但是问题有哪些，才是根本的问题。

另一方面传统 Analyst 不足的地方在于随着数据越来越大，越来越复杂，如果要更快更准，需要使用更好的模型（机器学习等），在更原始的数据中探索与分析，不能只等待其他人把数据都处理好。因此需要更强的数据处理、分析能力和对于新模型、工具的掌握和理解。

往这个方向发展，要补齐 Marketing、Business、Finance、Operation 等知识，同时掌握各种机器学习的算法与工具。

Type B 数据科学家：偏 Research & Product，在算法即产品的职责下让算法能够与产紧密结合，甚至主导算法驱动的产品。主要的工作是把算法从 Research 做到 Product。

一方面要对各类机器学习的算法了解足够深刻，了解各种机器学习算法的常见应用（NLP，CV，Recommendation，IR，etc.）。同时对工程要求更高，毕竟做 Prototype 和上 Production 是完全不一样的。

另一方面要对产品的需求有更深层次的理解，以及了解公司的业务逻辑，因为随着不少算法的成熟，产品的需求已经不仅仅来自于 product-market-fit，而是来自于算法本身的进步，因此能够把成熟的算法推向产品是非常重要的能力。

往这个方向发展，Coding 的要求与所有通用 Software Engineering 的要求一样，该修 CS 课可能一样都不能少，同时要能了解公司的业务逻辑，更好地推动产品的上线，让不可能变成可能。

职业生涯的起步与发展

既然典型的数据科学家是两类，那么对照着这两类对自己的技能树查缺补漏就行。要么补业务知识，要么补代码能力，要么补机器学习相关的技术与工具。总之，不要一味追求所谓的新算法，而没有基础的分析或者工程能力，这样并不能解决任何问题，也不能带来任何价值。

从一位分析师或者程序员开始职业生涯，都是很好的选择。

然而，职业生涯的追求肯定不是一个 Title，而是某些能力，对照着理想中的独角兽差缺补漏，确实是非常好的办法。

雷锋网(公众号：雷锋网)按：原作者陈然，本文原载于作者的知乎专栏。

雷锋网版权文章，未经授权禁止转载。详情见。