數(shù)據(jù)科學是什么？數(shù)據(jù)分析？機器學習？還是數(shù)據(jù)工程？答案可能有很多，但也許只有直接與某個公司的數(shù)據(jù)科學家交流，才能了解該公司是如何看待數(shù)據(jù)科學的。由Netflix舉辦的第三屆聚焦數(shù)據(jù)科學的WiBD研討會，為我們所有人了解Netflix的數(shù)據(jù)科學故事提供了絕佳機會，一起來看看吧！

數(shù)據(jù)科學是一個非常抽象的概念。有些人認為它是數(shù)據(jù)分析，也有一些人認為它是機器學習，還有些認為它帶有一些數(shù)據(jù)工程的味道。

業(yè)界對數(shù)據(jù)科學這一概念難以達成一致有很多原因，其中一點就是，現(xiàn)在大范圍內(nèi)的崗位都可能涉及數(shù)據(jù)科學，并且這些崗位的職責都不盡相同。

此外，不同公司之間的細微差別，甚至是同一公司內(nèi)部的不同團隊之間的細微差別都會導致對數(shù)據(jù)科學的理解不同。因此，只有直接與某個公司的數(shù)據(jù)科學家交流才能了解該公司是如何看待數(shù)據(jù)科學的。

信息不對稱是一個令人遺憾的事實，它阻礙了許多人追尋數(shù)據(jù)科學以及數(shù)據(jù)工程這一職業(yè)的道路。

如果我們投入越多的工作時間來解決這一棘手的問題，那么這一阻礙也就能越早被突破。關(guān)于這一點，推薦一個社會教育企業(yè)——HasBrain，該企業(yè)致力于填補信息缺口并且為想要學習并找到通往數(shù)據(jù)科學和數(shù)據(jù)工程道路的人提供幫助。

構(gòu)建數(shù)據(jù)科學項目

頭腦風暴活動

現(xiàn)實世界的數(shù)據(jù)科學項目與理論上的有何不同，如何構(gòu)建數(shù)據(jù)科學項目才能更高效？Becky在研討會上展示的數(shù)據(jù)科學項目體系對該問題總結(jié)得非常好。

以下是Becky的總結(jié)

步驟一：從了解業(yè)務(wù)問題開始

下面的幻燈片，是Becky就如何定義成功而列出的一系列業(yè)務(wù)問題。如果你想要很好地證明你的概念，你需要一開始要以一個簡單模型作為基準，然后從增量改善（incremental improvement）的角度來評估模型的價值。

否則，你會一直困擾于75%的準確度是否足夠好這樣的問題。擁有物理學博士學位的Becky也提到，專業(yè)學者總是會仔細檢查到最后那20%，以確保結(jié)果是無懈可擊的。所以，如果博士生們想要成為數(shù)據(jù)科學家，這一點是需要特別注意的。

步驟二：制定技術(shù)計劃

除了下面的幻燈片中列出的細節(jié)，Becky還強調(diào)了溝通的重要性，同時還提出要站在利益相關(guān)者的角度思考。因為利益相關(guān)者最關(guān)心的未必是機器學習的誤差測度，所以要學會如何將業(yè)務(wù)目標轉(zhuǎn)化為價值優(yōu)化問題，這一點極為關(guān)鍵。

相較于“重新發(fā)明輪子”，弄明白和學會使用現(xiàn)有的技術(shù)可以為我們節(jié)省很多時間。現(xiàn)有的用于監(jiān)督學習的技術(shù)，如預(yù)測建模或分類，都有很好的文檔記錄。

然而，在相對更先進以及更專業(yè)的機器學習領(lǐng)域（例如NLP和圖像分類），新文章不斷地發(fā)表，技術(shù)不斷地更新。因此，即時了解最新和最好的研究論文是數(shù)據(jù)科學家們需要牢記的黃金準則。

步驟三：對概念進行初步驗證 -> 不斷迭代/驗證直到成功或是無法再繼續(xù) -> 向利益相關(guān)者傳達結(jié)果

如果你對工作流程甚至是數(shù)據(jù)科學家使用的工具或庫還有任何的疑問，都可以參考Becky在項目構(gòu)建中對“doing the project”這部分的詳細描述。

步驟四：模型產(chǎn)品化

如果一些數(shù)據(jù)科學家告訴你必須要學會編寫產(chǎn)品級代碼，那么，他們可能需要獨立處理模型產(chǎn)品化，而不是交給機器學習工程師或是軟件工程師。

模型產(chǎn)品化本質(zhì)上就是指不要在現(xiàn)有的模型輸出上停滯不前。你的結(jié)果輸出是產(chǎn)品的一部分，并且會改變用戶的實際體驗。

你的代碼也會成為更大的產(chǎn)品代碼庫的一部分，例如，如果你歸類用戶是否會在未來兩周內(nèi)流失，被預(yù)測為會流失的用戶和被預(yù)測為不會流失的用戶可能會有不同的用戶界面（UI）。

實際上，你是為其他團隊創(chuàng)建了一個API來調(diào)用你的模型并獲得模型輸出。你可能需要重構(gòu)你的代碼，此時，只要API沒有中斷并且終端用戶體驗是無縫的，你就可以不斷地升級模型。

Becky自學了工作中要用到的軟件工程方面的知識，學會使代碼模塊化，以實現(xiàn)可重復(fù)性并提高算法效率。甚至有時，可能會參與到軟件工程師或是數(shù)據(jù)工程師的團隊中。這不僅取決于工作的復(fù)雜性，還取決于服務(wù)等級協(xié)議(Service Level Agreement, SLA)。例如，如果你的API需要一直處于運行狀態(tài)，則可能需要更廣泛的代碼審查或軟件工程團隊的直接參與。

溝通與問題解決

在講述了數(shù)據(jù)科學項目的構(gòu)建之后，Becky更多地談到了有效溝通和解決問題的技巧的重要性。如何向非技術(shù)人員的利益相關(guān)者們解釋復(fù)雜的數(shù)據(jù)科學概念，是獲得他們買進支持的重要環(huán)節(jié)。

Becky將她在攻讀物理學博士學位期間學會的一項技能運用于此——將復(fù)雜問題分解成小塊并逐一解決。類似地，她就將利益相關(guān)者的高階問題（high level question）進行分解，并找出數(shù)據(jù)科學項目可以提供價值的地方。

如果沒有數(shù)據(jù)科學家的工作經(jīng)驗，想要勝任這部分工作是不容易的，因為包括Kaggle項目在內(nèi)的大多數(shù)實踐項目都是從已經(jīng)定義明確的數(shù)據(jù)科學問題開始的。Becky談到，這些軟技能其實是從經(jīng)驗中獲得的，當然也可以從有效的反饋中學習。

與此同時，她也會閱讀一些基礎(chǔ)書籍來熟悉商業(yè)中的通用概念和術(shù)語。另外，許多其他資深的數(shù)據(jù)科學家們都建議，如果想要進一步發(fā)展自己的商業(yè)頭腦，則需要閱讀一些產(chǎn)品管理的書籍和文章。

實踐練習

這個項目使用WDI數(shù)據(jù)來預(yù)測業(yè)務(wù)啟動成本，非常適合初學者。如果你是機器學習新人，或是剛剛完成一些監(jiān)督學習的網(wǎng)絡(luò)基礎(chǔ)課程，這將會是一個很好的額外練習機會。

現(xiàn)在，讓我們回到之前談?wù)摰膯栴}解決和溝通方面，Becky就此提出了一個業(yè)務(wù)問題：“在不同的國家開展業(yè)務(wù)都有多難？”她還確立了一個項目目標，即預(yù)測在不同國家開展業(yè)務(wù)的成本。

如果這是一個實際的工作項目，對于開展業(yè)務(wù)的便利性來說，這些預(yù)測成本要如何成為整體評估決策中的一部分，我想，她可能需要與利益相關(guān)者就此問題達成一致。

最后，希望這個總結(jié)對你有幫助。祝所有數(shù)據(jù)科學愛好者們好運！并再次感謝Netflix團隊的慷慨分享！另有演示的幻燈片和錄像可供使用。