数据科学家的五大黄金法则.docx

数据科学家的五大黄金法那么近些年来，数据科学家这一岗位已经变得越来越炙手可热，也吸 引了大批年轻人涌入渴望在激烈的竞争中抢占一席之位。各个网 络平台上都已经有无数干货数据科学行业的简历、求职、面试教 程，但是很显然成为一位优秀数据科学家的旅途不会因为求职成 功就结束。收到offer仅仅只是第一步。
我在麦肯锡咨询公司的那些年，很荣幸能跟许多厉害的数据科学 家以及各行各业的顶尖公司合作。我从中也受益匪浅，并从长期 实践和观察中总结出来许多数据科学界的经验和体会。你可能会 觉得震惊的一个事实就是：最优秀的数据科学家不是那些会用各 种新奇模型或者代码写得很好的，事实上，真正优秀的数据科学 家是掌握了丰富理论知识的同时还拥有各种“软知识”的人。 因此，这篇文章总结了我在麦肯锡的学到的成为优秀数据科学家 的五大关键准那么。
1.使用金字塔原那么沟通是成功的钥匙
巴巴拉・明托的金字塔原那么是一项层次性、结构化的思考、沟 通技术。这项原理被视为最有效率的信息沟通方式，并且被广泛 运用于公司、企业、甚至个人生活中。金字塔原那么背后的原理很 简单：当你想要交流某个观念或想法的时候，最高效的方法：1. 结论先行2.以上统下3.逻辑递进使用金字塔原那么进行沟通有以下两个优点：
1 .不管你的实际内容有多深奥，使用金字塔原那么可以帮助你 的听众更好理解你的观点。通常学术论文、或企业报告的开 头都会有个摘要，总结整篇文章或材料的中心思想。这样的作法可以确保读者在没方法理解、记住所有文章细节的情况 下，也能理解其核心思想。
2 .金字塔原那么可以帮你适当节省下为不同观众群体准备不同材 料（比方演讲ppt）的时间。你可以运用金字塔原那么做一份你所 要展示的问题的核心思想的演讲材料，针对不同受众群体适当补 充他们所感兴趣的细节和论点。
对于大局部数据科学家而言，由于他们本身的工作大局部时间都 在关注细节、深挖可分析的点，金字塔原那么可能看上去并不那么 适用。事实上，我也经常看见许多数据科学家在演讲中并未采取 金字塔原那么，先从细节开始讲起，而这些演讲的效果也并不好， 观众们很难快速理解到他们的核心思想和问题所在。
如何练习/提升：最简单的方法就是在一切最开始前先根据金字 塔原那么写下自己的结论、论点、和逻辑递进，并在沟通过程中参 照自己最开始前写下的内容确保自己没有跑题。时不时地反问自 己一些问题（类似于中心结论和问题到底是什么，问题真的被解 决了吗）也可以确保你走在正确的道路上。
2 .你是数据的“翻译官”
如果你看麦肯锡的企业蓝图 s:// mckinsey. com/industries/finaneial-services/our-insights/b ui 1 ding-an-effecti ve-analytics-organi zation? 你会发现上面强调 了 数据的”翻译官“这个角色的重要性。数据的“翻译官”的也可 以理解为企业与数据中心之间的沟通桥梁，需要把一个个数据分 析的结论和观点翻译成实际可行性方案。我相信一个数据科学家 肯定被问过以下问题：可以请你用大白话或清晰易懂且非专业性 的语言解释一下你的观点和结论吗？因此，一个数据科学家应该 具备把专业性极强的机器学习模型用清晰易懂的语言解释给CEO 或者任何非专业背景的听众的能力，并且同时也应该具备把自己 的结论观点翻译成企业实际可行性方案的能力。
具备这些能力有以下优点：
1.不具备专业背景的人很难成为数据的“翻译官”。麦肯锡曾 经尝试过很多方法去培训战略顾问成为“翻译官”，但是在我看 来，从未成功过。失败的原因很简单：一个人必须具备足够的专 业背景和分析能力才能精准地解释那些复杂的数据分析背后隐 藏的意义，而丰富的专业背景和杰出的分析能力都不是短期的培 训就能培养出的能力。举个例子，如果你并不理解k均值聚类背 后的数学逻辑和原理，你没方法清晰解释为何要这么选这个数字 作为你的k值而不是其他数字。而作为一个数据科学家，与其花 费时间向那些非专业人士解答他们难以理解的专业术语和原理， 不如想方法用清晰易懂的话语“翻译”给他们。2.如果数据科 学家可以自己解释自己的工作成果，可以大幅度防止信息在传播 过程中导致的扭曲和失真。我相信大局部人都玩过传话游戏，传 播过程越长，涉及的人数越多，信息越容易在传播过程中被扭曲、 误传。这种情况也同样适用于数据科学家的日常工作中，如果你 通过别人来“翻译”你的工作成果，你很难保证当信息传播到终 端用户的时候跟你最开始想要传达的没有一点偏差。
如何练习/提升：找一位身边的朋友（最好是非专业人士），向 他解释你的模型和数据分析结果。在解释的过程中，如果你发现 你不知道如何把一个概念用清晰易懂的方式表达出来，大局部情 况下是因为你并没有完全掌握这个概念。因此，这个练习也是一 个很好的查漏补缺的机会。
3.时刻把解决实际问题放在第一位
这一黄金准那么并不只限于数据科学家，事实上，“时刻把解决实 际问题放在第一位”适用于任何行业中的任何职位。发现问题并 提出问题的能力尤为重要，而更重要的是有解决问题的能力。如 果没有时刻把解决问题放在第一位，开会讨论的时候经常会陷入 一个怪圈：过度关注于问题本身而不是想方法去解决问题。
在我看来，大局部顶尖咨询公司都奉行“时刻把解决实际问题放 在第一位”的准那么。作为一个数据科学家，你可能经常会因为不 具备专业背景的同事提出一些在你看来很可笑的稀奇古怪的问 题或需求而感到懊恼。我见过许多数据科学家们在这种情况下束 手无策，直接拒绝他们的需求。比起直接拒绝，更好的做法是运 用自己的分析能力和专业背景帮助他们重新定义问题所在并想 方法切实地解决他们的问题。
“时刻把解决实际问题放在第一位”并不意味着你不能在工作中拒绝任何需求。事实上他意味着每当你拒绝后，你可以紧跟着 提出“或许……做可以解决你的问题吗？ ”
如何练习/提升：当你遇到问题时，在跟同事沟通讨论前，先自 己花时间想一想如果是你的话你会如何解决。面对问题时，多运 用你的创造性思维开掘新的解决方案，不要害怕做那个提出新的 解决方案的人。有时候换位思考的能力也很重要，尝试着以整个 公司或者其他业务部门的角度去思考他们会如何解决这个问题。 从大局出发思考，有时候也会带来意想不到的解决问题的方 案。
4 .有时候可以为了模型的可解释性而适当牺牲模型的准确 率。
没有人真的想精准预测出结果，所有人都只是在尝试分析、理解 结果。当一个企业想要建立模型去预测出未来客户流失数时， 大局部情况下，人们都忘了在第一时间问为什么我们需要预测客 户流失数。企业想要预测出某些结果是因为他们可以提前采取措 施应对以防止损失。所以当你的模型告诉CEO ”在预测客户流 失数里网站访问量的立方根是最显著的特征”意味着什么呢？ 很可能在他看来毫无意义。
作为一个数据科学家，我以前也经常过度追求模型的准确性。但 是我逐渐意识到了通过添加一些无法解释、没有意义的变量；或 者调参仅仅只是为了把准确率从96%提高至98%对整个公司来说 并没有太大的意义（当然，这个观念仅仅只适用于业务导向的数 据科学家们，对于其他领域的机器学习工程师而言，模型准确率 可能极其重要）。
对于大局部高管和业务部门来说，如果你无法解释你的模型和模 型的结果，那你的模型可能在他们眼里看来并没有那么可靠。模 型只是为了辅助他们去更好地做出商业决策，所以模型更大的意 义是可解释性而不是准确率。如何练习/提升：当你在建模或 做数据分析时，时刻反问自己“这会如何影响公司呢”。建模过 程中，尽量防止放一些随机、意义不大的交互特征。当你的模型 或分析有结果后，可以根据结果具有针对性地写下对公司的建设 性意见，这样的作法也会帮助你更好的评估自己的模型是否适 用。
5 .在开始前，确保自己有个假设场景，但是不要仅局限于 一个假设。
在开始任何分析工作之前，设立好自己将要分析的假设场景尤为 重要。如果不设立好分析背景，你可能在前期数据处理、EDA或 者是如何选择特征时一头雾水。如果没有任何假设，AB测试也 没方法进行。尽管提前设立好自己的假设如此重要，我也见过没 有提前设立好假设就开始处理问题的数据科学家。在这种情况 下，数据科学家们往往把设立假设这个关键任务丢给了缺乏专业 背景的业务部门，而他们往往会因为缺乏一些专业背景和对数据 的熟悉设立一些实际工作场景中无法检验的假设。因此，在我看 来最好的做法是数据科学家们在一开始就应该参与到设定假设 的过程中去指引他们哪些是可尝试的而哪些是无法尝试的。
设立假设尤为重要，因为它是一切的起点，但是这并不代表设立 好一个假设后就万事大吉了。我经常看见许多数据集科学家们过 于执着于一个假设，尽管这个假设带来了自相矛盾的结果。太过 于执着于一个假设可能会导致为了满足这个假设而去人为的更 改一些数据或进行一些影响准确率的操作。如果你听过辛普森悖 论，那你一定很清楚数据是具备撒谎的能力的。一个好的数据科 学家应该把数据可靠性放在第一位，因此不要仅仅只局限于一个 假设。如何练习/提升：设立假设是具备业务思维和敏锐度尤 为重要。有了假设之后跟着你的假设去进行数据探索，但是当数 据呈现出与你的假设相反的结果时，也不要过度执着于自己一开 始的假设。 人们通常把人才分为两种：战略性人才和分析性人 才，这样的分法就好像在暗示一个人无法同时拥有这两种能力。 但是事实上，一般最好的分析性人才恰恰是那些能理解公司战略 性政策和想法，并且懂得如何和业务部门沟通的人。而最好的战 略性人才也恰恰是那些具备足够数据分析能力的人。