在硅谷的任何一家咖啡店坐一会儿，毫无疑问你会无意中听到有人在谈论数据分析。是什么？谁在处理这些数字？数据科学家的工作是在大量数据中发现模式，并将其与现实世界的决策联系起来。

在大量数据中寻找趋势是一个非常简单的概念，但在执行中肯定很困难。为了进一步了解数据科学家的工作，我们采访了丹·马林格（Dan Mallinger），他从事Think Big的数据科学实践，利用自己的学术背景帮助咨询商业和工程决策。

告诉我们一些你自己和你的经历。

我是一名数据科学家，拥有数学科学和组织心理学学位；我还接受过计算机科学和社会学方面的重要学术培训。我的职业生涯是在统计、分析和技术领域度过的，但几乎完全是在商业集团的领导下度过的，这也为我的职业前景奠定了基础。今天，我是Think Big的数据科学总监，已经在公司工作了四年。

是什么驱使你选择职业道路？

我一生中的大部分时间都对人类的组织有着好奇心，对定量决策有着浓厚的兴趣。在大学里，我是一个想把阿克塞尔罗德和汉密尔顿的社会学和社会心理学研究成果应用于博弈论课程的学生。致力于帮助企业成为数据驱动型企业似乎是这种身份的专业延伸。

你是怎么找到工作的？你需要什么样的教育和经验？

在职业上，我在职业生涯的早期从事统计、研究和技术方面的工作。我的工作与我现在的工作类似，即用开源技术分析真实世界的数据，但在“数据科学家”这个词出现之前。从那以后，我在2010年进入了大数据领域，但我花了一年左右的时间才真正体会到Hadoop和类似工具能为数据科学做些什么。在那之后，我与Think Big的总裁Rick Farnell碰面，他让我非常兴奋，因为数据科学在企业中产生了巨大的影响，他在专业服务领域建立了一个数据科学团队。虽然我的统计和技术经验很重要，但我认为我在社会科学方面的教育和与商业团队合作的经验对我的角色最为关键。它们使我能够思考各种挑战，思考数学背后的机构，并着眼于组织内部的运作。

除了正常人所看到的，你会做什么？你大部分时间都在做什么？

大多数人都听说过“数据争论”，现在知道它是执行数据科学的重要组成部分。然而，许多人不知道跨职能的数据科学是如何的，以及在协调业务、分析和技术团队方面花费了多少时间。尤其是在企业中，团队有多个相互竞争的议程，让这些团队说相同的语言并调整优先级是工作的重要部分。

人们对你的工作常有哪些误解？

数据科学中最大的一个误解是，它完全是关于“算法”的。我经常遇到一些人和未来的数据科学家，他们认为我们的工作是在神经网络和支持向量机之间做出决定。事实上，数据科学从将商业案例转化为分析议程开始。与选择算法相比，开发假设、理解数据、探索模式和衡量影响所花费的时间要多得多。

什么是你的平均工作时间(your average work hours)？

数据科学家是专业人士，应该期待一周的专业工作。如今，这似乎是每周60小时。

哪些个人小贴士和捷径让你的工作更轻松？

有两个小贴士可以让我们的团队更轻松地完成数据科学的工作：第一，保持一个内部博客，在那里可以快速记录每天的结果（即使有视觉效果）。这些不是正式的报告，而是随时间推移的见解的临时文档，支持跨数据科学、项目经理等对见解和数据的共同理解。它还支持其他科学家在以后几个月内查看相同的数据。

第二个技巧是在做任何建模之后**一个“runbook”。这是运行什么模型、为什么开发它们以及如何重复所做的任何分析的文档。这确保了我们的工作是可重复的，即使是你自己。当你忙的时候，很容易忘记三个月前的分析。

你与同事或同行有什么不同？他们会怎么做？

我花在追求新技术上的时间比我的许多同龄人都少。相反，我专注于一个我熟悉的核心集合。今天，Hadoop上的Hive、R和Python等工具让我受益匪浅。我看到团队在尝试“新”的方法时失去了无数的周期，他们花更多的时间尝试让新技术发挥作用，而不是在方法上创新。这是一个微妙的平衡，但我尽量等到看到新工具的合理应用，而不是等到我感到现有工具不足的痛苦。

工作中最糟糕的部分是什么？你怎么处理？

作为一名数据科学家，最令人沮丧的事情是建立模型或做一些不属于组织正在进行的过程的工作。虽然一定数量的数据科学是研发，但我们希望我们的工作有意义，并被组织所利用。典型的例子是Netflix奖，它从来没有实施，因为它被认为是太昂贵（虽然肯定有在行业内的重要性）。为了解决这个问题，我们在开始一个项目之前会列出清单。这些确保我们了解业务案例，有与结果相关的关键绩效指标（KPI），并且有一条可操作的道路，以确保我们的工作是完整和持久的。

工作中最令人愉快的部分是什么？

我喜欢看到客户变得数据驱动。客户现在拥有运行的模型、支持回答问题的工具，并且已经开发出有意义的流程，将它们从数据到KPI再到决策。这是数据科学的真正目标，看到它的实际应用是很美好的。

你对那些需要你服务的人有什么建议吗？

很少有人谈论的一件事是数据科学中的人员流失率（人们离职）有多高。虽然这其中的一些原因可以用竞争性市场来解释，但我早就相信，这很大程度上是因为企业在制定使用数据科学家的计划之前就**了数据科学家，或者期望数据科学家解决泡沫带来的商业困境。我经常看到客户组织中的数据科学家，他们坐在技术小组中，**的模型从来没有以一种有意义的方式使用过。我看到这些团体因缺乏使命而解散。

你不会雇水管工给你盖房子；你希望他们与其他专业人士合作，甚至由建筑师指导。同样，不要让一个数据科学家来帮你建立一个企业。你的工作职责很可能是寻找统计和技术技能。在你开始招聘之前，就要有一个目标和计划，把这些技能和你的业务驱动因素结合起来。

一个人在你的工作中能挣到什么样的钱？

这当然是一个不同的角色，但报酬很高。即使是第一年的数据科学家通常也能赚8万美元。经验丰富的数据科学家的薪水因他们在组织中所处的位置而异。那些在技术上起领导作用的团队肯定能赚两倍多。但是，收入最高的数据科学家是那些已经学会在商业领域工作的人，类似于分析在企业中的典型结构。这些可以达到40万美元。

你是如何在你的领域里晋升的？

有多条路径。一些数据科学家坐在技术组织（对于那些在大数据空间中更常见）并有着与许多工程师一样的增长路径——提升到团队管理。其他的则是业务下工作（类似于企业中传统分析的结构），可能会发展到管理层、解决方案和产品所有权等。我不知道我们是否已经看到过从这个新领域到首席分析官（至少在大公司）的许多提升路径，但我怀疑这些途径会来自业务方面。

你的客户认为什么价值过低/过高？

他们低估了明确定义和沟通KPI的重要性。这些吞吐量的度量，而不是输出，是数据科学家最有可能度量和交流的关于模型影响的东西。在企业中，生产能力和收入之间的关系是复杂的，评估起来也很慢。有了明确定义的KPI，数据科学和业务之间的沟通就成为中心，创建了明确的任务和目标，是数据驱动的核心。它还帮助数据科学家回答一个经常被问到的问题：“我什么时候停止迭代一个模型？”当模型性能超过一个百分比或错误率时，当它是一个KPI时，人们可以清楚地识别成功，或者，当一个人在旋转轮子时。

你会给那些有志于加入你的职业的人什么建议？

学习分析和沟通的时间和学习模型的时间一样多。机器学习的普及导致了一大批数据科学家对分析数据的计算机抱着幻想，但却无法交流结果。我见过一些数据科学家试图通过教C-levels什么是随机森林（有明显的辐射）来解释结果。沟通分析不是教你的首席执行官成为一名数据科学家，而是解释模型并将其与重要的结果联系起来。可悲的是，即使是与此相关的统计方法，如敏感性和稳健性分析，也被遗忘了，因为“算法”在许多数据科学课程中占据主导地位。

图片改编自尼莫（皮克斯湾）。