對於資料崗位的員工，網際網路公司頗有些不同的稱謂，像統計工程師、大資料工程師、資料分析師、演算法工程師、資料科學家等，每一種之間的技能差距簡直是風馬牛不相及。

但我覺得，資料崗位的需求千變萬化，真正能通過資料解決問題的人，不僅要通曉兩到三種崗位的技能，而且要深刻理解資料方法論，能將資料玩弄於鼓掌之中，這種人我稱之為資料極客。好比武俠小說中的絕頂高手，殺人已不需要用劍，劍意就能殺人於無形。

資料極客都需要具備哪些能力？懂資料的人會怎麼去思考和解決問題？我想舉我自身遇到的4個小例子來說明。

懂得創造資料

在大部分人的常識裡，資料是客觀存在的，既不會遞增，也不會消減。所有當他們繪製報表、展開分析、構建模型時，很容易遭遇的瓶頸是沒有資料，俗話說，巧婦難為無米之炊。真實的狀況卻是：資料是無窮無盡的，哪怕有時我們與資料之間的距離很遠，就像遠在天邊的繁星，「手可摘星辰」只是一個傳說，但經過大氣層的折射我們卻能時刻感受到它們的光輝。不僅光會折射，資料同樣也會折射。舉一個小例子：

實習生Q跑來問我：「Boss趕著要大廳發言的資料去對付投資人，但是後臺礙於發言的資料量級太大，一直都沒有儲存，無論資料庫還是日誌系統都沒有記錄。」

我想了一下，問：「客戶端進入大廳頁面的事件一直都有監控，可以用那個資料替代嗎？」

「但是這個資料並不精確，因為進入大廳的並不完全轉化為發言。」

「是的，雖然不十分精確，但可以暫時用這個資料近似。然後，好友新增的資料一定程度也能反映大廳發言的熱度，因為之前的統計顯示，70%的好友關係產生來自於大廳。哦，對了，你有沒有關注大廳介面的傳送按鈕的事件統計？這會是一個更為精確的替代資料。」

這就是一個資料有無到有被創造出來的例子。雖然原始資料沒有儲存，但是資料極客的任務就是通過其他可能被獲取的資料逼近原始資料，從而還原一個較為真實的狀況。如果沒有資料能夠成為一個罷工的藉口，那麼我相信恐怕90%的資料極客都得失業了。但反過來，如果不是對業務對資料的採集都瞭如指掌，同樣沒辦法快速實現這種變資料的戲法。

資料是立體的

20世紀初，畢加索興起了立體主義的繪畫潮流，追求以許多組合的碎片形態去描寫物件物，並將其置於同一個畫面之中，物體的各個角度交錯疊放創造出了一個多維的迷人空間。這和理想的資料展示多麼相似：客觀存在的問題經過多維度的資料解讀，被展現在一個二維的平面上，讓讀者即便只站在一個角度，也能看到這個問題在所有角度上的表現。再舉一個小例子（是的，這個例子完全與資料崗位無關，是一個來自客戶端工程師的困擾）：

W是U公司負責海外業務的安卓工程師，最近盯的是視訊播放的專案，有次閒聊的時候說起，最近做了好幾個底層庫的效能優化，但從指標上看卻沒有明顯提升，每次向老大彙報的時候總是心虛。

「效能優化的指標是怎麼統計的？」

「海外業務的網路狀況普遍不好，所以我們最關注的是視訊頁面的載入時間，統計的是從頁面開啟到視訊完全載入的時間差，取所有使用者的均值。」

「這個指標似乎不那麼全面，如果一個使用者等待的時間過長，他有可能提前關閉頁面，是否有統計過關閉頁面的資料？還有，看過這個時間差的分佈狀況麼？如果效能優化有針對一些特殊的客戶端（比如型號、CPU、記憶體），有沒有看過特殊客戶端下的指標有沒有提升？」

我默想W的下次彙報一定會大肆耀武揚威一番，嘿嘿。

這就是資料的魔力所在。通過層層剖析，始終能找到與問題相關的有區分度的資料，再通過資料的變化去定位到問題的發生原因或者發展趨勢，給出不容置疑的結論。所以，在解決任何問題之前（也不限於資料崗位），你都必須先構建起一套立體化的資料監控體系，來強有力的印證你的方案是有效的。

厭惡抽樣

無論是做推薦系統、精準營銷還是反欺詐，都會遇到一個現實的問題：如何檢測一個模型的實際效果？在觀察指標之餘，抽取一小部分的標記使用者，觀察他們的行為模式，人為去驗證這個模型的準確率，是一個必要的環節。但是抽樣如果用得氾濫了，就不是補藥而是毒藥了。再舉個小例子：

G是團隊的新人，有陣子我看他沒日沒夜的加班，忍不住過問了幾句，看是不是最近業務上碰到了什麼瓶頸。一問下來有點啼笑皆非：原來G正在負責一個反欺詐模型的建設，需要一些黑標籤，他從所有使用者中抽取了好幾個特徵使用者群，然後從每個使用者群中再抽樣一批使用者，通過日誌觀察是否有欺詐行為，這麼一來就耗掉了兩天的時間。

抽樣是一種從區域性看整體的方法，在抽樣之上，你還要有對整體的把控。比如像G的做法就不符合資料極客的行為指南，既然可以通過日誌觀察到使用者的行為特徵，你就應該先把這種行為特徵轉化為可用的統計指標（比如識別欺詐，完全可以用收益相關的指標），再計算這幾個使用者群的均值特徵，這樣對比下來一目瞭然，而且省時省力。

善用工具

感謝谷歌創造了這個時代最廉價的資料核武器 – Hadoop（當然，如果Spark的bug再少一些，我會考慮把AMPLab放到谷歌的前面），資料的規模對大部分企業而言已經是一個無需顧慮的問題。但是資料極客不會滿足於會用工具的層次，理解工具的原理，靈活的使用工具，使工具變得更加順手，才能真正達到「善」用工具的境界。再舉一個小例子：

Z博士剛畢業不久，一腔熱血要把高大上的機器學習演算法用到我們的推薦系統上，但是第一次的運算結果居然要8個小時才能跑完，遠遠達不到產品團隊的更新要求。於是老大鼓動我去協助Z提升整個環節的效率，我們一起在白板上梳理了整個計算的流程，我發現有好幾處都是浪費資源降低效率的做法：原始資料由單機做一次處理再上傳到Hadoop、多個MapReduce其實可以合併為一個、甚至Hadoop的引數也可以根據機器的效能稍做調整：加大節點數、加大Map和Reduce環節的可用記憶體、新增壓縮以減少節點間傳輸的時間。稍作改造，運算時間便只剩下了原來的四分之一。

說到這裡，你也許會覺得資料極客也沒什麼巧妙，他們的方法論，和一切工作的方法論沒什麼不同，都會要多用腦子、多用工具、多種角度看待問題。既然如此，我可要恭喜你，你已經完全懂得了資料的妙用，而我一直以為，懂點資料，會對人的工作和生活大有助益。