資料科學家需要的基礎技能

資料科學家是當今技術組織中最受追捧的角色 之一，薪酬正在上升。在一些IT組織中，CIO可能只需要僱用資料科學家的預算。因此，在招募資料科學家時，您可能希望他比搖滾明星更多才多藝，更有趣。

但是，當一位資料科學家進行面試時，他應該具備的一項關鍵技能可能不會出現在他或她的簡歷中供審查。這不是關於熟悉python或r或spark或其他新技術或平臺，或最新的機器學習方法或演算法，或從頭開始編寫人工智慧演算法，或在幾分鐘內分析結核計數資料的能力。

雖然這些知識非常重要，但它們並不是軟技能。事實上，使資料科學家成為搖滾明星的一項技能不是技術，而是所謂的軟技能：溝通技巧。

當建立一些瘋狂的機器學習系統來構建推薦引擎時，公司面試的資料科學家可能是世界上最聰明的人之一，但如果他們沒有這種軟技能，那麼很難取得成功。他們會遇到一些困難，無法充分發揮他們的潛力。

它的“戰略”是什麼？當公司交流輸出/結果時，資料科學家需要能夠討論的不僅僅是標準資訊（錯誤率/指標等）。他們還需要能夠達到關鍵的“W”點：什麼、為什麼、何時、何地和誰。他們必須能夠清楚地定義他們做什麼，為什麼要做，他們的方法何時工作（或不工作），他們的資料來自哪裡，以及他們做什麼會影響到誰。如果他不能以外行能理解的方式簡潔地回答這些問題，他就是一個失敗的資料科學家。

兩個現實世界的例子

有兩個例子可以幫助瞭解出色的資料科學家（即溝通良好的人）和一個不那麼出色的資料科學家之間的區別，例子提供了兩者的背景知識，讓企業自己決定聘請哪一位資料科學家。並假設這兩位資料科學家都在同一個組織工作。

第一位資料科學家：

她從事資料科學工作已有四年。她在資料探索，功能工程，機器學習和資料管理方面擁有豐富的經驗。在她的職業生涯中，她實施了幾個專案，需要在分析過程中使用不同的系統，平臺和語言深入研究大型資料集。

對於她所從事的每個專案，她都會在筆記本上留下評論、想法、變化以及她正在做的事情的理由，畢竟她是一名科學家。當她向團隊成員和管理層提供更新時，她不僅僅關注資料，還關注資料能夠傳達的內容。她對自己的所有工作都作了詳盡的描述，並詳細說明了為什麼事情是按自己的方式進行的，以及潛在的變化可能如何影響她工作的結果。

對於專案“總結”文件，她提供了一個執行摘要，其中包含許多直觀的描述，簡要描述專案、她所做的工作、為什麼這麼做，做了什麼、她認為可以做什麼來改進事情，以及如何改進專案。除了執行摘要之外，她還提供了一份詳盡的報告，描述了整個過程，其中包含多個附錄和解釋性陳述，供那些想深入瞭解專案的人使用。當人們選擇人們從事他們的專案時，當他們開始談論團隊成員時，想到的人第一個人就是她。

第二位資料科學家：

他從事資料科學工作已超過四年（比第一人長一個月）。他的技術背景非常專業，他是團隊中演算法和程式語言的“專家”。考慮非常全面，可以解決許多困難。他在該專案中取得了很大的成功，並受到了整個公司的青睞。

當他在一個專案上工作時，他很少記錄他做什麼以及他為什麼選擇。例如，如果一位同事問他為什麼在一個專案中選擇隨機森林而不是支援向量機，他會告訴他，“因為它更有效”，但他無法解釋“更好”的含義。儘管很少有人反對他選擇專案，但他的工作很少受到質疑，也沒有人質疑他的技術，同事們總是質疑“他在做什麼？”“他做了什麼？”在專案/專案中。

為了記錄和展示結果，他把預期的基本報告和適當的資訊放在一起，人們總是問他問題。但在考慮新專案時，他通常排在最後，因為同事們認為和他一起工作並不知道他在做什麼。

那麼會選誰?

假設人們知道這兩者中哪一位是優秀的資料科學家。雖然第二人在技術上比第一人更熟練，但他的溝通技巧有點落後。第一個人是在組織中提供“最佳”資料科學成果的人。溝通是不同的。第一位資料科學家不僅可以完成技術工作，還可以以組織可以輕鬆理解的方式分享結果。

當公司想要僱傭資料科學家時，他們通常僱傭擅長溝通或有能力提高溝通技能的人。此外，作為一個組織，如果你想成為一個優秀的資料科學和分析公司，你必須有一個良好的溝通文化。

中安威士 ：保護核心資料，捍衛網路安全

來源：網路收集