數據科學家 (Data Scientist) 的日常工作內容包括什麼？

數據科學家的日常工作內容包括：根據客戶需求，從數據中攫取商業價值，而這個過程中一般都會涉及統計模型和機器學習模型。如果在數據沒有處理的情況下，我們的工作偶爾也涉及清理數據。有時候我們反而希望數據是未經過處理的，因為很多重要信息都在被處理中遺失了。

一般的項目遵循以下幾個流程:確定商業痛點。明白要解決的問題是什麼？獲得數據並進行清理，常見的數據預處理包括: a. 缺失值處理 b.特徵變數轉化 c.特徵選擇和維度變化(升維或者降維) d. 標準化、歸一化、稀疏化。

與團隊其他成員的溝通。與純粹的機器科學工程師不同，數據科學家的重要工作內容是交流溝通。如果無法了解清楚客戶的需求是什麼，可能白忙活一場。如果無法了解數據工程師在採集數據時的手段，我們使用的原始數據可能有統計學偏見。如果不能講清楚如何才能有效的評估模型，負責在雲端運行模型的工程師可能給出錯誤的答案。因此，數據科學家除了建模必須親手來做以外，其他的環節可以「外包」給別人。在數據量特別大的時候，這個需求變得更為明顯。

開會、彙報、寫報告。彙報時避免「黑話」，避免給不同背景的老闆和客戶造成疑惑。直擊重點而不炫技。盡量簡明扼要，不要過分介紹模型的內部構造，重心是得到的結論。實事求是不誇大模型能力。很多機器學習模型其實都已經不同程度過擬合，不刻意避開交叉驗證而選擇「看似表現良好的」過擬合模型。給出可以進一步優化和提高的方向，為項目提出新的方向。在彙報時盡量用可視化來代替枯燥的文字。好的溝通能力不僅僅是指和團隊成員的溝通，向老闆和客戶的彙報也很考察數據科學家的能力。

---

首先如名稱的字面意義,這個人必須懂數據,例如數據類型,數據量,數據整合,統計等等。其次是他是個「科學家」,懂得複雜的演算法,知道一個業務問題會有多少種不同的演算法來解決。當然他要真牛的話,自己寫演算法也是可以的。

---

數據科學家一般對數據都很敏感，具備良好的邏輯思維能力、溝通技巧、以及優秀的問題解決能力。工作內容多是分析數據和建模，與團隊的溝通交流。

---

數據科學家的工作團隊性比較強，注重合作和團隊意識，團隊中每個人有不同的分工，負責收集數據，整理數據，處理數據，分析數據等。

---

推薦閱讀：