你們公司怎能沒(méi)有“數(shù)據(jù)科學(xué)家”？

界面網(wǎng)

本文是“數(shù)據(jù)型公司”系列報(bào)道的第二篇，研究成果來(lái)自紅杉美國(guó)數(shù)據(jù)科學(xué)團(tuán)隊(duì)。

數(shù)據(jù)科學(xué)到底是什么？數(shù)據(jù)科學(xué)是一門(mén)求真的學(xué)科，它利用數(shù)據(jù)提取知識(shí)，獲得行業(yè)洞見(jiàn)。數(shù)據(jù)科學(xué)的應(yīng)用范圍不斷擴(kuò)大，為各個(gè)行業(yè)創(chuàng)造了巨大的價(jià)值。

但和其他尚在發(fā)展的領(lǐng)域一樣，數(shù)據(jù)科學(xué)仍處在起步階段。最重要的是為這一學(xué)科留下發(fā)展的空間，而不是糾結(jié)于它的分類——是數(shù)據(jù)驅(qū)動(dòng)型（Data-driven），還是數(shù)據(jù)知情型（Data-imformed）。

為什么數(shù)據(jù)科學(xué)如此重要？

今天，由于互聯(lián)互通程度的加深、云儲(chǔ)存和計(jì)算成本的下降，創(chuàng)建一個(gè)科技公司的難度也隨之降低。因此，產(chǎn)品月活躍用戶人數(shù)破億所需的時(shí)間也大大縮短。

2013年，iTunes 的月活躍用戶人數(shù)破億花了100 個(gè)月，而游戲《Pokemon Go》只用了短短幾天。

互聯(lián)網(wǎng)產(chǎn)品數(shù)量的增多和人們?cè)诰€時(shí)間的延長(zhǎng)，使得用戶交互數(shù)據(jù)激增。通過(guò)挖掘這類數(shù)據(jù)發(fā)現(xiàn)行業(yè)洞見(jiàn)，從而構(gòu)建偉大產(chǎn)品，激發(fā)了人們極大的興趣。企業(yè)能否對(duì)來(lái)源多樣、海量雜亂的數(shù)據(jù)進(jìn)行有效分析和利用，推動(dòng)產(chǎn)品創(chuàng)新，成為衡量企業(yè)競(jìng)爭(zhēng)力的新標(biāo)尺。

對(duì)于數(shù)據(jù)型公司的產(chǎn)品團(tuán)隊(duì)來(lái)說(shuō)，數(shù)據(jù)分析的關(guān)鍵作用集中在以下四點(diǎn)：

1.評(píng)估健康程度

對(duì)企業(yè)產(chǎn)品或企業(yè)本身進(jìn)行健康分析和評(píng)估，是數(shù)據(jù)分析的重要作用之一。確立了產(chǎn)品成功的標(biāo)準(zhǔn)后，接下來(lái)就是對(duì)相應(yīng)標(biāo)準(zhǔn)進(jìn)行監(jiān)督，確保方向正確和目標(biāo)達(dá)成。

2.打造正確的產(chǎn)品和功能

數(shù)據(jù)分析的另一個(gè)重要作用就是確保打造出正確的產(chǎn)品和功能。通常，數(shù)據(jù)科學(xué)家會(huì)幫忙設(shè)計(jì)實(shí)驗(yàn)，提出假設(shè)，借助數(shù)據(jù)信息，指導(dǎo)產(chǎn)品團(tuán)隊(duì)不斷優(yōu)化產(chǎn)品。

3.預(yù)測(cè)結(jié)果，為產(chǎn)品系統(tǒng)賦能

數(shù)據(jù)科學(xué)家可以借助人工智能或機(jī)器學(xué)習(xí)來(lái)構(gòu)建產(chǎn)品原型/模型，為產(chǎn)品系統(tǒng)賦能，比如，通過(guò)對(duì)某一機(jī)器學(xué)習(xí)模型進(jìn)行訓(xùn)練，來(lái)預(yù)測(cè)前景和趨勢(shì)。

4.為產(chǎn)品制定流程和策略

對(duì)用戶軌跡和某些現(xiàn)象的深入分析，能夠帶來(lái)關(guān)鍵的行業(yè)洞見(jiàn)，幫助公司制定產(chǎn)品流程和策略，這也是世界級(jí)產(chǎn)品分析團(tuán)隊(duì)最重要的作用。

數(shù)據(jù)科學(xué)家的職責(zé)

數(shù)據(jù)科學(xué)家本身涵蓋了多個(gè)角色，在不同的公司、行業(yè)，具體的角色也天差地別，但一般可以分為以下兩類：

1.產(chǎn)品分析師

產(chǎn)品分析師的職責(zé)是交付數(shù)據(jù)知情型內(nèi)容，用于產(chǎn)品或策略的改進(jìn)。

2.算法開(kāi)發(fā)員

算法開(kāi)發(fā)員的職責(zé)是將數(shù)據(jù)驅(qū)動(dòng)型功能融入到產(chǎn)品中，例如，優(yōu)化推薦內(nèi)容或搜索結(jié)果。

產(chǎn)品分析師側(cè)重于制定目標(biāo)，提供產(chǎn)品流程和策略。他們的主要工作通常是給產(chǎn)品團(tuán)隊(duì)提供一份文件，其中有可量化的問(wèn)題、已識(shí)別的機(jī)會(huì)，以及基于數(shù)據(jù)的建議和解決方案。

算法開(kāi)發(fā)員的主要工作是利用數(shù)據(jù)來(lái)優(yōu)化產(chǎn)品性能。他們?yōu)楣こ虉F(tuán)隊(duì)提供原型代碼和資源文件，并與工程團(tuán)隊(duì)進(jìn)行緊密合作，將這些方案應(yīng)用到生產(chǎn)中。

這兩種數(shù)據(jù)科學(xué)家的能力相似，都要能夠進(jìn)行分析預(yù)測(cè)和數(shù)據(jù)量化。但算法開(kāi)發(fā)員需要擁有更多復(fù)雜的技術(shù)知識(shí)（如機(jī)器學(xué)習(xí)、人工智能），而產(chǎn)品分析師則需要有更多解決問(wèn)題的能力，包括能與相關(guān)管理者有效溝通。

一般來(lái)說(shuō)，產(chǎn)品分析師屬于數(shù)據(jù)知情型，而算法開(kāi)發(fā)員屬于數(shù)據(jù)驅(qū)動(dòng)型。并不是所有企業(yè)都需要算法開(kāi)發(fā)員，但所有企業(yè)（尤其是那些用戶基礎(chǔ)雄厚的企業(yè)）都需要產(chǎn)品分析師，因?yàn)樗麄兛梢越鉀Q產(chǎn)品的問(wèn)題，提高產(chǎn)品競(jìng)爭(zhēng)力，幫助企業(yè)更好地應(yīng)對(duì)戰(zhàn)略上的挑戰(zhàn)。

數(shù)據(jù)科學(xué)的演變

試想這樣一個(gè)世界，機(jī)器知道你喜歡的事物，了解你的選擇偏好，不用具體詢問(wèn)就知道該為你購(gòu)買(mǎi)哪些東西，可以幫助你做很多決定，包括幫助你規(guī)劃人生。

這樣的世界在短期內(nèi)可能還無(wú)法實(shí)現(xiàn)，它存在于人工智能成為我們的“生活大管家”的未來(lái)，那時(shí)可能大部分事務(wù)由AI 負(fù)責(zé)。為了朝著這一夢(mèng)想邁進(jìn)，我們需要在數(shù)據(jù)驅(qū)動(dòng)上更進(jìn)一步。

在一個(gè)機(jī)器擁有完備信息的世界中，AI清楚地知道你行為背后的原因，以及各種原因之間的相互作用機(jī)制，這需要數(shù)據(jù)驅(qū)動(dòng)與數(shù)據(jù)知情的結(jié)合。

在純粹使用數(shù)據(jù)驅(qū)動(dòng)方式?jīng)Q策時(shí)，數(shù)據(jù)是唯一的重要因素。而使用數(shù)據(jù)知情方式?jīng)Q策時(shí)，數(shù)據(jù)是一個(gè)重要因素，但不是唯一的。

當(dāng)未來(lái)越來(lái)越多的流程實(shí)現(xiàn)自動(dòng)化，相比于數(shù)據(jù)知情，世界將更偏向于數(shù)據(jù)驅(qū)動(dòng)。然而，在近幾十年，數(shù)據(jù)知情還將持續(xù)占據(jù)十分重要的地位，而數(shù)據(jù)驅(qū)動(dòng)的發(fā)展進(jìn)步則要靠數(shù)據(jù)知情型人才來(lái)推動(dòng)。

下列例子最能說(shuō)明數(shù)據(jù)知情和數(shù)據(jù)驅(qū)動(dòng)在決策方式上的區(qū)別。

1.設(shè)定目標(biāo)

目標(biāo)的確定和追蹤將日益向數(shù)據(jù)驅(qū)動(dòng)的方向靠攏。例如，F(xiàn)acebook 對(duì)活躍用戶的追蹤可能是一個(gè)全自動(dòng)化的過(guò)程，是純粹的數(shù)據(jù)驅(qū)動(dòng)。但在制定恰當(dāng)?shù)募径群湍甓然钴S用戶數(shù)量目標(biāo)和收益目標(biāo)時(shí)，可能就不再是全自動(dòng)化了，其中摻雜了數(shù)據(jù)知情型的方法。

2.確立流程和戰(zhàn)略

流程和戰(zhàn)略的制定是難以量化的，因此需要采用數(shù)據(jù)知情的方法。一個(gè)好的流程路線圖會(huì)考慮到相關(guān)目標(biāo)、這些目標(biāo)的驅(qū)動(dòng)因素、產(chǎn)品團(tuán)隊(duì)手中的杠桿，以及可行的行動(dòng)方案。

3.結(jié)果預(yù)測(cè)

結(jié)果預(yù)測(cè)主要為數(shù)據(jù)驅(qū)動(dòng)型。例如，要確定是否要推送某個(gè)內(nèi)容，需要考慮用戶點(diǎn)擊或閱讀該內(nèi)容的概率等多種因素。在進(jìn)行結(jié)果預(yù)測(cè)時(shí)，企業(yè)通常會(huì)進(jìn)行模型開(kāi)發(fā)，并不斷對(duì)模型進(jìn)行迭代。

4.為產(chǎn)品系統(tǒng)賦能

對(duì)于PayPal 這類公司來(lái)說(shuō)，對(duì)每筆交易都進(jìn)行詐騙活動(dòng)的人工審核，成本高昂。因此，它們多依靠機(jī)器學(xué)習(xí)來(lái)增強(qiáng)產(chǎn)品系統(tǒng)的能力，實(shí)現(xiàn)審核的自動(dòng)化和概率評(píng)估的自動(dòng)化。然而，對(duì)于那些概率評(píng)估置信水平較低的領(lǐng)域，決策方式就可能更偏向數(shù)據(jù)知情型。