数据科学家需要的基础技能

数据科学家是当今技术组织中最受追捧的角色 之一，薪酬正在上升。在一些IT组织中，CIO可能只需要雇用数据科学家的预算。因此，在招募数据科学家时，您可能希望他比摇滚明星更多才多艺，更有趣。

但是，当一位数据科学家进行面试时，他应该具备的一项关键技能可能不会出现在他或她的简历中供审查。这不是关于熟悉python或r或spark或其他新技术或平台，或最新的机器学习方法或算法，或从头开始编写人工智能算法，或在几分钟内分析结核计数数据的能力。

虽然这些知识非常重要，但它们并不是软技能。事实上，使数据科学家成为摇滚明星的一项技能不是技术，而是所谓的软技能：沟通技巧。

当创建一些疯狂的机器学习系统来构建推荐引擎时，公司面试的数据科学家可能是世界上最聪明的人之一，但如果他们没有这种软技能，那么很难取得成功。他们会遇到一些困难，无法充分发挥他们的潜力。

它的“战略”是什么？当公司交流输出/结果时，数据科学家需要能够讨论的不仅仅是标准信息（错误率/指标等）。他们还需要能够达到关键的“W”点：什么、为什么、何时、何地和谁。他们必须能够清楚地定义他们做什么，为什么要做，他们的方法何时工作（或不工作），他们的数据来自哪里，以及他们做什么会影响到谁。如果他不能以外行能理解的方式简洁地回答这些问题，他就是一个失败的数据科学家。

两个现实世界的例子

有两个例子可以帮助了解出色的数据科学家（即沟通良好的人）和一个不那么出色的数据科学家之间的区别，例子提供了两者的背景知识，让企业自己决定聘请哪一位数据科学家。并假设这两位数据科学家都在同一个组织工作。

第一位数据科学家：

她从事数据科学工作已有四年。她在数据探索，功能工程，机器学习和数据管理方面拥有丰富的经验。在她的职业生涯中，她实施了几个项目，需要在分析过程中使用不同的系统，平台和语言深入研究大型数据集。

对于她所从事的每个项目，她都会在笔记本上留下评论、想法、变化以及她正在做的事情的理由，毕竟她是一名科学家。当她向团队成员和管理层提供更新时，她不仅仅关注数据，还关注数据能够传达的内容。她对自己的所有工作都作了详尽的描述，并详细说明了为什么事情是按自己的方式进行的，以及潜在的变化可能如何影响她工作的结果。

对于项目“总结”文档，她提供了一个执行摘要，其中包含许多直观的描述，简要描述项目、她所做的工作、为什么这么做，做了什么、她认为可以做什么来改进事情，以及如何改进项目。除了执行摘要之外，她还提供了一份详尽的报告，描述了整个过程，其中包含多个附录和解释性陈述，供那些想深入了解项目的人使用。当人们选择人们从事他们的项目时，当他们开始谈论团队成员时，想到的人第一个人就是她。

第二位数据科学家：

他从事数据科学工作已超过四年（比第一人长一个月）。他的技术背景非常专业，他是团队中算法和编程语言的“专家”。考虑非常全面，可以解决许多困难。他在该项目中取得了很大的成功，并受到了整个公司的青睐。

当他在一个项目上工作时，他很少记录他做什么以及他为什么选择。例如，如果一位同事问他为什么在一个项目中选择随机森林而不是支持向量机，他会告诉他，“因为它更有效”，但他无法解释“更好”的含义。尽管很少有人反对他选择项目，但他的工作很少受到质疑，也没有人质疑他的技术，同事们总是质疑“他在做什么？”“他做了什么？”在项目/项目中。

为了记录和展示结果，他把预期的基本报告和适当的信息放在一起，人们总是问他问题。但在考虑新项目时，他通常排在最后，因为同事们认为和他一起工作并不知道他在做什么。

那么会选谁?

假设人们知道这两者中哪一位是优秀的数据科学家。虽然第二人在技术上比第一人更熟练，但他的沟通技巧有点落后。第一个人是在组织中提供“最佳”数据科学成果的人。沟通是不同的。第一位数据科学家不仅可以完成技术工作，还可以以组织可以轻松理解的方式分享结果。

当公司想要雇佣数据科学家时，他们通常雇佣擅长沟通或有能力提高沟通技能的人。此外，作为一个组织，如果你想成为一个优秀的数据科学和分析公司，你必须有一个良好的沟通文化。

中安威士 ：保护核心数据，捍卫网络安全

来源：网络收集

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/69914889/viewspace-2651366/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/69914889/viewspace-2651366/