很多牛逼的公司都宣称在建立数据科学部门，这个部门该如何组建，大家都在摸石头过河。

O‘reilly Strata今年 六月份发布了报告 《Analyzing the Analyzers》，比较清晰的阐述了数据科学部门所需要的不同角色及其技能。重点内容翻译如下：

数据科学家的分类研究方法

自我认识

请被调查者用常用的5级标准（从完全同意到完全不同意）来回答 “我觉得自己是一个XX” 这样的问题，能够获得数据科学家的自我认识结果。调查结果将数据科学家分为以下四类：Data Businesspeople、Data Creatives、Data Developer、Data Researchers。

技能需求

请被调查者对数据科学家所需的以下22项技能进行排序，分析不同类型的数据科学家的技能要求。其中的ML是机器学习的简写，OR指运筹学（Operations Research）

将它们结合起来分析

根据受访者的自我认知和技能排序，可以识别出不同类型的数据科学家所需要的技能。

数据科学家的类别

Data Businesspeople

Data Businesspeople 往往专注于组织管理和如何从数据项目中产生利润。他们往往将自己定位为领导或创业者，约 80% 的 Data Businesspeople 承担员工管理的责任。Data Businesspeople 还可能是咨询服务或合同类服务的提供者。Data Businesspeople 学历相对较高，大约 60% 拥有硕士以上学位，其中 MBA 接近 25%；而且很多 Data Businesspeople 都有工科学位的背景。Data Businesspeople 往往操作真实数据，90% 以上偶尔会操作 GB 级别的数据。与其他数据科学家相比，Data Businesspeople 年龄稍微偏大，接近四分之一是女性（相比略高），仅有四分之一的 Businesspeople 把自己称为数据科学家（相比略低）。

Data Creative

数据科学家往往可以独立完成一条龙的完整分析过程：从数据提取，整合、并进行分层，进行统计或其他复杂的分析，创造引人注目的可视化诠释和效果，开 发具有更宽广应用前景的数据工具。而 Data Creative 则是其中能力最广泛的数据科学家，他们能够综合使用各种工具和技术解决问题、能够像黑客马拉松那样创新产品原型，是典型的万事通型人才。与其他类的数据科 学家相比，Data Creative 更具艺术家风范。与 Data Researcher 相似，Data Creative 也有丰富的的学术经验，大约 3/4 拥有院校授课或发表论文的经历，一般拥有经济学和统计学等领域的学位。但不同之处在于，仅有较少的 Data Creative 拥有博士学位。Data Creative 具有深厚的业务经验，80% 的 Data Creative 按合同工作（接项目？）；40% 创立了企业，甚至比 Data Businesspeople 还多。Data Creative 还被认为是黑客。他们往往还可能有深厚的开源经验，业余为开源项目和开放数据项目做贡献。Data Creative 相对更年轻，男性更多。有意思的是，他们也是最积极的回应我们最后一个问题的：“你觉得本次调查是否对你有用？”

Data Developer

Data Developer 专注于解决数据管理的技术问题 —— 如何获取，存储，以及学习。Data Developer 更倾向于将自己评价为科学家（在这一点上仅次于 Data Researcher）。对于那些从事机器学习和相关的学术研究的人来说，这是当然合理的。但是，还有一些 Data Developer，每日的工作仅仅是日复一日的开发代码。半数 Data Developer 具有计算机科学或计算机工程学位，约一半人为开源项目作出过贡献。更多 Data Developer 会强调自己具有机器学习/大数据技能。部分 Data Developer 做过咨询工作，承担过管理岗位、或为开放数据项目做出过贡献。

Data Researcher

走向“数据科学家”头衔的职业生涯路径中，最有趣是从在学校研究物理或社会科学开始，也有统计学专业的。许多组织已经深刻认识到，即使这些学生在校 期间所学专业与企业业务领域完全不同，但他们被训练出的利用数据了解复杂过程的能力仍然极具价值。大部分具备统计技能的受访者，自认为是 Data Researcher。近 75％ 的 Data Researcher 在同行评审期刊上发表过文章，半数以上拥有博士学位。（心理和政治科学学位也有可观的数字）。Data Researcher 很少创业，而且仅有半数具有管理经验。

关于大数据

下图描述了对于不同数量级数据集处理的调查结果：大多数数据科学家很少直接操作 TB 级以上的数据。

T型数据科学家

大多数成功的数据科学家既有丰富的专业经验，还至少在数据科学的某一方面深入钻研，如统计，大数据，或业务沟通等。这就是20世纪90年代提出的所 谓的“T形技能”模式：“T”字母顶部的横表示广博技能，而竖线表示在某个区域的深度钻研。T形人才能够更容易融入跨学科团队，也能够更高效地工作。数据 科学领域与生俱来就具有协作性和创造性，那些成功的专业人士能够与数据库管理员，商务人士，以及其他具有多种互补工作技能的人合作，以使数据项目以创新的 方式完成。

Data Businesspeople 具有顶级的商业能力，其他能力较弱。Data Researcher 往往具有非常深的统计相关技能，但一般说来，他们对于机器学习/大数据，商业，和编程技巧却相对低。Data Developer的模式可以被称为“π形”，拥有强大的编程技巧，较强的机器学习/大数据相关技能，而其他三个技能相对中庸。最后，Data Creative 是不像T形结构的，所有技能相对平均，既不最强，也不最弱。

数据科学家和组织结构

数据人才来自哪里？

70% 的受访者至少拥有硕士学位，而科学领域的（社会学或物理学，而非数学、计算机、统计、或工程学科）达40%。

科学领域的研究生以上教育，提供了对真实数据的动手实践，不仅仅描述现象，还要评价理论和辨析立场。物理学和天文学教授了严格的统计思维，而粒子加 速器和太空望远镜系统则提供了大量的需要小心处理的数据流。硬科学背景为任何类型的数据科学家，尤其是Data Developer提供了良好的培训。

另一方面，有人认为，社会科学也培养了大量的数据科学家。心理学家，经济学家，政治学家，以及其他组织，他们在工作中需要处理的来自真实世界的混乱 的，嘈杂的数据。这些领域的数据科学家可以快速清理和汇总数据，利用先进的统计技术来理解因果关系，并深入思考有关数据可视化，展示和沟通的问题。我们在 Data Researcher 和 Data Creative中看到很多这样的受访者。

经典计算机科学（机器学习）和应用统计学位也是非常有效的数据科学家的起点。机器学习的重点是大规模数据处理和算法、结合软件开发技能，自然应用于真实世界组织数据。许多应用统计学科则将咨询能力、专业领域知识、以及关键方面有效的数据科学结合在一起。

还有不少学校也开始培养一些新兴的学位，如分析、数据可续、商务智能硕士等。

大多数当前的数据科学家往往涉足过多个领域，在不禁意之间获得了广泛而深入的领域知识。

从理论到实践：实习和指导

帕蒂尔（2011）建议 “招收哪些刚刚走出大学校园的聪明而有创意的人才，再把他们投入非常严格的实习计划中去。” 对于拥有足够预算，以及高级人才辅导项目的大型组织，这样做可能效果不错，但对于小公司，它的实用性似乎不太好。

对于小组织来说，有个可行的替代方式（DataGotham 2012年）—— 聘请专业的顾问，帮助招聘、培训、再整合和指导新鲜出校的数据科学家。DonorsChoose.org 意识到，雇佣数据科学家收集数据，在完成其慈善使命中具有巨大价值，他们与专家团队一同工作达5个星期完成雇佣。雇佣之前，专家帮助这个非营利性组织了解 到数据科学家的作用，随后帮助新员工培训和指导，并设置了启动项目的成功路径。数据科学家的广泛的能力将对小组织非常有用，但必须有像这样创新的方法以确 保其有效性。

团队和组织架构

首先，我们的数据显示，数据科学家应该是T形人才，具有多样技能，需要在技能互补的团队中最有效率。（达文波特 2010;帕蒂尔 2011）。而不明白这一点的组织往往期望聘请一个可以做到一切的“神”。

其次，组织需要建立自己的数据科学团队，以有效的开展工作。数据科学团队即需要直接访问原始数据，也需要与决策者沟通。根据我们的分析，他们具备需 要多方面的技能才能充分利用数据。他们还需要得到流程管理的支持，采纳和使用其结果。当数据科学团队的产出被期望为具有完整的生命周期的软件系统时，那么 这个团队中就必须拥有足够的资源去进行测试，部署和系统维护，这一点至关重要。虽然我们的受访者都或多或少有一些编程技巧，并能够承担这类任务，但期望大 多数 Data Businesspeople 或 Data Researchers 能够高效完成这些，还是个不现实的期望。在大型组织里，在数据科学团队上的资金投入，与其他团队之间的管理关系协调，包括数据基础设施和IT员工，确实能 够实现价值。（达文波特，2010年）

职业发展

企业中的数据科学家的角色不是一成不变的，也需要职业发展的晋升机会。具有多年数据科学家经验的员工，非常有价值，也非常难于替代。将工程师提升为 领导角色需要充分衡量利与弊，还要考虑资深员工不想从事管理岗位的各种变数。在我们的调查者中，62％的承担着管理责任；这个数据能够显示有多少数据科学 家愿意管理团队，而不是视管理为烦恼。

在大型组织中，保留数据科学家的另一个有趣的潜在方法是设立轮岗计划（达文波特，2010年）。在入职培训之后，数据科学家可以在内部团队有计划的 转岗。产品部门可能需要个性化用户模式；市场部门需要在可控实验（controlled experiments）方面的帮助；财务部门需要预测；运营部门需要流程优化。通过直接加入不同部门，数据科学家能够了解关键业务的价值观和技能，专注 于部门最需要帮助的问题，并以最小代价提供解决方案。而且，通过阶段性轮岗，数据科学家可以获得更宝贵的技能和宽阔的视野，不断提升其数据科学技能。

---

Author : iascchen(at)gmail(dot)com