John Sullivan给你的5项技能建议,实践是进入数据科学世界的最佳方式

编者按：上MOOC、读教科书、一遍又一遍地刷题……在毕业前，如果你对未来还是这样一幅态度，那你几乎就是在虚度光阴。虽然数据科学家是未来最“性感”的工作，但要成为“性感”的人，枯坐灯前当个书呆子可不成……

在毕业前，也许你是个勤奋的人，一直很努力地自学教材，也会上在线课程充实自我，但临近毕业，现在的你在做些什么呢？数据科学家是一份令人望而生畏的工作，一方面，毕业生不知道自己水平是否足以胜任；另一方面，面试人员往往也很难从毕业生身上看出他们的全部实力。

但每个人都有走出象牙塔的一天，为了让自己在社会上更有实力，你准备好迎接挑战了吗？如果你的梦想是当一名数据科学家，下面是DataOptimal创始人John Sullivan给你的5项技能建议。实践是进入数据科学世界的最佳方式，而掌握热门的必备技能将使你在职场上面面俱到。

1.数据清理

不要以为其他分析师会帮你处理好一切，作为一名数据科学家，如果你刚接手一个新项目，你可以把项目总用时里的80%用来做数据清理，这是科学的。无论是多高级的数据团队，数据清理始终是从业人员心中的巨大痛点，换个角度看，这也是你的机遇。如果你能证明自己在数据清理上面经验丰富，那你的价值实现指日可待。

为了锻炼这方面的能力，记得找一些混乱的数据集，多多练习，多多积累。

如果你用的编程语言是Python，Pandas是个好库；如果是R语言，dplyr包也是个不错的选择。换句话说，语言和库只是工具，但你用它们做的事是一样的：

导入数据

添加多个数据集

检测缺失值

检测异常值

填补缺失值

保证数据质量

2.探索性数据分析

数据科学的另一个重要技能是探索性数据分析（EDA）。当有人扔给你一份数据时，你对这份数据完全陌生，又没有足够的业务背景，会不会感觉无从下手？如果你什么都不管，直接把数据喂给各种模型，却发现效果不好，因为你没有好的特征，那么你可能需要的是数据探索。

EDA是对已有数据在尽可能少的假定下进行探索，通过各种可视化方法探明数据结构、规律的一种数据分析方法，它能让你建立起对数据的直觉。从效果上来看，EDA允许分析师从数据中得出结论以推动业务影响，这个影响可以是客户群分析，也可以是季节性销售趋势。让自己和公司获得意料之外的惊喜，这是EDA的魅力。

对于EDA，Python用户可以用Pandas和Matplotlib，R语言用户可以用ggplot2包。一个精通EDA的人需要熟练这些技巧：

为数据分析制定问题

表明趋势

表明变量间的协变

用可视化结果（散点图、直方图等）有效地传达结果

3.交互式数据可视化

交互式数据可视化包括仪表板等工具。这些工具对数据科学团队以及更多面向业务的终端用户都很有用。仪表板允许数据科学团队进行协作，并一起商议见解。更重要的是，它们为面向业务的客户提供了一种交互式工具，后者往往专注于战略目标，而非技术细节。一般情况下，数据科学项目的最终呈现应该是以仪表板的形式出现的。

对于Python用户，Bokeh和Plotly库非常适合创建仪表板。对于R用户，请务必查看RStudio的Shiny软件包。无论是那种，你的仪表板上都要遵循：

包含和客户需求相关的各项指标

创建有用的feature

布局合理（如F-pattern可以在客户扫视时，让他们记住大部分内容）

切换演示文稿频率合理

生成报告或其他自动操作

4.机器学习

机器学习是数据科学的重要组成部分。当然，这不是说你现在就得开始学习构建复杂的深度学习模型，事实上，大多数工作都不需要你有太高的机器学习知识水平。线性回归、逻辑回归，会用这些简单算法就够了，而且这些东西也更容易让你的领导理解，理解是沟通的基础。

如果要在这方面积累经验，记得做客户留存预测、贷款预测、欺诈检测这类项目。这不是说预测植物品种这类问题不好，只是前者能帮你积累更多业务常识。

如果你是Python用户，用Scikit-learn库。对于R用户，用Caret包。同样的，下面是必须要呈现的内容：

为什么要选这个特定模型

把数据拆成训练集和测试集（k倍交叉验证），避免过拟合

选择正确的评估指标（AUC、adj-R2、混淆矩阵等）

调整超参数

5.沟通

沟通是所有工作的必备技能。优秀数据科学家和普通数据科学家的区别在于前者能有效传达结果，而后者不能。无论展示的模型有多花哨，如果你看到客户后连嘴巴都张不开，他们又怎么会支持你的成果？PPT和笔记本电脑是沟通必备工具，你也可以用Jupyter Notebook或RMarkdown文件和客户交流项目。

确保了解你的目标听众是谁，向高管们展示和向机器学习专家展示完全不是一码事。一定要掌握这些技能：

了解目标受众

提供相关可视化

PPT不要过长

PPT演示流畅

结果和业务影响紧密结合（降低成本？增加收入？）

辛辛苦苦做完项目后，不要把文件随便乱丢，要养成收集、记录的好习惯。你可以用Github Pages把文件免费转成静态网页，为你的潜在雇主提供了解你的资料。

最后，只要是入了数据的门，无论短时间内岗位是不是称心如意，接受了这份工作就保持积极态度，继续不断尝试项目，快乐工作，快乐找更好的工作！