数据科学团队的自测题

导读:

  1. 数据科学家具备很多相邻领域的技能,至少是基本技能(比如工程、开发和运维、产品管理、数学、研究、写作、商业等等),团队最容易出问题的地方之一,就是他们无法专注于那些需要动用这一整套技能才能完成的工作。
  2. 团队是否拥有足够的数据,以及相应的工具来高效地处理这些数据。如果处理数据时困难重重:因为和生产系统相冲突,没有被文档化,或者收集方式前后不一致,甚至根本就不存在……这个时候,数据科学团队要及时出业绩就很难了。
  3. 团队必须能自信地报告负面结果,否则正面结果也会失去大家的信任。数据科学团队需要能“抓关键”的决策者,而这些决策者必须实事求是地面对数据和证据。
数据科学团队的自测题

原文翻译:

虽然数据科学风头正盛,但它依然是一个比较年轻的学科,还有很多基础性的问题有待解答。数据科学家究竟是做什么的?成为数据科学家应当接受怎样的教育培训?数据科学家的职业道路是什么样的?最近,我一直在思考一个相关的问题:一个高效的数据团队的标志是什么

说起出色的数据科学工作,我们最先想到的最重要的标准往往是“有没有大量的数据?”而我主张采用一个涵盖面更广的清单,涉及团队采用的流程、为团队提供支持的基础设施,以及团队与公司其余部分之间的界限。如果这些事情安排妥当,让团队专注于他们自己的问题,并减少围绕这些问题产生的摩擦,那么,数据科学家就会拿出优异的表现。

这种方法借鉴自joelonsoftware.com的乔尔提出的软件工程团队测试方式。你应当能快速对每个问题作出肯定或否定的回答。肯定答案越多,情况就越乐观。

这是对团队基本状况的衡量,优秀的团队可能存在其他各个方面的差异。这些问题既是关于团队本身,也是关于团队所处的生态系统,但依照我的经验,数据科学团队由于深深植根于公司内部,它必须敏锐地关注周遭的环境。你还可以换一个角度思考:假如你想加入这个团队,你会问些什么问题?

问题

1.你们绝大部分时间都在做耗时一天以上的项目吗?

2.公司有专门的工程师负责数据基础设施吗?

3.公司其他人可以不经过数据科学家,直接访问基本数据吗?

4.你们可以在不影响生产系统表现的情况下访问数据吗?

5.你们做分析的时间多于等待数据的时间吗?

6.重大架构会文档化吗?

7.测量手段会被视为最小可发布产品的一部分吗?

8.对于在收集到的数据中发现并修复错误,你们有设专门的流程吗?

9.已经完成的研究工作会被文档化并存放在某个中心位置吗?

10.团队在将工作共享出去之前,有一个常规的审查流程吗?

11.你会通过做实验去检测决策带来的影响吗?

12.你能没有后顾之忧地报告负面结果吗?

13. CEO(或其他负责人)能说出团队在当季做出的至少一个贡献吗?

14.公司在进行产品和业务规划流程时,会来咨询数据科学家吗?

优秀的数据科学工作是建立在一组基本需求层次之上的:强大且受到良好维护的数据基础设施,免受杂事干扰的环境,高质量的数据,强大的团队研究流程,能“抓关键”的开明决策者。

第一组问题(1-3)的重点是考察数据科学团队是否免受一些周边问题的干扰,通过改善基础设施、改进工具或交由专门人员处理,这些周边问题就能得到更好的解决。因为数据科学是一个跨学科领域,数据科学家具备很多相邻领域的技能,至少是基本技能(比如工程、开发和运维、产品管理、数学、研究、写作、商业等等),团队最容易出问题的地方之一,就是他们无法专注于那些需要动用这一整套技能才能完成的工作。如果大部分时间都用来响应临时请求、为简单的数据访问提供支持,或是管理数据管线,那就会挤占真正的数据科学工作。正因为他们可以很好地胜任这些周边工作,公司才需要设置严格的规定,确保他们不必去做

没有丰富的数据,数据团队的工作就是盲目的,而第4-8个问题就考察了团队是否拥有足够的数据,以及相应的工具来高效地处理这些数据。如果处理数据时困难重重:因为和生产系统相冲突,没有被文档化,或者收集方式前后不一致,甚至根本就不存在……这个时候,数据科学团队要及时出业绩就很难了。这些问题也衡量了团队在公司里得到的信任程度;如果产品团队不能从数据科学团队那里得到好处,对建立和维护数据收集系统的重视程度就会打折扣。

团队内部流程(第9-11个问题)保证团队所做的是高质量的研究工作,这些工作能建立并维护它在公司内部得到的信任。数据科学团队所服务的对象大多没有能力去验证团队的工作成果,所以,团队自身要负责记录自己的工作,使之接受严格的同行评议,并将结果传播出去。这一点不言而喻:受控实验是数据科学武器库中最重要的一项工具,一个团队若不经常使用它,那一定是有问题的。

如果数据科学团队被强制要求,即使相关证据显示产品有问题,也必须让产品显得完美,那就是公司领导层出了问题。团队必须能自信地报告负面结果,否则正面结果也会失去大家的信任。数据科学团队需要能“抓关键”的决策者,而这些决策者必须实事求是地面对数据和证据。具体怎么衡量呢?可以看公司内部是否需要数据科学团队的参与,领导者能否快速确定,数据科学如何帮助自己的团队取得成功。最后的第12-14题试图考察这些方面。

这份清单显然是不彻底的,也并不完全适合推而广之。数据科学的界限划分仍然是人们争论不休的话题。纯粹着眼于构建数据产品的团队应该会有非常不同的观点,那些刻意模糊数据科学和工程数据界限的人应该也有不同意见。所有数据团队之间究竟有没有共同点呢?请畅所欲言,提出新的问题,或告诉我们,上述哪几个问题并不广泛适用。

原文:Highly Effective Data Science Teams

来源: mit-media-lab

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

(0)
上一篇 2016-05-02 09:57
下一篇 2016-05-02 14:43

相关文章

关注我们
关注我们
分享本页
返回顶部