数据科学家的工作是什么样的？请各位打算晋升的数据分析师快来了解

1、数据科学家的工作是什么样的——分析数据与建模

这里的工作具体是根据客户需求从数据中获取业务价值，在这个过程中，通常涉及到统计学习和机器学习。如果没有处理数据，我们的工作偶尔会涉及到清理数据。有时我们希望数据未经处理，因为在处理过程中丢失了许多重要信息。一般项目遵循以下流程：

确定业务痛点-了解问题所在?

常用的数据预处理包括：A.缺失值处理;B.特征变量的转换;C.特征选择和维数变化(维数向上或向下);D.标准化/规范化/稀疏化。说到单词，您可能还需要使用一些自然语言处理方法。更多相关的方法可以在我最近的回答中找到[1]。

模型选择和评估。这个过程往往比较粗糙，往往需要做一些模型的评估和比较。

提取业务价值，准备报告或意见，并向相关负责人报告。

2、数据科学家的工作是什么样的——与其他团队成员的沟通

与纯机械科学工程师不同，数据科学家致力于通信。如果你不了解顾客的需求，你可能很忙。如果我们不能理解数据工程师是如何收集数据的，那么我们使用的原始数据可能会有统计上的偏差。如果不清楚如何有效地评估模型，负责在云中运行模型的工程师可能会给出错误的答案。因此，除了建模，数据科学家还必须自己动手，其他环节也可以“外包”给他人。当数据量很大时，需求就变得更加明显。

3、数据科学家的工作是什么样的——会议/报告/报告撰写

良好的沟通技巧不仅指与团队成员的沟通，还包括数据科学家向老板和客户汇报的能力。作为数据科学家，我们通常有几个原则：

报道时避免使用“俚语”，避免给不同背景的老板和客户带来困惑。

切中要害，不要炫耀你的技能。尽量简洁明了。不要过分介绍模型的内部结构。重点是结论。

实事求是，不要夸大模特的能力。事实上，许多机器学习模型都不同程度地被过度拟合，它们并没有刻意避免交叉验证，而是选择“看似良好”的过度拟合模型。

给出了可以进一步优化和改进的方向，并为项目提出了新的方向。

报道时，尽量用形象化的方式，而不是枯燥的文字。

以我去年做的一个项目为例：

我们公司的领导想知道为什么我们的员工流失率很高，以及如何避免。遵循我上面描述的过程：

从人力资源部收集数据，清楚地告诉他们我需要的数据时间跨度和变量。与法律部门合作删除数据的隐私部分。

数据预处理、建模和评估。

从it中挖掘业务价值，例如a.员工为什么离开(对变量的重要性进行排序，使用决策树可视化分类结果)B.什么样的员工值得留住?

向领导汇报我的发现、流程设计可视化等。

与其他部门的同事一起，这个项目被打包成一个案例，卖给其他客户。

这个基本过程包括数据分析项目的基本过程。关于这个项目的一些有趣的发现，请参阅我的另一个答案[2]。但不难看出，在整个过程中，甚至是销售环节，都有很多沟通的过程，这一点一度反映了数据科学家的工作范围。

以上就是《数据科学家的工作是什么样的？请各位打算晋升的数据分析师快来了解》的全部内容，从文字中我们可以看到，数据科学家已经成为一个跨学科的位置。我将数据科学家定义为具有良好沟通和报告能力的人。如果你想学习更多数据分析知识，可以点击下方资料下载链接。