数据科学团队管理实战

正文

请到「今天看啥」查看全文

也许我们希望证明，我们能够开发出一个算法，预测一款产品是否受欢迎。仅仅是为了好玩!

不过，归根结底，我们数据科学家、数据顾问和软件工程师都受雇于企业，而那些企业希望看到财政营收。你是使用了基于神经网络的算法，还是基于支持向量机的算法，这并没什么关系，只要最大限度地节省成本，或者带来最大的收益。

重要的是记住，数据科学家或大数据分析师越快弄清楚这个问题，就越能有效地发挥他们的作用。数据科学家都要有一点企业家精神。

数据科学家寻找机会为企业省钱，或者发现新的价值流。我们经常是正确的，因为我们不仅了解业务，我们还有数据支撑我们的观点。

这就是有一个与企业步调一致的数据团队的价值之一。他们有推动决策的数据。

数据工程

有个方面有时候会完成得比较仓促，那就是数据工程。它可能看上去不重要，可能看上去很容易修改。但是，如果数据的设计规划不便于操作和开发，那么数据科学家在设计算法和下游工作流时会陷入时间地狱。

这是indeed.com上数据工程师的职位需求占比高于数据科学家的原因之一。

数据的组织方式在分析方面非常重要。我们团队有几名成员最初就是数据工程师，这就是为什么他们如此重要。他们不仅能够创建优美的算法，还能够创建数据管道，让数据能够自然地从点A到点B，从数据仓库到算法。

经过良好设计规划的数据易于修改，容易接入新模块及报告新指标，等等。它可能看起来奇怪，但借助良好的数据工程，一切都是有可能的!

系统设计也是为了数据科学家

请到「今天看啥」查看全文