基于技能的改善数据科学实践的方法

  • 张天雷

2015 年 12 月 22 日

话题:大数据语言 & 开发架构

在当今的大数据时代,利用数据科学理论进行数据分析起着越来越重要的作用。探讨不同数据技巧类型和熟练程度对相关项目有着怎样的影响也开始具有重要意义。近日,AnalyticsWeek的首席研究员、Bussiness Over Broadway的总裁 Bob Hayes 博士就公开了研究数据分析项目成功所必需技能的相关结果。Bob 所提出的基于技能的数据科学驱动力矩阵方法,可以指出最能改善数据科学实践的若干技能。

数据技能的熟练程度

首先,Bob 在 AnalyticsWeek 的研究包含了很多向数据专家提出的,有关技能、工作角色和教育水平等有关的问题调查。该调查过程针对 5 个技能领域(包括商业、技术、编程、数学和建模以及统计)的 25 个数据技能进行,将其熟练程度划分为了 6 个等级:完全不知道(0 分)、略知(20 分)、新手(40)、熟练(60 分)、非常熟练(80 分)和专家(100 分)。这些不同的等级就代表了数据专家给予帮助或需要接受帮助的能力水平。其中,“熟练”表示刚好可以成功完成相关任务,为某个数据技能所能接受的最小等级。“熟练”以下的等级表示完成任务还需要帮助,等级越低需要的帮助越多;而“熟练”以上的等级则表示给予别人帮助的能力,等级越高给予的帮助可以更多。

Bob 列出了 4 中不同工作角色对于 25 种不同数据技能的熟练程度。从上图可以看出,不同领域的专家对其领域内技能的掌握更加熟练。然而,即使是数据专家对于某些技能的掌握程度也达不到“熟练”的程度。例如,上图中浅黄色和浅红色区域都在 60 分以下。这些技能包括非结构化数据、NLP、机器学习、大数据和分布式数据、云管理、前端编程、优化、概率图模型以及算法和贝叶斯统计。而且,针对以下 9 种技能,只有一种类型的专家能够达到熟练程度——产品设计、商业开发、预算编制、数据库管理、后端编程、数据管理、数学、统计 / 统计建模以及科学 / 科学方法。

并非所有的数据技能都同等重要

接下来,Bob 继续探讨了不同数据技能的重要性。为此,AnalyticsWeek 的研究调查了不同数据专家对其分析项目结果的满意程度(也表示项目的成功程度):从 0 分到 10 分,其中 0 分表示极度不满意,10 分表示极度满意。

对于每一种数据技能,Bob 都将数据专家的熟练程度和项目的满意度进行了关联。下表就列出了 4 种工作角色的技能关联情况。表中关联度越高的技能就表示该技能对项目成功的重要性越高。而表中上半部分的技能相比于下半部分的技能对于项目结果更加重要。从表中可以看出,商业管理者和研究者的数据技能和项目结果的满意度关联度最高(平均 r=0.30),而开发人员和创新人员的关联度只有 0.18。此外,四种工作角色中不同数据技能之间的平均关联度只有 0.01,表明对于一种数据专家是必须的数据技能对于其他数据专家未必是必须的。

数据科学驱动力矩阵:图形化结果

基于熟练程度和关联度的结果,Bob 绘出了数据科学驱动力矩阵(Data Science Driver Matrix,DSDM)的示意图。其中,x 轴代表所有数据技能的熟练程度,y 轴代表技能与项目结果的关联度,而原点则分别对于熟练程度的 60 分和关联度的 0.30。

结果解读:改善数据科学的实践

在 DSDM 中,每一种数据技能都会落在其中的一个象限中。由此,这种技能所代表的含义也就不同。

  1. 象限 1(左上):该区域内的技能对于项目结果非常重要,但熟练程度却不高。那么,通过聘请掌握相关技能的数据专家或者加强相关技能的员工培训,项目就可以取得很好的改进。
  2. 象限 2(右上):该区域内的技能对于项目结果非常重要,而掌握的熟练程度也不低。
  3. 象限 3(右下):该区域内的技能对于项目结果而言为非必须,但掌握的熟练程度较高。因此,需要避免在这些技能上的过度投入。
  4. 象限 4(左下):该区域内的技能对于项目结果而言为非必须,掌握的熟练程度也不高。但是,仍然没有必须要加强对这些技能的投入。

对于不同数据角色的 DSDM

Bob 针对商业管理者、研究者、开发人员和创新人员 4 中角色分别创建了 DSDM,并主要关注落在第一象限的技能。

  1. 商业管理者

    对于商业管理者而言,第一象限中的技能包括统计学 / 统计建模、数据挖掘、科学 / 科学方法、大数据和分布式数据、机器学习、贝叶斯统计、优化、非结构化数据、结构化数据以及算法。而没有任何技能落在第二象限。

  2. 开发人员

    对于开发人员,只有系统管理和数据挖掘两种技能落在第一象限。绝大部分技能都落在第四象限。

  3. 创新人员

    对于创新人员,共有数学、数据挖掘、商业开发、概率图模型和优化等五种技能落在第一象限。而绝大部分技能都落在第四象限。

  4. 研究者

    对于研究者,共有算法、大数据和分布式数据、数据管理、产品设计、机器学习和贝叶斯统计等五种技能落在第一象限。而落在第二象限的技能却很少。

结论

从以上的研究中,Bob 得到以下结论:

  1. 无论是对于哪个领域的专家,数据挖掘对于项目结果都十分重要。
  2. 商业管理者和研究者可以通过改善数据技能来增加数据分析项目的满意度。
  3. 某些特殊的数据技能对于一些分析项目的结果非常重要。

除此之外,Bob 还提出团队合作对于项目成功也有着非凡的意义。


感谢杜小芳对本文的审校。

给 InfoQ 中文站投稿或者参与内容翻译工作,请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博(@InfoQ@丁晓昀),微信(微信号:InfoQChina)关注我们,并与我们的编辑和其他读者朋友交流(欢迎加入 InfoQ 读者交流群(已满),InfoQ 读者交流群(#2))。

大数据语言 & 开发架构