數(shù)據(jù)科學(xué)作為一個專業(yè)領(lǐng)域迅速崛起，吸引了來自各種職業(yè)背景的人。工程師、計算機(jī)科學(xué)家、市場和金融畢業(yè)生、分析師、人力資源人員——每個人都想嘗一塊 “數(shù)據(jù)科學(xué)餡餅”。

那么，為什么我要特別關(guān)注這些職業(yè)：數(shù)據(jù)分析/數(shù)據(jù)倉庫(MIS)/商業(yè)智能(BI)呢?讓我先解釋一下。

我經(jīng)常遇到一些優(yōu)秀的商業(yè)智能分析師 (BI)，尋求獲得自己人生的第一個數(shù)據(jù)科學(xué)角色。但他們常常因缺乏機(jī)會而沮喪。他們中很多人感覺自己的角色是重復(fù)的，或者只需要扮演好被要求的角色。

他們實(shí)際上忽略了一個事實(shí)：比起任何其他職業(yè)的人，他們離數(shù)據(jù)科學(xué)更近。

商業(yè)智能分析師 (BI) 為何能更輕松地過渡到數(shù)據(jù)科學(xué)領(lǐng)域

商業(yè)智能專業(yè)人士比幾乎所有試圖過渡到數(shù)據(jù)科學(xué)的人都擁有巨大優(yōu)勢，原因如下：

• 商業(yè)智能分析師已經(jīng)在各個項(xiàng)目中接觸到了數(shù)據(jù)科學(xué)家;
• 知曉如何管理和處理數(shù)據(jù)(有時按比例);
• 有業(yè)務(wù)背景，他們密切地從事相關(guān)業(yè)務(wù);

他們有基本的數(shù)據(jù)探索步驟的經(jīng)驗(yàn)，因?yàn)槌擞迷趫蟾嬷校瑯I(yè)務(wù)部門也會經(jīng)常要求這些。

換句話說，這些人工作在數(shù)據(jù)科學(xué)項(xiàng)目的“前半部分”，這已經(jīng)比大多數(shù)有志成為數(shù)據(jù)科學(xué)家的人多了很多行業(yè)經(jīng)驗(yàn)。

如果你正是這樣一位希望從數(shù)據(jù)分析/數(shù)據(jù)倉庫(MIS)/商業(yè)智能(BI)跳轉(zhuǎn)到數(shù)據(jù)科學(xué)家，這篇文章就是為你量身定制的。你可以將這11步作為你能遵循的學(xué)習(xí)路徑。實(shí)際上，我強(qiáng)烈建議你在當(dāng)前的角色中執(zhí)行這些步驟。開始于你正站著的地方，直到破霧而出，進(jìn)入數(shù)據(jù)科學(xué)!我自己整理的一份新的大數(shù)據(jù)進(jìn)階資料和高級開發(fā)教程，大數(shù)據(jù)學(xué)習(xí)群：522189307 歡迎進(jìn)階中和進(jìn)想深入大數(shù)據(jù)的小伙伴加入。

在下面的內(nèi)容中--—商業(yè)智能、數(shù)據(jù)倉庫師、數(shù)據(jù)員、數(shù)據(jù)分析員都可以互換使用。這些角色和名稱幾乎沒有區(qū)別，而且有很多重疊。

準(zhǔn)備好和我一起踏上征程了嗎?讓我們一步一步地來。

第一步：進(jìn)行探查分析并解讀分析成果

讓我以三個BI人員日常報告的例子開始。

示例 1：

該BI人員已經(jīng)得到了數(shù)據(jù)結(jié)果，其中包含有關(guān)城市和地區(qū)級別的業(yè)務(wù)來源，以及業(yè)務(wù)質(zhì)量的詳細(xì)信息。

示例 2：

在這里，BI人員為“拒絕分?jǐn)?shù)”列添加了RAG (紅-琥珀色-綠) 分析。拒絕分?jǐn)?shù)越低，業(yè)務(wù)質(zhì)量越高。

示例 3：

在本例中，BI人員通過對分析結(jié)果進(jìn)行解讀，將報告提升到了另一個層次。你可以看到他從報告中得出的前2個發(fā)現(xiàn)。

這里我只舉了一個簡單的例子對報告進(jìn)行解讀分析。你可以根據(jù)正在分享的信息類型加入更多視覺效果/圖表。

以上哪個示例對于業(yè)務(wù)用戶更有意義?

看看上面的3個例子，我傾向于“示例3”,因?yàn)樗鼮闃I(yè)務(wù)增加了更多價值：

• 為報告添加了更多可理解性;
• 它還強(qiáng)調(diào)了可著手的操作領(lǐng)域;

如果你查看那些“發(fā)現(xiàn)”，其中一個是區(qū)域級別匯總報告后得出的。

這些實(shí)際上能很大地幫助業(yè)務(wù)人員。當(dāng)你與高層管理者合作時，你會發(fā)現(xiàn)他們中的大多數(shù)需要可著手操作的項(xiàng)目，而不想花時間在解釋報告和深入分析上。

想要生成一份類似的報告，一位BI人員應(yīng)該具有好奇心，關(guān)注細(xì)節(jié)，熟練掌握任何一種工具(Excel/SQL/QlikView/Tableau), 以及業(yè)務(wù)知識。

這個技能集不僅限于從事BI的人員。它對于成為一名好的數(shù)據(jù)科學(xué)專家也是關(guān)鍵。在大多數(shù)情況下，一名數(shù)據(jù)科學(xué)家60%—70%的工作是關(guān)于業(yè)務(wù)理解，數(shù)據(jù)探索和對手頭問題產(chǎn)生見解。

與其它正在向數(shù)據(jù)科學(xué)過渡的人員相比，一位BI人士擁有巨大的優(yōu)勢。你可以從今天開始練習(xí)這個技能集，它也將幫助你在現(xiàn)在的工作中做得更好。這是雙贏!

面臨的挑戰(zhàn)和解決方案：

無法在分析結(jié)果與業(yè)務(wù)之間建立聯(lián)系：生成見解與你對業(yè)務(wù)的理解直接相關(guān)。我建議你與領(lǐng)域?qū)＜衣?lián)系，并嘗試解釋它正如何影響著業(yè)務(wù)指標(biāo)。

沒有足夠時間生成見解：我同意--—你正在緊張的期限下，忙著做業(yè)務(wù)報告，沒有時間生成見解。這種情況下，我有2個建議：

不要開始一個有著非常嚴(yán)格時間表的報告(例如日報)。挑選有較少時間限制的報告任務(wù)。月報便是一個很好的開始，因?yàn)樗鼈儼匾男畔⒉⑶覟槟闵钊胪诰蛐畔⑻峁┝藭r間。

自動生成報告。這將為你節(jié)省大量時間，你可以利用這些時間來理解報告并生成見解。你應(yīng)該學(xué)習(xí) Excel/SAS 的宏指令或其它類似自動化報告工具。

第二步：學(xué)習(xí)統(tǒng)計學(xué)以支持你對于報告的見解

是時候用一些統(tǒng)計指標(biāo)來支持你的見解了。不要把你自己局限在僅僅靠視覺解釋來生成見解。看看下面的圖--—你的第一反應(yīng)是什么?

這個圖上可以看到競爭前和競爭后的平均業(yè)務(wù)來源。現(xiàn)在的問題是“競爭是平均業(yè)務(wù)來源增長的背后推動力，還是只是一種隨機(jī)增長?”這里，我們需要依靠某些統(tǒng)計概念來支持我們的見解，比如做 z-檢測, t-檢測或其它統(tǒng)計檢驗(yàn)。掌握好統(tǒng)計知識將在這些處境中幫助到你。

你應(yīng)該對以下統(tǒng)計主題有扎實(shí)的理解，如果你想進(jìn)入數(shù)據(jù)科學(xué)角色的話：

• 描述性統(tǒng)計
• 平均數(shù)，中位數(shù)，眾數(shù)
• 方差和標(biāo)準(zhǔn)差
• 概率
• 伯努利試驗(yàn)與概率質(zhì)量函數(shù)
• 中心極限定理
• 正態(tài)分布
• 推論統(tǒng)計學(xué)
• 置信區(qū)間
• 假設(shè)檢驗(yàn)
• 協(xié)方差/相關(guān)性

面臨的挑戰(zhàn)和解決方案：

描述性統(tǒng)計很容易理解，但推理統(tǒng)計的茶不好喝：實(shí)踐是關(guān)鍵。我建議盡可能地多練習(xí)，并對概念有一個直觀的理解。在看數(shù)學(xué)方程前先做這件事。這種方法將幫助你首先關(guān)注于應(yīng)用方面，而不是陷入理論的泥潭中。

這些看起來都太統(tǒng)計學(xué)了，我無法和股東或客戶分享：查看這些報告的客戶大致有兩類。第一類對直觀的見解更感興趣，而另一類(風(fēng)險/數(shù)據(jù)科學(xué)團(tuán)隊)則更關(guān)注統(tǒng)計見解。與后一類人聯(lián)系，并就你的發(fā)現(xiàn)展開討論。此外，這里好的策略是用他們的語言討論業(yè)務(wù)，而不是統(tǒng)計語言。例如，開始時我不會使用“統(tǒng)計顯著”一詞，聽眾可能會感到不舒服。我只會說，相比于我們從過去中看到的，這個事件是否有足夠大的可能性發(fā)生。

第三步：把你的發(fā)現(xiàn)呈現(xiàn)給正確的小組

如果你沒有和正確的小組分享你的發(fā)現(xiàn)，那探查分析和統(tǒng)計分析將不會幫助你進(jìn)入數(shù)據(jù)科學(xué)的角色。

“講故事是一名數(shù)據(jù)科學(xué)專家必須掌握的關(guān)鍵技能。”

這里，我強(qiáng)烈建議在你現(xiàn)有的角色中練習(xí)“講故事”的能力。你可以從以下內(nèi)容開始：

• 始終在你的報告或分析中分享詳細(xì)的見解;

分享你的見解并通過演示幻燈片展示你的故事。

這是一個我個人職業(yè)生涯非常受益的基本建議——在你的幻燈片中添加可視化效果。如果是報告或會議演講，則應(yīng)該對應(yīng)你的可視化添加背景。困惑嗎?讓我用一個例子來解釋一下。

看看下面的可視化。它展示了關(guān)于Sachin Tendulkar職業(yè)生涯中測試賽的細(xì)節(jié)。你可以在這里使用圖表和數(shù)字討論各種度量。這也展示了為何業(yè)務(wù)理解如此重要——如果你沒有業(yè)務(wù)經(jīng)驗(yàn)的話，你根本無法討論這些指標(biāo)。

面臨的挑戰(zhàn)和解決方案：

不能向小組傳達(dá)統(tǒng)計見解：不要總使用單一語言(統(tǒng)計語言)進(jìn)行溝通。我們應(yīng)當(dāng)根據(jù)聽眾來改變我們溝通的方式。例如，你正和一個統(tǒng)計小組溝通，那話語中有很多統(tǒng)計推斷沒問題。如果你與一個非技術(shù)團(tuán)隊溝通，統(tǒng)計和直觀結(jié)合的方式將更有幫助。

以前從未分享過見解，怎么開始?你可能有過這樣的想法：

這些見解對于業(yè)務(wù)來說有意義嗎?

我可能誤解了這些數(shù)字。這將導(dǎo)致溝通不良并產(chǎn)生負(fù)面影響。

你的擔(dān)心是可理解的，但你不得不從某個地方開始積累經(jīng)驗(yàn)。我的建議是首先和你的經(jīng)理、有經(jīng)驗(yàn)的同事或你的客戶分享見解。這將給你信心——這是非常重要的推動力。所以開始練習(xí)吧!

第四步：探索一個開源工具來生成報告或執(zhí)行檢測分析

到目前為止，我還沒有討論任何生成報告和見解的工具。我特意回避了這樣的問題，例，你該選擇哪樣工具?哪個是合適的或更好的?這是因?yàn)槲业哪繕?biāo)是讓你的關(guān)注點(diǎn)聚焦于檢測分析、統(tǒng)計概念和磨練你的溝通技巧，這樣你可以用你現(xiàn)在工作中的工具來展現(xiàn)你的新發(fā)現(xiàn)。

現(xiàn)在，是時候來學(xué)習(xí)一種工具了，它具有以下特點(diǎn)：

• 處理(大量)數(shù)據(jù)的能力;
• 可視化能力;
• 建立預(yù)測模型的能力(機(jī)器學(xué)習(xí)模型);
• 深度學(xué)習(xí)支持;
• 客戶服務(wù)支持和繁榮的社區(qū)。

你可以在 SAS/R/Python中任意選擇，因?yàn)檫@些工具都有以上功能。在這里，你的初始任務(wù)是非常具體的，在學(xué)習(xí)一個新工具的同時，讓你自己習(xí)慣執(zhí)行數(shù)據(jù)探索、可視化、檢測分析和統(tǒng)計測試。你不需要在這些工具上擁有完整的專業(yè)知識(不管怎樣，開始時不需要)

面臨的挑戰(zhàn)和解決方案：

 

沒有編程經(jīng)驗(yàn)：記住，你無需成為該工具的專家。重點(diǎn)是你該用一個新工具來執(zhí)行相同的練習(xí)(如探索，可視化或統(tǒng)計檢驗(yàn))。你將通過練習(xí)掌握這些技能和工具。

當(dāng)前的數(shù)據(jù)科學(xué)團(tuán)隊在SAS上工作，我該轉(zhuǎn)移到Python/R上嗎?我建議只從SAS開始。始終選擇當(dāng)前組織中的數(shù)據(jù)科學(xué)團(tuán)隊正在使用的工具。這將有助于你向數(shù)據(jù)科學(xué)過渡。

第五步：了解建模/預(yù)測建模的步驟

現(xiàn)在終于到了數(shù)據(jù)科學(xué)最吸引人的部分——建模!在你投身于研究具體模型前，我建議你首先理解存在的問題類型。

大體上，我們可以將建模過程分為5步：

• 定義問題
• 生成假設(shè)
• 探索數(shù)據(jù)
• 模型建立
• 模型評估和驗(yàn)證

我將前兩步放到后面講(定義問題和生成假設(shè))。這里我們先討論探索數(shù)據(jù)。

探索分析的步驟類似于檢測分析，這里我們的主要目標(biāo)是理解每個變量的行為和它們互相的關(guān)系。良好的統(tǒng)計知識將對你有很大幫助。這一步的終點(diǎn)是生成見解和數(shù)據(jù)清洗。你可能需要輸入丟失值，檢測和處理異常值和執(zhí)行多種類型的轉(zhuǎn)換。

面臨的挑戰(zhàn)和解決方案：

它是如何區(qū)分于檢測分析的：它與檢測分析類似，添加了數(shù)據(jù)清洗和轉(zhuǎn)換步驟。這里，你的重點(diǎn)應(yīng)該是進(jìn)行數(shù)據(jù)探索以實(shí)現(xiàn)特定目標(biāo)，例如判斷“給定變量”是否會對目標(biāo)變量產(chǎn)生影響。

在沒有首先陳述問題時，我將如何建立和目標(biāo)變量的關(guān)系?你可以使用定義了問題語句的任何開放數(shù)據(jù)集，并開始練習(xí)你的數(shù)據(jù)探索技能。

第六步：評估模型性能的方法

在模型構(gòu)建的過程中，我們在一個預(yù)先知道了目標(biāo)的數(shù)據(jù)集上訓(xùn)練模型，然后將其應(yīng)用到測試數(shù)據(jù)集上，以預(yù)測目標(biāo)變量。我們顯然希望在預(yù)測目標(biāo)變量時足夠準(zhǔn)確。

如何檢查模型是否準(zhǔn)確?我們需要一個能根據(jù)實(shí)際觀察結(jié)果去評估模型結(jié)果方法。讓我們用一個例子來理解這一點(diǎn)：

[[262651]]

我們有一個客戶群，C1、C2和C3。我們估計只有C3會購買產(chǎn)品A。然而事實(shí)證明，C2和C3都買了這件商品。這意味著我們的準(zhǔn)確率是 66.6%。這個準(zhǔn)確率就被稱為“評估指標(biāo)”。

評估指標(biāo)將根據(jù)你正在解決的問題類型而不同。

現(xiàn)在你已經(jīng)決定了評估指標(biāo)的方法，但你有“實(shí)際結(jié)果”來評估你的模型嗎?你不能跳到未來去準(zhǔn)備一個測試數(shù)據(jù)集!在這種情況下，我們保留了數(shù)據(jù)集的一個特定樣本，該樣本集不用來訓(xùn)練模型。稍后我們用這個樣本集來評估模型。這種方法稱為模型驗(yàn)證。面臨的挑戰(zhàn)和解決方案：

有必要知道所有的評估指標(biāo)嗎?不一定。目前，只關(guān)注兩個評估指標(biāo)—“RMSE” 和“混淆矩陣”。這兩個對于起步已經(jīng)足夠了。你可以使用RMSE應(yīng)對回歸問題，用混淆矩陣來應(yīng)對分類問題。

第七步：用線性回歸和邏輯回歸介紹預(yù)測建模

你已經(jīng)了解了數(shù)據(jù)集并查看了評估模型性能的指標(biāo)。下一步是什么?

應(yīng)用建模技術(shù)!不要同時學(xué)習(xí)各種技術(shù)。現(xiàn)在只關(guān)注兩個：

• 線性回歸
• 邏輯回歸

這兩個技術(shù)將幫助你預(yù)測連續(xù)變量和分類變量。

例如：

• 線性回歸將幫助你預(yù)測下個季度保險公司銷售代理的預(yù)期業(yè)績。
• 邏輯回歸將幫助你了解交叉銷售產(chǎn)品給特定客戶的可能性。

面臨的挑戰(zhàn)和解決方案：

算法太數(shù)學(xué)化，難以理解：首先你要對這些技術(shù)建立一個直觀的理解，然后再深入到數(shù)學(xué)細(xì)節(jié)。這里我建議采用自上而下的方法，更多地關(guān)注實(shí)際方面。你必須能夠解釋模型結(jié)果(例如了解該模型是否運(yùn)行良好)

第八步：確定業(yè)務(wù)問題(與你的角色相關(guān))將其轉(zhuǎn)換為數(shù)據(jù)問題并進(jìn)行預(yù)測

那么，哪里可以找到你所在領(lǐng)域的數(shù)據(jù)集呢?找到一個商業(yè)問題可能很困難。

你應(yīng)該與領(lǐng)導(dǎo)層或團(tuán)隊經(jīng)理交談，并將他們的業(yè)務(wù)挑戰(zhàn)之一作為你的項(xiàng)目。這里，第一步是將業(yè)務(wù)問題轉(zhuǎn)換成數(shù)據(jù)問題。然后，開始順著以下步驟前進(jìn)(我們在前面第5點(diǎn)中討論過)——生成假設(shè)，收集數(shù)據(jù)，探索數(shù)據(jù)，數(shù)據(jù)清理，模型構(gòu)建和驗(yàn)證。

作為一名BI專業(yè)人員，你具有的優(yōu)勢之一是你已經(jīng)熟悉數(shù)據(jù)集中的變量。你的檢測分析技能將幫助你理解變量間的關(guān)系。你可以跳轉(zhuǎn)到數(shù)據(jù)清理、轉(zhuǎn)換、確定正確的評估度量、設(shè)置驗(yàn)證集以及最終構(gòu)建模型等任務(wù)。

面臨的挑戰(zhàn)和解決方案：

無法找到業(yè)務(wù)問題：你可能遭遇這樣的處境，你無法獲得業(yè)務(wù)問題或不能說服業(yè)務(wù)/團(tuán)隊經(jīng)理了解你的技能集。如果這正是你目前的處境，那么你可以試試這些方法：

以你自己的能力開始構(gòu)建模型，以獲得更為明確的問題陳述：假設(shè)你要分析保險代理逐月的業(yè)務(wù)來源。你可以在制作分析報告時考慮預(yù)測代理們下個月的表現(xiàn)。你可以基于過去已有的人口統(tǒng)計或業(yè)績表現(xiàn)數(shù)據(jù)。一個月后你再來驗(yàn)證你的結(jié)果，檢查你的預(yù)測有多好。

參加開放的數(shù)據(jù)科學(xué)競賽，提高自己的形象：參加數(shù)據(jù)科學(xué)競賽是一個極好學(xué)習(xí)數(shù)據(jù)科學(xué)的方式，這將提高你的知識和形象，以及了解你相對于世界頂級科學(xué)家所處的位置。

第九步：與企業(yè)主分享你的模型結(jié)果，獲得他們的信任

[[262653]]

在構(gòu)建模型后，你應(yīng)該與你的主管或決策者共享結(jié)果(如團(tuán)隊或項(xiàng)目經(jīng)理)。作為一名數(shù)據(jù)科學(xué)專家，分享你的發(fā)現(xiàn)是非常重要的(比如哪些特征會對目標(biāo)變量產(chǎn)生影響)。你還應(yīng)該圍繞模型結(jié)果和實(shí)際數(shù)字之間的比較進(jìn)行定期更新。

這個過程將也會幫助你調(diào)整和改進(jìn)你的模型。如果模型運(yùn)行良好，那么你很有可能獲得另外一個任務(wù)或參與到核心的數(shù)據(jù)科學(xué)團(tuán)隊中的機(jī)會。這也正是我們的目標(biāo)，不是嗎?

面臨的挑戰(zhàn)和解決方案：

我的模型表現(xiàn)不好，那我該怎么辦呢?沒關(guān)系的。你可以進(jìn)一步研究數(shù)據(jù)集和尋找問題。可以關(guān)注不同的算法，它可能更適合你正在解決的問題。

第十步：不斷學(xué)習(xí)新算法，參加數(shù)據(jù)科學(xué)社團(tuán)，專注構(gòu)建個人檔案

在數(shù)據(jù)科學(xué)領(lǐng)域，學(xué)習(xí)永無止境。這是一個不斷發(fā)展的領(lǐng)域，我們需要同它一起不斷進(jìn)化。至此你已經(jīng)學(xué)習(xí)了線性回歸和邏輯回歸，是時候擴(kuò)展你的知識，超越自己了。學(xué)習(xí)決策樹，隨機(jī)森林，甚至神經(jīng)網(wǎng)絡(luò)等算法。

就像我之前提到過的，你應(yīng)該在實(shí)踐中學(xué)習(xí)。擁有算法知識固然很好，但除非你能把它應(yīng)用于實(shí)踐中。撿回我們之前用過的數(shù)據(jù)集，并應(yīng)用這些新算法。你很可能將看到你的模型有了巨大的改善。

現(xiàn)在，讓我們在工具和技術(shù)之外更進(jìn)一步。我想強(qiáng)調(diào)在數(shù)據(jù)科學(xué)社區(qū)構(gòu)建你的社交網(wǎng)絡(luò)和個人資料的重要性。

[[262654]]

開始參加以數(shù)據(jù)科學(xué)為中心的會議。你將遇到志趣相投的人，還有可以給你指導(dǎo)的經(jīng)驗(yàn)豐富的專家。我看到過很多有抱負(fù)的數(shù)據(jù)科學(xué)人員通過這些活動獲得了工作機(jī)會，所以我可以擔(dān)保這確實(shí)有用!

你應(yīng)該關(guān)注個人資料的數(shù)字化方面。既然你一直在與數(shù)據(jù)科學(xué)項(xiàng)目合作，那就向社區(qū)展示你的工作!將代碼上傳到Gitthub上并開始發(fā)布關(guān)于你的發(fā)現(xiàn)的博客/文章。這將有助于你未來的雇主看到，你對某些項(xiàng)目有著很好的理解。

面臨的挑戰(zhàn)和解決方案：

我不能決定我該研究哪種算法：這是一個經(jīng)典問題。曾讓很多有志的數(shù)據(jù)科學(xué)家感到困惑。我的建議是研究你現(xiàn)在的組織中使用的算法。這使你的目光聚焦在你們的數(shù)據(jù)科學(xué)團(tuán)隊需要的東西上。之前我們提到過組織內(nèi)部轉(zhuǎn)型，還記得嗎?這是一個很好向已有的數(shù)據(jù)科學(xué)團(tuán)隊展示你的價值的方法。

我不知道從哪里找到小組或加入哪里組織?由于數(shù)據(jù)科學(xué)的蓬勃發(fā)展，有很多相關(guān)會議。如果你無法在你所在的城市找到，那你可以自己主辦一次。我看到過很多人主動在Linkedin和meetup.com上發(fā)布聚會詳細(xì)信息，并要求加入他們的社交網(wǎng)絡(luò)。你會對出現(xiàn)的人感到驚訝。

第十一步：在你的組織中專注地向數(shù)據(jù)科學(xué)角色過渡

[[262655]]

雖然并沒有簡單的方法過渡到數(shù)據(jù)科學(xué)，但還是有確定的、常有人走的路徑。其中之一是從你現(xiàn)在的組織中切換到數(shù)據(jù)科學(xué)團(tuán)隊。讓我解釋一下為什么你該關(guān)注這種方式而不是其他路徑(至少對于初學(xué)者來說)：

你已經(jīng)知道該領(lǐng)域是如何運(yùn)作的。面對數(shù)據(jù)集中的某些變量，你非常擅長處理它們，因?yàn)槟憔哂兴璧臉I(yè)務(wù)知識。

你的領(lǐng)導(dǎo)和團(tuán)隊經(jīng)理已經(jīng)熟悉你的表現(xiàn)和職業(yè)道德。他們知道你帶來了什么——信任是任何一個團(tuán)隊中的重要因素，尤其是數(shù)據(jù)科學(xué)團(tuán)隊。這將對你有利。

無需花時間在組織外尋找工作機(jī)會。每個人都恐懼在招聘門戶上看著時間溜走而無法指望能找到一份體面的工作。

這可能不適用于所有人，但當(dāng)你切換組織時，你可能無法指望大幅的工資增長。記住，你是要過渡到你經(jīng)驗(yàn)有限的部門。

你只要記住這一點(diǎn)，總是在你現(xiàn)在的公司中尋找機(jī)會。與高層或數(shù)據(jù)科學(xué)團(tuán)隊交談。建立你的社交網(wǎng)絡(luò)，相信我，它最終會有回報的。

面臨的挑戰(zhàn)和解決方案：

無法在目前的組織中找到機(jī)會：如果這種情況發(fā)生了，你應(yīng)該撒一張大網(wǎng)。正如我們前面步驟中討論的，你的Linkedin網(wǎng)絡(luò)和數(shù)據(jù)科學(xué)社區(qū)將派上用場。不要堅持用在線求職門戶被動求職——通過Lindedin和其它專業(yè)網(wǎng)絡(luò)聯(lián)系招聘經(jīng)理。線上展示你的項(xiàng)目。別放棄!這將考驗(yàn)?zāi)愕哪托模谝淮蔚耐黄浦档媚闼冻龅乃信Α?/p>

結(jié)束語

這是一段令人興奮的旅程。我已經(jīng)在幾年前經(jīng)歷過了這樣的過渡。我看到這個領(lǐng)域隨著時間推移而發(fā)展，本文的目的是幫助你實(shí)現(xiàn)轉(zhuǎn)變。你目前已經(jīng)完成了很多其它向數(shù)據(jù)科學(xué)過渡的人沒有完成的步驟。記住這一點(diǎn)。