InfoQ一个数据挖掘者的自我修养：数据科学家头衔很光鲜，但全栈工程师才是本质( 三 )
- 坚定的心：时刻坚持业务导向 ， 业务目标永远是大数据应用的终极方向；
- 融入血液：形成“从数据中挖掘价值 ， 数据驱动业务”的企业文化 ， 只有从管理层到一线员工形成数据价值的统一认知 ， 才能真正把数据用起来；
- 锻炼肌肉：通过培训竞赛知识分享 ， 提升员工的数据分析能力 ， 只有为分析人员赋能之后 ， 才可以利用数据为企业赋能；
- 数据质量：一方面要强化数据质量管理 ， 好的数据才能分析出有用的结论；另一方面要对企业的数据有信心 ， 有人总担心自己的数据太差分析不出结果 ， 大量的实践证明金融业的数据可以开花结果；
- 【InfoQ一个数据挖掘者的自我修养：数据科学家头衔很光鲜，但全栈工程师才是本质】稳中有进：金融业缺乏互联网企业允许试错的基因 ， 注定了系统架构和业务应用等规划都要一步一个脚印去走 ， 以成熟技术为基础来建设 ， 同时适度进行创新；
- 思辨精神：不盲从于算法的神奇 ， 不拒绝实用的查询统计 ， 没有包打天下的终极算法 ， 但是可以找到最适合企业自身的分析套路 ， 注重分析所带来的效果以及分析思路的合理性；
- 大道至简：最准确的模型未必就是最好的模型 ， 它常常是昙花一现的过度拟合 ， 真正能长期稳定有效的模型总是简单易懂的 ， 坚持奥卡姆剃刀原则 ， 坚持数据分析的极简主义 。
数据分析包含三个要素：问题、数据、算法 。 其中 ， 业务问题和业务目标是数据分析的起点和终点 ， 数据是分析的基础和原料 ， 算法是用于加工这些数据原料的工具 。 大部分项目的成功 ， 这三个要素缺一不可 ， 而前两者更是重中之重 。 在张磊以往参与建设的那些项目实施中 ， 给他留下深刻印象的并非一个个神奇的模型 ， 而是一些大家耳熟能详的名词：业务问题、数据加工、模型评估、应用策略 。
找到真正对企业有价值的业务问题 ， 制定合理可行的具体目标 ， 及时提供真正可用的高质量数据 ， 加工出更具业务含义的数据特征 ， 这些工作都依赖于业务岗、数据岗和分析岗的紧密合作来完成 。
数据团队角色分工 张磊曾经与咨询公司一起帮国有大型银行规划其分析团队 ， 国外领先实践中也把这个团队称为“业务分析能力中心”（BACC） 。 这个团队的理想组成是分三类岗位：业务岗、数据岗和分析岗 ， 人员配比通常是 2:3:5 ， 而分析建模的工作量占比通常不超过项目总工作量的 10% 。 业务岗是分析团队和业务部门沟通的桥梁 ， 通常是从业务部门或分行抽调的业务骨干 ， 他们熟悉业务流程和业务问题 ， 能够把分析团队的成果与业务应用结合起来；数据岗是传统的数据库管理和 ETL 岗位 ， 要求熟悉数据库理论与技术、SQL 语言玩得滚瓜烂熟、ETL 脚本稳定高效；分析岗的人力配比最高 ， 但并非每个人都是建模高手 ， 实际上这部分人更像是万金油的角色 ， 除了熟悉常用的算法 ， 还要同时能承担业务岗和数据岗的部分工作 ， 换句话说 ， 一旦需要他们就可能变成数据岗或业务岗 。
张磊强调 ， 有太多分析建模人员把自己视为高端人才 ， 只愿意做算法建模的工作 ， 不愿意做数据整理这些体力活 ， 不愿意深入了解业务知识 ， 就如同一位厨师既不愿意了解食材的特性 ， 又不愿意了解顾客的口味 ， 怎么能指望他做出一道美味佳肴呢？数据科学家这个头衔很光鲜 ， 但全栈工程师才是它的本质 。 因此 ， 从职业发展的角度来说 ， 岗位轮换是一项很好的制度 ， 一方面能让员工掌握更多更全面的技能 ， 另一方面也有利于团队的稳定 。
推荐阅读
- 一个曾默默无闻的贫困县，在丹寨的许多村寨，贫困县丹寨为啥摇身一变成度假天堂
- 他们的努力会得到上级的认可，事业扶摇直上，射手座的运气也有了一个很好的上升机会
- 琉璃翡翠|国防部长公开“背叛”，撤走一个宪兵营，特朗普下令军队平息骚乱
- 金十数据|中国7月制造业交亮眼成绩单！上半年美国对华投资增长6%，好消息
- 金十数据|苹果欲向印转移6条生产线，印度手机市场混战：三星份额紧追小米
- 餐厅|大数据显示：二季度餐厅服务员求职环比上升超150%，快递员收入第一
- Angelababy|《跑男》不敢请的明星，一个是因为郑恺，还有两个都是因为杨颖！
- 野史来探究|《胜算》看的一头雾水？唐飞是下一个程婴，背叛后开启反间计划
- 美剧去哪看|状元们最后都干什么？权势巨子数据显示，3300名状元，最后只是……
- 戴小青说趣事|晃我一个跟头，搞笑GIF：新娘太坏了