關(guān)于何為數(shù)據(jù)科學(xué)家LinkwayS2調(diào)制解調(diào)器，小科曾在文章中如此解釋：

　　數(shù)據(jù)科學(xué)家是二十一世紀(jì)的煉金術(shù)士：他們洞悉原始數(shù)據(jù)，從而進(jìn)行轉(zhuǎn)化。數(shù)據(jù)科學(xué)家利用統(tǒng)計、機(jī)器學(xué)習(xí)和分析方法來解決關(guān)鍵業(yè)務(wù)問題，幫助公司將大數(shù)據(jù)量化為有價值、可操作的見解。

　　感興趣可查看：數(shù)據(jù)科學(xué)家vs數(shù)據(jù)工程師,誰是你的真實(shí)身份？

　　事實(shí)上，成為一名優(yōu)秀的數(shù)據(jù)科學(xué)家，是許多數(shù)據(jù)人的夢想。那么，立志成為數(shù)據(jù)科學(xué)家的你，認(rèn)為什么是數(shù)據(jù)人不可缺少的好習(xí)慣呢？小科特地摘取LinkwayS2調(diào)制解調(diào)器了知乎的高票答案，供大家借鑒，大家也可在文末留言區(qū)發(fā)布看法哦~

　　答主：曾耀輝

　　原答鏈接：https://www.zhihu.com/question/26894983

　　已有的答案大多談的都是high level的比較抽象的東西，像了解業(yè)務(wù)、閱讀人文、培養(yǎng)好奇心這些。我來說說具體關(guān)于數(shù)據(jù)分析的習(xí)慣好了。

　　1. 分析數(shù)據(jù)前，一定要盡可能多的進(jìn)行數(shù)據(jù)可視化LinkwayS2調(diào)制解調(diào)器！可視化！可視化！做exploratory data analysis!

　?。ㄕf三遍?。。。?/p>

　　我上過的幾乎所有的應(yīng)用性的統(tǒng)計課程上的老師都會強(qiáng)調(diào)這一點(diǎn)。這個習(xí)慣對于數(shù)據(jù)科學(xué)家、統(tǒng)計學(xué)家來說估計是最最實(shí)用的。在實(shí)際的數(shù)據(jù)分析過程中，數(shù)據(jù)可視化可以揭示很多insights：從選擇什么樣的模型，選擇哪些feature建模，到如何分析結(jié)果，解釋結(jié)果等等。

　　給一個很著名的例子， Anscombe's quartet （安斯庫姆四重奏）：

　　https://link.zhihu.com/?target=https%3A//en.wikipedia.org/wiki/Anscombe%2527s_quartet

　　這個例子包含四組數(shù)據(jù)。每組數(shù)據(jù)有11個(x, y)數(shù)據(jù)樣本點(diǎn)。四組數(shù)據(jù)樣本里x的均值方差全相等，y的均值方差基本相等，x與y的相關(guān)系數(shù)也很接近。導(dǎo)致的結(jié)果是，四組數(shù)據(jù)線性回歸的結(jié)果基本一樣。但是，這四組數(shù)據(jù)本身差別很大。如下圖。

　　如果不做可視化，簡單跑一個線性回歸，我們只能得到同樣的回歸線。數(shù)據(jù)可視化后，很直觀的，左上圖是傳統(tǒng)的線性回歸；右上圖需要high-order nonlinear term；左下圖x和y是線性關(guān)系，但是有outlier；右下圖x和y沒有線性關(guān)系，也有outlier， etc.

　　每一個數(shù)據(jù)科學(xué)家都應(yīng)該熟悉各種圖的畫法，更重要的是，不同的圖如何反映不同的信息以及面對不同的數(shù)據(jù)類型時，應(yīng)該選擇哪種圖才能最好的揭示數(shù)據(jù)里蘊(yùn)含的信息。

　　為此，強(qiáng)烈推薦關(guān)于R里ggplot包的教程：ggplot2 - Elegant Graphics for Data Analysis

　　https://link.zhihu.com/?target=http%3A//www.springer.com/us/book/9780387981406

　　當(dāng)然另一方面，如果數(shù)據(jù)量太大維度太高，數(shù)據(jù)可視化做起來就比較困難。這時候就需要一些經(jīng)驗(yàn)技巧了。

　　2. 跑完程序得到模型結(jié)果時，一定提醒自己：任務(wù)只完成50%，分析，驗(yàn)證，解釋結(jié)果才是根本！

　　很多時候，我們以為寫完code跑完程序就完事了。能做到這一步只能算是一個合格的data analyst。這離數(shù)據(jù)科學(xué)家，統(tǒng)計學(xué)家還差遠(yuǎn)了。分析，驗(yàn)證，解釋結(jié)果才是根本! 這個過程更需要data sense, domain knowledge, and statistical expertise.

　　在拿到結(jié)果的時候，一定要多問自己為什么。模型assumptions是否滿足？結(jié)果是否make sense?能否解答research question？特別當(dāng)結(jié)果不符合expectation時，要么有新發(fā)現(xiàn)，要么有錯誤！如果有錯，錯在哪里？如果模型假設(shè)不成立，如何修正？是否有outliers，如何處理？或有missing values，missing的機(jī)制是啥樣的（missing at random, completely at random, or NOT at random)? 是否有multicollinearity? 數(shù)據(jù)收集是否有bias (如selection bias)？建模是否忽略了confounding factors (Simpson's paradox)?

　　3. 養(yǎng)成story-telling的習(xí)慣！

　　把分析結(jié)果跟你的boss或者collaborator講！務(wù)必讓他們明白！這個太需要技巧了， 特別是當(dāng)你的collaborator是layperson的時候。

　　不會說只能等著被虐，哪怕analysis做的再好！Over.

編輯 汪夢夢 王飛翔

　　推薦閱讀

　　攜程云海數(shù)據(jù)算法應(yīng)用大賽啟動 海量商業(yè)數(shù)據(jù)同步開放

　　國內(nèi)首個專業(yè)人工智能大賽——2016上海BOT大數(shù)據(jù)應(yīng)用大賽正式發(fā)布

　　專業(yè)大數(shù)據(jù)競賽平臺

　　中國數(shù)據(jù)青年成長之家