數(shù)據(jù)科學(xué)是一項(xiàng)團(tuán)隊運(yùn)動。這種情緒不僅體現(xiàn)在我們在IBM內(nèi)部的經(jīng)驗(yàn)，也體現(xiàn)在我們的企業(yè)客戶身上，他們經(jīng)常向我們詢問如何在他們自己的組織內(nèi)構(gòu)建數(shù)據(jù)科學(xué)團(tuán)隊的建議。

然而，在此之前，重要的是要記住，執(zhí)行數(shù)據(jù)科學(xué)項(xiàng)目所需的各種技能既稀有又獨(dú)特。這意味著我們需要確保每個團(tuán)隊成員都能專注于他或她最擅長的事情。

雖然每個角色肯定都是不同的，但每個團(tuán)隊成員確實(shí)需要具備T形技能 - 這意味著他們需要在自己的角色中擁有深度，同時還要粗略地理解相鄰角色。

讓我們從圖表中更深入地探索每個角色。

產(chǎn)品所有者

產(chǎn)品所有者是主題專家，對特定的業(yè)務(wù)部門及其關(guān)注點(diǎn)有深刻的理解。在某些情況下，產(chǎn)品所有者的主要角色將是業(yè)務(wù)方面，而他們定期與數(shù)據(jù)科學(xué)團(tuán)隊合作，在回到更廣泛的角色之前解決特定的數(shù)據(jù)科學(xué)問題或一系列問題。

實(shí)際上，循環(huán)回到正常角色對數(shù)據(jù)科學(xué)團(tuán)隊是有益的。這意味著產(chǎn)品所有者充當(dāng)模型的最終用戶，可以提供具體的反饋和請求。這也意味著產(chǎn)品所有者可以從業(yè)務(wù)部門內(nèi)部倡導(dǎo)數(shù)據(jù)科學(xué)。

產(chǎn)品所有者通常負(fù)責(zé)：

定義業(yè)務(wù)問題并與數(shù)據(jù)科學(xué)家合作以定義工作假設(shè)

幫助根據(jù)需要定位數(shù)據(jù)和數(shù)據(jù)管理員

經(jīng)紀(jì)和解決數(shù)據(jù)質(zhì)量問題

數(shù)據(jù)工程師

數(shù)據(jù)工程師是將所有數(shù)據(jù)移動到重心并通過服務(wù)和消息隊列連接數(shù)據(jù)的向?qū)?。他們還構(gòu)建API以使數(shù)據(jù)通常可供企業(yè)使用，并且他們負(fù)責(zé)將數(shù)據(jù)設(shè)計到最適合團(tuán)隊需求的平臺上。有了數(shù)據(jù)工程師，我們會尋找以下三大技能：

精通以下至少三項(xiàng)：Python，Scala，Java，Ruby，SQL

精通消費(fèi)和構(gòu)建REST API

精通將預(yù)測和規(guī)范模型集成到應(yīng)用程序和流程中

數(shù)據(jù)科學(xué)家

數(shù)據(jù)科學(xué)家傾向于填補(bǔ)兩個不同角色中的一個：機(jī)器學(xué)習(xí)工程師和決策優(yōu)化工程師。由于市場條件已經(jīng)導(dǎo)致“數(shù)據(jù)科學(xué)家”成為如此熱門的角色，因此做出這種區(qū)分可以消除一些令人困惑的擺動空間。(關(guān)于我們的詳細(xì)想法，請參閱我們最近關(guān)于VentureBeat的文章。)

機(jī)器學(xué)習(xí)工程師

機(jī)器學(xué)習(xí)工程師構(gòu)建機(jī)器學(xué)習(xí)模型，這意味著識別每個模型中使用的重要數(shù)據(jù)元素和特征。他們確定使用哪種類型的模型，并測試這些模型的準(zhǔn)確性和精確度。他們還負(fù)責(zé)模型的長期監(jiān)控和維護(hù)。他們需要這三項(xiàng)技能：

應(yīng)用概率和統(tǒng)計數(shù)據(jù)的培訓(xùn)和經(jīng)驗(yàn)

具有數(shù)據(jù)建模和評估經(jīng)驗(yàn)，并深入了解有監(jiān)督和無監(jiān)督的機(jī)器學(xué)習(xí)

體驗(yàn)至少以下兩種方案的編程：Python，R，Scala，Julia或Java，優(yōu)先考慮Python專業(yè)知識

決策優(yōu)化工程師

決策優(yōu)化工程技能和經(jīng)驗(yàn)與機(jī)器學(xué)習(xí)工程師重疊，但差異很重要。決策優(yōu)化工程師需要以下三大技能：

將數(shù)學(xué)建模和/或約束規(guī)劃應(yīng)用于一系列行業(yè)問題的經(jīng)驗(yàn)

熟練掌握Python的編程技巧，并能夠?qū)㈩A(yù)測模型作為決策優(yōu)化問題的輸入

體驗(yàn)蒙特卡羅模擬/優(yōu)化以進(jìn)行假設(shè)情景分析

數(shù)據(jù)記者

這就把我們帶到了數(shù)據(jù)記者，他們幫助代表模型輸出的團(tuán)隊成員在驅(qū)動它的數(shù)據(jù)的背景下，誰可以清楚地表達(dá)手頭的業(yè)務(wù)問題。有了數(shù)據(jù)記者，我們會尋找以下三大技能：

Python，Java或Scala中的編碼技巧

在業(yè)務(wù)問題的上下文中集成數(shù)據(jù)以及預(yù)測和規(guī)范模型的輸出

熟練掌握數(shù)據(jù)解析，抓取和爭吵

如果你能夠聚集一個擁有這些基本技能的團(tuán)隊 - 如果你能確保他們能夠很好地協(xié)作并保持對彼此工作的有意義的理解 - 那么你將會很好地發(fā)現(xiàn)可以增強(qiáng)任何組織的洞察力和理解力'領(lǐng)先。

沒有他們，你可能會失明。

Seth Dobrin是IBM Analytics的副總裁兼首席數(shù)據(jù)官。