35位資料科學家告訴你，他們的工作可不只是「深度學習」而已。

現代資料科學崛起於科技產業，從優化Google搜尋排名和LinkedIn建議，到影響Buzzfeed編輯的頭條新聞，都包括在內。但現在，資料科學可能會改變所有產業，從零售、電信、農業，到健康、貨運和司法懲罰制度。然而，「資料科學」和「資料科學家」這些詞，有時不是很容易理解，而且被用來描述很廣泛的資料相關工作。

資料科學家到底做些什麼？我身為資料科學課程網站DataCamp的播客DataFramed主持人，有幸和超過三十位資料科學家交流，他們分屬眾多不同產業和學門。我曾詢問他們許多問題，其中也包括他們的工作內容。

資料科學確實是很多樣化的領域。我訪談過的資料科學家，從許多不同的角度來進行我們的談話。他們描述了各式各樣的工作，包括：為Booking.com和Etsy的產品開發，而制定大規模網路實驗架構；為Buzzfeed優化標題的多臂式吃角子老虎機式的問題（multi-armed bandit；編按：指分配有限資源以便在多個選項當中創造最大預期效益），規畫一些方法來找出解決方案；探究機器學習對於Airbnb的商業決策有什麼影響。最後一個例子，是我訪談Airbnb資料科學家羅伯．張（Robert Chang，音譯）時談到的。羅伯．張先前在推特（Twitter）任職時，公司專注於成長。目前他在Airbnb的工作，是讓機器學習模型產品化（productionized）。資料科學的運用方式五花八門，不只取決於產業，也和公司業務及目標有關。

儘管存在這些差異，這些談話中仍出現許多共同的主題，包括：

資料科學家做些什麼

現在我們已知道資料科學怎麼運作，至少我們知道科技產業的情況。第一，資料科學家奠定扎實的資料基礎，以便執行可靠的分析。第二，他們運用線上實驗和其他方法，來實現可持續的成長。第三，他們建立機器學習的工作流（pipeline），以及個人化的資料產品，以便更深入了解自己的業務和顧客，以及做出更好的決策。換句話說，在科技業，資料科學包含基礎設施、測試、用來決策的機器學習，以及資料產品。

在科技以外的產業，正在取得重大進展

我和運輸公司Convoy的資料科學家班．斯克林卡（Ben Skrainka），談到該公司如何利用資料科學，徹底改革北美卡車運輸業。Flatiron Health的珊迪．葛利菲（Sandy Griffith）告訴我們，資料科學開始對癌症研究造成的影響。我和德魯．康維（Drew Conway）討論他的公司Alluvium「運用機器學習和人工智慧，把工業營運作業產生的大量資料流，轉化為深入的見解。」現任優步（Uber）自駕車主管的麥可．塔米爾（Mike Tamir），討論如何與Takt公司合作以促進《財星》五百大企業善用資料科學，包括他在星巴克（Starbucks）推薦系統方面的工作。這份未盡完善的清單，說明資料科學革命正襲捲眾多不同的層面。

產出的不只是自駕車和人工智慧而已

我的許多受訪者，對於主流媒體對人工智慧的盲目崇拜，都抱持懷疑的態度，例如，科技媒體VentureBeat的標題「2042年將出現一個人工智慧上帝，它將編寫自己的聖經。你會信仰它嗎？」；而對於有關機器學習和深度學習的熱門話題，那些受訪者同樣感到懷疑。當然，機器學習和深度學習是強大的技術，也有重要的應用，但就像面對所有的最新熱門話題一樣，對它們也會有健康的懷疑。幾乎我所有的受訪者都明白，資料科學家賴以維生的工作內容包括：資料收集和清理、建立儀表板和報告、資料視覺化、統計推斷、把結果傳達給主要利害關係人、說服決策者相信他們資料工作的結果。

資料科學家需要的技能正持續演變（深度學習經驗不是最重要的）

我採訪喬納森．諾利斯（Jonathan Nolis）的時候，提出一個問題，「對資料科學家來說，哪種技能更重要：使用最複雜的深度學習模型的能力，或是製作好的PowerPoint投影片的能力？」諾利斯是美國西雅圖地區的一位資料科學領導人，服務對象為《財星》五百大企業。他提出好理由認為後者較重要，因為溝通傳達工作結果，仍然是資料工作中的關鍵部分。

另一個一再出現的主題是，今日必備的這些技能，可能會在相當短的時間內發生變化。我們看到兩種工具都有快速的發展，一種是可用來進行資料科學工作的開放原始碼工具生態系統，另一個是商業化、產品化的資料科學工具；同時我們也看到，許多辛苦乏味的資料科學工作，自動化程度愈來愈高，像是資料清理和資料準備。一個常用的比喻是，資料科學家把80％寶貴的時間，用來尋找、清理和組織資料，只有20％的時間實際用於執行分析。

但這樣的情況不太可能持續下去。目前有大量的機器學習和深度學習都已自動化。告訴我們這一點的是Life Epigenetics首席資料科學家藍道．奧森（Randal Olson），他參加我們有一集以自動化的機器學習為主題的播客時，提到這個現象。

這種快速變化帶來的結果之一，就是絕大多數的來賓告訴我們，資料科學家的關鍵技能，不是建立和運用深度學習基礎設施的能力，而是即時學習和溝通的能力，以便回答業務問題，向非技術背景的利害關係人解釋複雜的結果。然後，有抱負的資料科學家應該更關注問題，而不是技術，因為新技術來來去去，但批判性思考和針對特定領域的量化技能，永遠都需要具備。

專精化變得更重要

雖然資料科學家沒有明確界定的職涯發展路徑，而且對資淺的資料科學家幾乎沒有什麼支持做法，但我們開始看到一種形式的專精化。艾蜜莉．羅賓森（Emily Robinson）說明了A型和B型資料科學家的差異：「A型是分析，類似傳統的統計學家，B型是建立機器學習模型。」

喬納森．諾利斯把資料科學拆解成三個部分：（1）商業智慧（business intelligence），主要是「取得公司擁有的資料，提供給適當的人員」，呈現的形式是儀表板、報告和電子郵件；（2）決策科學，就是「取得資料，用來協助公司做決定」；（3）機器學習，這是有關「我們可以如何採用資料科學模型，並持續讓它們運作。」雖然現在有很多資料科學家都是通才，上述三項工作都做，但我們觀察到不同的職涯路徑浮現，就像機器學習工程師的情況。

道德是該領域面臨的最大挑戰之一

你可能已猜到，這個職業為從業人員帶來很大的不確定性。我在第一集節目中曾詢問希拉莉．梅森（Hilary Mason），資料科學界是否面臨任何其他重大挑戰，她說：「你認為當前不精確的道德規範、沒有實務標準、缺乏一致的詞彙，這些挑戰還不夠嗎？」

這三者都是很關鍵的面向，尤其是前兩個，幾乎我們節目的所有來賓都會立刻提到它們。今日我們與世界的許多互動，都是由資料科學家開發的演算法來決定，而在這樣的時代裡，道德扮演什麼角色？就像GitHub公司的資深機器學習資料科學家歐茉吉．米勒（Omoju Miller）在接受我們訪談時說的：

我們必須了解道德，必須接受相關訓練，我們需要有類似「醫師誓詞」那樣的東西。而且，我們需要實際擁有適當的證照，以便在有人真的做了一些不道德的事情時，或許會受到某種懲罰，或是取消資格，或者需要某種行動方針，讓我們可以說這不是這個產業該做的事，然後找出方法，來糾正那些行為偏差的人，因為這些人沒有受過訓練，不知道不該這麼做。

一個一再出現的主題，是資料科學可能產生的嚴重、有害和不道德的後果，例如，根據ProPublica的報導，「被全美各地用來預測未來罪犯」的「COMPAS累犯風險評分」，其實「對黑人有偏見」。

我們逐漸達成共識，認為道德標準也應來自資料科學界內部，而不只是來自立法者、基層運動和其他利害關係人。這個運動的一部分，是要重新強調模型中的可解釋性，而不是黑箱作業的模型。也就是說，我們建立的模型，必須要能解釋它為什麼做出它所做的預測。深度學習模型很擅長做很多事情，但它們出了名的無法解釋。許多盡心盡力、聰明的研究人員、開發人員和資料科學家，正陸續透過各種工作來推動這件事，像是Lime專案，目標是要解釋機器學習模型在做什麼。

涵蓋各個產業和整個社會的資料科學革命才剛剛開始。資料科學家是否仍能保有「21世紀最誘人工作」的頭銜，或是變得更加專精化，還是成為大多數專業工作人士必備的技能，這一切都還不清楚。就像希拉莉．梅森告訴我的：「十年後我們還會不會有資料科學這個領域？過去不存在資料科學的世界還歷歷在目，就算日後資料科學像『網站管理員』這個職稱一樣沒落了，我也不會感到驚訝。」

（劉純佑譯）