乐动体育在线-狼队3-1TTG奇招刘禅未见奇效，狼队再胜TTG拿到S组首胜

　　关于何为数据科学家，小科曾在文章中如此解释：

　　数据科学家是二十一世纪的炼金术士：他们洞悉原始数据，从而进行转化。数据科学家利用统计、机器学习和分析方法来解决关键业务问题，帮助公司将大数据量化为有价值、可操作的见解。

　　感兴趣可查看：数据科学家vs数据工程师,谁是你的真实身份？

　　事实上，成为一名优秀的数据科学家，是许多数据人的梦想。那么，立志成为数据科学家的你，认为什么是数据人不可缺少的好习惯呢？小科特地摘取了知乎的高票答案，供大家借鉴，大家也可在文末留言区发布看法哦~

　　答主：曾耀辉

　　原答链接：https://www.zhihu.com/question/26894983

　　已有的答案大多谈的都是high level的比较抽象的东西，像了解业务、阅读人文、培养好奇心这些。我来说说具体关于数据分析的习惯好了。

　　1. 分析数据前，一定要尽可能多的进行数据可视化！可视化！可视化！做exploratory data analysis!

　　（说三遍！！！）

　　我上过的几乎所有的应用性的统计课程上的老师都会强调这一点。这个习惯对于数据科学家、统计学家来说估计是最最实用的。在实际的数据分析过程中，数据可视化可以揭示很多insights：从选择什么样的模型，选择哪些feature建模，到如何分析结果，解释结果等等。

　　给一个很著名的例子， Anscombe's quartet （安斯库姆四重奏）：

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

　　这个例子包含四组数据。每组数据有11个(x, y)数据样本点。四组数据样本里x的均值方差全相等，y的均值方差基本相等，x与y的相关系数也很接近。导致的结果是，四组数据线性回归的结果基本一样。但是，这四组数据本身差别很大。如下图。

　　如果不做可视化，简单跑一个线性回归，我们只能得到同样的回归线。数据可视化后，很直观的，左上图是传统的线性回归；右上图需要high-order nonlinear term；左下图x和y是线性关系，但是有outlier；右下图x和y没有线性关系，也有outlier， etc.

　　每一个数据科学家都应该熟悉各种图的画法，更重要的是，不同的图如何反映不同的信息以及面对不同的数据类型时，应该选择哪种图才能最好的揭示数据里蕴含的信息。

　　为此，强烈推荐关于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

　　当然另一方面，如果数据量太大维度太高，数据可视化做起来就比较困难。这时候就需要一些经验技巧了。

　　2. 跑完程序得到模型结果时，一定提醒自己：任务只完成50%，分析，验证，解释结果才是根本！

　　很多时候，我们以为写完code跑完程序就完事了。能做到这一步只能算是一个合格的data analyst。这离数据科学家，统计学家还差远了。分析，验证，解释结果才是根本! 这个过程更需要data sense, domain knowledge, and statistical expertise.

　　在拿到结果的时候，一定要多问自己为什么。模型assumptions是否满足？结果是否make sense?能否解答research question？特别当结果不符合expectation时，要么有新发现，要么有错误！如果有错，错在哪里？如果模型假设不成立，如何修正？是否有outliers，如何处理？或有missing values，missing的机制是啥样的（missing at random, completely at random, or NOT at random)? 是否有multicollinearity? 数据收集是否有bias (如selection bias)？建模是否忽略了confounding factors (Simpson's paradox)?

　　3. 养成story-telling的习惯！

　　把分析结果跟你的boss或者collaborator讲！务必让他们明白！这个太需要技巧了， 特别是当你的collaborator是layperson的时候。

　　不会说只能等着被虐，哪怕analysis做的再好！Over.

编辑 汪梦梦 王飞翔

　　推荐阅读

　　携程云海数据算法应用大赛启动 海量商业数据同步开放

　　国内首个专业人工智能大赛——2016上海BOT大数据应用大赛正式发布

　　专业大数据竞赛平台

　　中国数据青年成长之家