淺談資料科學家的 4 種類型與在企業中所扮演的角色
文／Adam
這篇想跟大家分享的是一個我自己在早期也困惑很久的問題。
『很多公司都有資料科學家 / 商業分析師 …的職務，到底這些職務有什麼差異？』
這個問題不論是在我還沒踏入這個領域時、剛踏入這個領域時、踏入這個領域一段時間時，都一直很困惑的問題。
一直到在這個領域工作更長一段時間後，隨著接觸到同領域的人越來越多之後，才慢慢地稍微搞懂了這個問題。
資料科學家是一個非常複合型技能的一種職務角色，主要是整合商業、資訊科技、統計三個領域的經驗與技術知識的角色。
根據不同產業 / 企業發展 / 組織文化…等需求，對這個角色的定位與發展方向十分不一樣，根據我自己的經驗，會把資料科學家大致上分成四種類型：商業型、輔助型、工程型、研發型。
1) 這四個類型會依照企業期待與技能需求有所不同
分成這四個類型的原因主要依據兩個因素：
- 這個角色在企業內屬於哪個單位？企業對這個單位的期待是什麼？
- 企業對資料科學家不同的期待，有不同的技能需求
這裡先談談第一個因素，企業的組織規劃與角色期待。
在不同的企業裡面，企業會對各個單位有不一樣的發展定位，這是什麼意思呢？
比方說資訊單位裡面，要為公司做的服務內容，就是提供資訊系統的服務；
如果是在行銷分析單位裡面，需要的是提供公司行銷的洞見與策略；
如果是在公司的策略單位裡面，負責的內容就是提供公司，在企業發展上的建議與規劃；
如果你是在研發單位，你承擔的角色就是所有技術上的創新與挑戰；
如果你是在營運單位，你可能需要幫公司改善目前營運的流程、降低成本、解決未被處理的營運痛點…
隨著你在公司內的不同單位，企業對相同職務的預期產出，是截然不同的。
再來聊聊第二個因素：技能需求。
因為在公司所屬的單位不一樣，需要交付的產出物不一樣，你會需要的技能截然不同。
舉個例子來說，如果你今天是在營運單位裡面擔任資料科學家，你每天面對的問題都可能是公司企業營運相關的內容。
比方像是你怎麼處理倉庫的庫存量？
目前銷售的方式對應企業的獲利與資金周轉狀況如何？
目前公司產品的策略是否有市場競爭力或潛在的風險？
目前現行的作業流程是否有可以改善的地方？…等等
需要針對各式各樣企業內部的日常運作與成長方面的問題，進行需求訪談、問題研究、資料搜集、數據分析、提供改善策略等等。
這些問題會涉及到的技能可能是：人際溝通、專案管理、統計分析、對特定產業的業務理解…等等。
如果今天的角色是定位在資訊單位呢？每天可能處理的都是系統方面的問題。
例如說每天都是面對格式不一樣的資料，要把他轉成相同的資料，像是性別有人就寫男、女、Ｆ、Ｍ、male、female、可能還有錯字…，每天寫程式將它轉成正確的格式。
又或者是每天在維護資料的排程作業、資料庫維護、模型開發、大量數據的存放與管理、配合業務單位進行儀表板的開發等等。
這類型問題涉及到的是對資料處理的理解、數據分析的技能、資訊系統的知識…等等。
同樣是資料科學家，若在不同企業內的不同單位，需要的技能完全不一樣！
2) 商業型、輔助型、工程型、研發型的資料科學家
實務上不一樣類型的資料科學家，在不同領域的技能需求與工作內容都或多或少有部分重疊，但其需要的技能深度，與實際在不同工作裡面的時間佔比截然不同。
這裡跟大家聊聊這四種類型的一些日常工作內容、技能需求、與面對的挑戰：
商業型
作為側重商業邏輯的商業型資料科學家，每天需要處理的議題會更佳側重在解釋公司目前的現有數據，從數據中發現問題與機會。
這類型的資料科學家會需要對產業經驗與知識有深度的理解，你的時間通常都會花費在分析各式各樣的產業資訊，分析什麼內容跟現有業務有關，這些資訊又會對業務產生什麼影響？我們該如何面對這樣的資訊，並規劃相對應的策略和行動。
在技能方面，這類型的分析人員會更加著重在對於特定產業專業知識的理解，同時對統計與程式有些基本的概念，以商業的角度去發展公司內部各式各樣的專案。
輔助型
這類型的資料科學家，對業務內容有一定程度的理解，同時也對分析技巧、工程技術有一定程度的熟悉，站在一個業務端與資訊單位中間者的角色，協助企業內的業務單位進行數據分析，同時與其他工程師們協作，開發出數據分析相關的功能或產品。
輔助型的資料科學家，在業務邏輯方面可能沒有第一線的人員熟悉，在工程面或許也會略輸專業的軟體工程師，但卻很適合在這兩者之間擔任協調者的角色，平衡這兩個面向的需求與限制。
在技能方面，需要對商業知識、統計分析、程式開發等面向都有些基礎的理解，通常對於統計分析的知識和技巧會更熟悉，以多元化的角度提供不同單位分析數據的建議。
工程型
工程型資料科學家，顧名思義就是在技能與日常工作方面，都以資訊科技與工程方面為主，但除了工程方面，亦對統計分析有基本的認識。
這類型的資料科學家通常扮演著模型開發、部署、大數據處理、資料庫管理、分析系統架構設計等等的角色。
日常工作上所面臨的挑戰會更加著重在如何開發穩定的系統或模型，提升各項分析系統的效能等等，在分析方面協助公司落地相關的分析功能，與對相關資訊系統進行維運和管理。
研發型
最後這一類的資料科學家，需要對各種統計理論有高度的認識，同時要有透過程式去實踐這些統計理論的能力。
這類型的工程師承擔著公司技術發展的重責大任，通常具有碩士或博士的學歷，熟捻做研究的方式，幫助公司透過各種理論知識，協助公司設計或改良模型相關的演算法。
3) 依照你的興趣，選擇相對應類型的公司與工作
或許你會說，這麼多類型的資料科學家，到底哪個類型的角色會比較適合我？
如果你有這樣的問題，我會建議你從自身的興趣出發。
你喜歡寫程式多餘看數字、解釋數字多一點嗎？那你可能偏向工程型多一點。
如果你喜歡探索各種數字與商業之間的關係，那商業型的分析人員可能更佳適合你。
倘若你是喜歡做理論研究，推導各項數學式子，研發型的角色或許才是你的天命。
若你喜歡擔任工程與商業整合者的角色，輔助型的資料科學家應該很適合你。
你可能會想說，難道就不能成為全能型的嗎？
當然可以！只是要熟悉各式各樣的技術與知識，是要比別人花上更多的心力，在做各項領域的投入與研究。
實務上更多的是覆蓋到四種類型中的兩種，同時面對多種不同類型的挑戰，但在各類事務上的投入時間佔比與技能深度會有所區別。
透過瞭解公司把資料科學家放在哪一個內部單位上，你可能就可以清楚地知道，公司今天對這份職務的期待是什麼？並進一步的知道這間公司的這個職務，是否會很適合你。
最後
會有這篇文章其實是因為自己也困惑了這個問題一段時間，希望可以透過這篇文章的分享與描述，讓更多想加入這個領域的朋友們，能對這個角色有更深一層的認識，並進而成為自己更有興趣的分析人員類型。
瀏覽 1,789 次
