数据科学实战（DoingDataScience）读后感

“读一本好书，就是和许多高尚的人谈话。” ——歌德

数据科学实战（DoingDataScience）读后感，一句话描述，最大的收获就是：

明白了数据科学工作流程，清楚了数据科学知识体系，感受了数据科学群体智慧，认识了数据科学广阔应用。

1 数据科学工作流程

数据科学工作流程指导数据科学工作人士如何有效和高效地开展数据科学工作，实现从原始数据到商业价值转换的过程。数据科学工作者的工作流程符合图1所描述。

图1 ：数据科学工作流程

思考环节：

你目前在做数据科学工作流程里面那些内容？你希望半年后有什么变化？

2 数据科学知识体系

数据科学知识体系揭示数据科学工作者所需要的知识结构，它是一面镜子，可以照射出自身有哪些优势，有哪些短板，为提升和进阶指明了方向。数据科学知识体系涉及到如下7个方面。

• 计算机科学
• 数学
• 统计学
• 机器学习
• 某一领域的专业知识
• 沟通和演讲的技巧
• 数据可视化

本书作者Rachel在数据科学方面的知识结构如图2所示。

图2：Rachel数据科学知识结构

思考环节：

你在数据科学的知识结构目前是什么样子？你想一个月后变成什么样子？三个月后变成什么样子？半年后变成什么样子？一年后呢？三年后呢？......

3 数据科学群体智慧

每个人都有自己所擅长的事情，数据科学的工作属于一个群体智慧聚合与裂变的工作，换句话说，让拥有不同技能的人组成团队进行数据科学方面的工作，因为没有人可以掌握所有的知识，也没有必要。数据科学团队知识结构如图3所示。

图3：数据科学团队知识结构

没有人会是完美的数据科学家，我们需要团队！

思考环节：

你目前所在数据科学团队是个什么情况？团队成员各自负责什么工作？团队的群体智慧目前是个什么水平？如何提升团队的战斗力和凝聚力？

4 数据科学广阔应用

DT时代，数据经济，注定数据科学有着大舞台。

本书分享了数据科学在金融领域、电商领域、社交领域、广告领域、医学领域、互联网领域等许多领域的典型应用，每一个应用对于数据工作者来说，都是一道“美味佳肴”，值得品尝和享用。博客圈的社交分析如图4所示。

图4：博客圈的社交网络分析

思考环节：

你做过哪些数据科学应用？你想做哪些数据科学应用？这些数据科学应用创造了那些商业价值？