成为靠谱的数据科学家 | 从提出正确的问题开始

作者 | Admond Lee

翻译 | Mika

本文为 CDA 数据分析师原创作品，转载需授权

作为一名数据科学家，在我们讨论如何通过正确的提问对问题进行定义前，让我们首先看到为什么提出正确的问题如此重要。

在我的第一份数据科学实习中，我对这个项目非常兴奋，只是想尽快动手，而没有弄清楚全局情况。

我首先试着弄清楚要解决的问题，但没有深入细节确定具体的目标。更糟糕的是，我没有质疑所要分析和预测的数据集。最终经过两周的数据清理和分析，我才意识到我对数据做出了错误的假设。所有这些都是因为我对问题和数据缺乏了解。

这就是我的故事。

我认为，提出正确的问题和定义问题陈述是许多数据科学初学者（包括我）面临的一项挑战。

提问很容易，每个人都会。但是提出正确的问题就不容易了，因为我们不知道哪些问题才是正确的。

在本文中，我将与你分享作为数据科学家，该如何提出正确问题并定义问题陈述。希望能够帮助你应对数据科学生涯中的这些挑战。

让我们开始吧！

如何通过提出正确的问题来定义问题陈述？

不管你是否承认，定义问题陈述（或数据科学问题）是数据科学管道中最重要的步骤之一。

在下面的部分中，我们将通过四个步骤来定义问题陈述。

01

理解需要解决的问题

需要确定的机会是什么？你的受众所面临的痛点是什么？

通常情况下，Kaggle竞赛中的问题陈述都是明确定义的。我们可以放心使用给出的数据集，而不必担心问题陈述给其他人带来的问题，或如何获取数据等。

但是，实际工作环境中的问题并没有被定义，有些问题很暧昧，很模糊。

大多数时候，公司领导层只会给我们一个问题：我有这个“问题”，你能帮我解决这个问题吗？仅此而已。

我们的任务是帮助他们将问题构建成数据科学问题，从他们的角度看问题。

换句话说，我们需要有同理心。

这时我们需要从领导层的角度，将我们的技术知识与数据结合起来，提出一个促进商业价值的解决方案。

02

根据问题评估情况

在构建了数据科学问题之后，接下来就需要根据问题对形势进行评估。

这意味着我们需要谨慎分析风险、成本、收益、突发事项、法规、资源和需求。

为了进一步说明，这里可以大致分为以下几个问题：

• 这个问题有什么要求？
• 有哪些假设和约束条件？
• 有哪些资源？具体指人员和资金，计算机系统（GPU，可用的CPU），仪器等。

03

了解项目的潜在风险和收益

这个步骤是可选的，具体取决于项目的大小和规模。

有些项目可能只处于探索阶段，因此如果投入生产，潜在风险可能会随之降低，且未来收益会更大。

这时需要关注以下问题：

• 这个项目相关的主要成本是多少？
• 有哪些潜在的收益？
• 有哪些潜在的风险？
• 潜在风险中会有哪些突发情况？

这些问题有助于更好地了解情况，了解项目涉及的内容，从而评估之前定义问题陈述的有效性。

04

定义评估项目成功的指标

这点很重要。你不能只有需要解决的问题，而没有任何指标来评估项目是否成功。

这部分可以归结为一个简单的问题：你希望在项目结束时实现什么目标？

成果应该是可衡量的，而不是无法量化的。某些指标可能无法立即使用，因此还需要进行数据收集和预处理。

你必须与领导层讨论要使用的指标，并且在提出正确问题的早期就应该进行讨论。定义成功标准非常重要，因为这有助于你在项目整个生命周期内对其进行评估。

结语

我们的最终目标是提出更好的问题和定义明确的问题陈述，从而用数据科学方法进行解决，并生成业务见解和可操作的计划。

谢谢你的阅读。希望本文能帮助你理解提出正确问题的重要性，以及该如何提问。

原文链接：

https://towardsdatascience.com/how-to-ask-the-right-questions-as-a-data-scientist-913621907411