靠大腦來賣弄性感！解密資料科學家的工作與角色定位

很多人都渴望有份光鮮亮麗的工作，一說出來頭上彷彿會出現 spotlight 的那種，那麼在《哈佛商業評論》2012 年 10 月號中，被譽為「二十一世紀最性感職業」的資料科學家（Data Scientist）絕對是求職首選。

他對商業有高度的敏銳，並能將資料分析的結果與企業主管和 IT 人員溝通，協調整個組織來面對挑戰。好的資料科學家不僅能夠找出企業的問題，他還能挑出對組織來說最具價值的問題。

IBM Big Data 計畫的開發副總 Anjul Bhambhri 更把資料科學家比作文藝復興時期的人們 ── 他們真切地渴望學習，並為這個組織帶來改變。

看了這麼多形容詞，或許你對這個職位開始有了莫名的崇拜，不過今天我們要拉近這個看似高高在上的職位與大家的距離，讓大家近距離瞧瞧，資料科學家究竟都做了些什麼事。

預測、分類、群集三個應用，發揮資料價值

今天的主角陳昇瑋是台灣少見的資料科學家，也是中研院資訊科學研究所研究員。篤信資料能為企業增加競爭力的他，近年來頻繁接觸業界，以獲取業界內擺著而不用、又不願分享給他人的 Real Data 來做研究，近期最知名的就是與來電辨識服務 whoscall 合作，找出行銷電話、詐騙電話的 Call Pattern，而 whoscall 也因為找到資料的價值，2013 年底獲韓國最大網路服務公司 NAVER 以 5.29 億台幣收購。（詳情可見：〈Gogolook 怎麼快速累積新台幣 5.29 億的價值？專訪中研院陳昇瑋談「如何培養資料科學家」〉）

談資料分析首先要知道的是，資料分析主要有三種應用，分別是：預測（Predict）、分類（Classification）、群集（Clustering）。拿常見的商業化案例來看，就是觀察並分析一個使用者屬於高消費族群、低消費族群，以及他的年齡層、購買商品類別、喜好等等，最後預測他可能會對什麼樣的商品感興趣，並推薦給他。

Amazon 日前推出「預先送貨服務」就是這樣的應用，Google Ads 把廣告推播給使用者也是基於這個方法。

資料科學家第一個難題：蒐集資料、處理資料

但上述這些都只在「分析」階段，在「資料哪裡來」的難題還沒解決之前，根本不可能進到分析這一步，更無法做出偉大的應用。但是，最難的就是蒐集資料。

在下圖「資料科學家工作流程真實版」裡可以看出，資料科學家要負責蒐集資料，其中包括決定要蒐集哪些資料、怎麼蒐集資料、建立資料架構，當資料進來之後，還要做前處理、除錯等步驟，接下來才是開始觀察、分析、應用於解決問題。製圖者更大膽推估，蒐集資料這個過程占去資料科學家 70%～85% 的時間，是相當可觀的人力成本。

一般人或許無法想像蒐集資料的難度有多高，陳昇瑋以一個包含購物、新聞、遊戲、音樂多項服務的大型入口網站來舉例，假設資料科學家要蒐集使用者的使用習慣、閱讀偏好，那就得跟每個服務的工程師要資料，這對工程師來講是一件額外要費心的工作；此外，不同服務都是在不同時間點由不同工程師所開發的，因此統一資料格式更是難上加難。

再來，假設資料科學家想要「使用者在什麼地點使用這些服務」的資料，那可能要調整每個服務的程式，過程中或許會有工程師反映這樣使得 App 耗電力大增、吃流量，法務也說明這樣有個資風險，那資料科學家又得想辦法解決，或是想另一個可以達到相同目的的資料會是什麼。

陳昇瑋說，「一位任職於服務跨足全球的網路公司的資料科學家告訴我，他光是在蒐集資料的步驟，就用了 60% 的時間。不是做分析、不是做 Machine Learning，都是在整理資料、溝通跟協調。」

也因為蒐集資料這第一步又難又很費工，所以很多想挖掘資料價值的公司都還卡在這裡；更使得那些原先以電子商務、電信、遊戲起家的公司，只願做好眼前具有核心競爭力的事，不願做短時間內難收成效的資料分析，相當可惜。

資料科學家第二個難題：解決問題、開發賺錢的資料導向產品

蒐集完資料，資料科學家終於要進入資料分析的步驟，透過探索資料、Machine Learning、演算法、統計等方式找出模型後，他就能解讀出這些資料代表的意義，並把結果應用於決策，或者是根據結果做出一個產品，也就是 Anjul Bhambhri 所說的，「為這個組織帶來改變」。

例如一款遊戲的玩家玩到某個關卡都會卡關、卡關兩天之後就放棄了，那就要考慮調整關卡難度、或在關卡裡增加 BONUS。

而資料導向的產品就例如 Google Ads，使用者一顯現出什麼樣的特性、一搜尋哪類的關鍵字，系統就立即投放出他可能感興趣的廣告，而且隨時可以依最新的分析結果調整分類、投放標準。根據市調機構 eMarketer 於 2013 年底的調查，Google 在 2013 年的數位廣告營收達 370 億美金，相當於台幣 1 兆 1000 億台幣，佔全球數位廣告市場 31.91%，排名第一，可見資料為 Google 帶來多麼龐大的價值。