摘要：所以克拉姆卡創辦了洞察力數據科學公司來為博士們提供面向業界數據科學的職業培訓。舊金山公司的數據實驗室主管伊萊巴塞特建議，學習更符合業界胃口的編程工具如和語言。

伊萊·巴塞特（Eli Bressert）計劃把自己的學術生涯都放在針對恒星形成的研究上。他在英國埃克塞特大學（University of Exeter）獲得博士學位，又在澳洲悉尼附近完成了針對射電天文學的博士后研究。他發表論文的引用量正處在上升趨勢，他收到的科研合作和學術會儀的邀約也越來越多。他實在沒有理由離開天文學領域的研究。

但在2012年，學術就業市場的嚴峻形勢讓他有些緊張了。“我坐下來計算我的機會，”他回憶道，“還有沒有機會找到一個好的研究機構，而且工作地點能讓家人也滿意的？”因為他已經為了他的博士后工作，帶著妻子和一歲的兒子跨越了1萬6千公里來到了澳洲，同一年，他和同事出版了一本關于科學編程的手冊。同時他還被一家創業公司聘為學術顧問，這家公司立足于開發幫助合作者合著論文的軟件。巴塞特喜歡創業公司的活力，因此當他聽說在硅谷有支持科學家從事科技工作的助學金時，他毫不猶豫地申請并被接納了。

他及家人再次搬家，這次搬到1萬2千公里外的加利福尼亞州的帕羅奧圖（Palo Alto）。現在他是舊金山一家時尚創業公司Stitch Fix的數據實驗室主管，負責設計幫助顧客挑選衣服的預測算法。他說他很熱愛這份評估計算方法的工作。因為相對于以往學術界的經歷而言，這份工作提供了更多的知識自由（intellectual freedom）和創造性。

巴塞特并不是個特例，他們公司雇傭了20名博士學位擁有者，專業涵蓋了從天文學、神經學到電子學等各類學科。巴賽特的經理埃里克·科爾森（Eric Colson）認為，博士們較大的價值在于他們嚴謹的思維。博士期間的訓練意味著學習如何將問題形式化，驗證想法并評估解決方案是否可行。尤其涉及到數據建模時，這些特質讓博士比大多數人更具有懷疑精神。科爾森說，“如果首次嘗試就特別完美，博士們的第一反應會是情況太好而難以讓人信服。博士們有耐心和方法來將問題結構化，而這是MBA們所沒有的。”在美國目前有大量年輕科學家離開學術泥沼而轉向業界的數據科學崗位，Stitch Fix的博士們只是其中的一小部分。

Make the leap

實現飛躍

數學和計算機科學家是數據科學領域的主要表現形式，但是計算的理解性和溝通的技巧性比科學專業本身更重要。想要轉換角色的青年學者們需要證明，他們可以從繁雜的數據中抽取出模式并且將該模式應用于商業目標環境。

有人在紐約和華盛頓特區開設了一門培訓課程叫做“數據孵化器”（The Data Incubator），專門幫助研究生做從事數據科學工作的準備。數據孵化器的聯合創始人邁克爾·李說：“需要特別記住的是，業界對于想法或見解不在意，他們在意的是具有可行性的分析。” 洞察力數據科學公司（Insight Data Science）在帕格阿爾托市（Palo Alto）也開設了一個類似的培訓項目，其創立者杰克·克拉姆卡（Jake Klamka）說，學者們想抓住就業機會但卻不知道業界的情況。合格的應征者可能會因為誤用詞語而被視為沒什么本事，比如學術界喜歡用術語“研究”（study）但業界的行話是“實驗”（experiment）或“A/B測試”（A/B test）。

學員在倫敦參加科學數據科學研討會

克拉姆卡發現闖入業界是件難事。他從加拿大多倫多大學粒子物理學博士課程中退學了，從2010年起就開始在自己的廚房中開發技術工具。盡管他有專業技能，但是他缺乏業界的知識。“我已經擁有99.5%的技能了，”他說，“但我需要指導和引導。”歷經了一年的挫折，隨后他去了硅谷。在那里，他遇到了將他引導到正確軌道上的軟件工程師和企業家。還有賴于來自于加州山景城的著名創業孵化器公司Y Combinator初創基金的部分支持，他終于創辦了自己的公司——Noteleaf。

克拉姆卡知道有很多物理圈的朋友也對轉向業界數據科學領域充滿興趣，但是依然在為了進入業界而掙扎，就像他曾經歷的那樣。同時，還有技術社區的朋友在抱怨他們已經提供了開放的職位但是沒人夠聰明來勝任。所以克拉姆卡創辦了“洞察力數據科學公司”來為博士們提供面向業界數據科學的職業培訓。目前為止，所有完成7周培訓項目的人都獲得了工作機會。

Box 1: Learn the ropes: Find the data-science course to suit you

學會訣竅：找到適合你的數據科學課程

很多計劃轉向業界的人會利用自己在研究所的時間來提升自己的技能并探尋自己的機會。舊金山Stitch Fix公司的數據實驗室主管伊萊·巴塞特建議，學習更符合業界胃口的編程工具如Python和R語言。而要是需要提升軟件技巧，可以參加諸如“Data Carpentry”或“Software Carpentry”（非營利性的workshop培訓）等培訓項目。這些培訓一般只需要兩天時間，在全世界的校園都可以參加。

格倫·王（Glenn Wong）目前是位于馬薩諸塞州薩默維爾的網絡安全公司Recorded Future的副總裁。當他還在馬薩諸塞州的劍橋讀哈佛大學的物理學博士時就參加了哈佛商學院的培訓。這段經歷隨后幫助他通過了管理咨詢公司的面試。

Joy Tharathorn Rimchala曾經是劍橋麻省理工學院合成生物學的博士后，現在是加利福尼亞山景城的財務軟件公司Intuit的數據科學家。她曾經一直在猶豫是否放棄學術生涯，直到她開始旁聽一門計算科學的課程才下定決心。“那時我意識到，數據科學很酷，至少跟我的博士學位一樣酷。”她說道。

Rimchala和巴塞特都參加過加州帕洛阿爾托的洞察力數據科學公司的培訓項目，并由此成功轉型進入業界。（去年，一個平行培訓項目在紐約推出；今年7月還會在波士頓再推出一個。）課程參與者們組成團隊來開發數據驅動的Web應用程序，并與來自技術公司的數據科學家會面。這些課程還是免費的：成本由科技公司負擔，包括支付雇員工資。

類似的嘗試在倫敦也有，Science to Data Science公司為約85個學生提供5周的培訓，每人支付360英鎊（約合540美元）的食宿費用。經過一周半的課程學習，學生們分成小組與來自當地公司的導師一起針對公司提供的數據構建實用性工具。公司的聯合創始人，天文學博士基姆·尼爾森（Kim Nilsson）說，大部分學員結束去年9月份的初創培訓后都回到他們原來的實驗室，但是如今75%的學員已經在業界從事數據科學工作了。

另外也有免費的選擇，7個禮拜的數據孵化器課程，目前在紐約和華盛頓開課，2015年夏季將在舊金山開課。最后，12周的紐約數據科學研究院項目，將在今年落地，其成本為1萬6美元，包括工具使用課程，如R、Hadoop和Python等。所有這些項目的申請量都超過了可提供的數量。

Job descriptions

工作描述

數據科學家的工作差異性很大。一些需要繁瑣的“數據處理”（data munging），清洗數據并填補空缺，使數據集適宜于簡單的數據分析。有些數據科學家的角色是數據應用顧問，由其他同事制作新的模型和方法。大公司如LinkedIn，谷歌和Facebook，它們擁有龐大的用戶庫和數據集，傾向于采用最精妙的數據建模技術。

格倫·王（Glenn Wong）是馬薩諸塞州薩默維爾市“記錄未來”公司（Recorded Future）的副總，他擁有物理學博士學位。公司業務專注于有效組織Web數據來幫助客戶抵御網絡攻擊。王說，要成為數據科學家的人需要發散地想下自己的興趣所在，及在哪里可以做自己感興趣的事。“我的意思并不是‘這一小段DNA與那一小段DNA如何交互’，”王解釋道，“‘我喜歡解決來自復雜二維世界的難題’，或者說‘我喜歡跟那些有瘋狂想法且沒有地位觀念的人在一起’。”

艾米·海尼根選擇將她的計算社會學博士課程暫時休學，轉而加入加州舊金山的一家初創技術公司。公司業務是為早起創業者提供咨詢和評估。“我選擇讀博士的原因在于想解決有趣的問題，而現在我們正在做的也真是如此。”她談到她的工作時說。經過從學術圈出來的幾年，現在也擁有了指導幾家初創公司的經歷，海尼根認為她在業界擁有更好的機會來構建想法并付諸實施，因為公司才可以與那些產品使用者實現真正的溝通。

但是，為了商業目標博士們不得不讓自己適應，拋棄那些過于較精確的（學術）要求。一旦數據模型可以奏效，學者可能專注于系統優化以改進較精確性及極值量。“但是在業界，你較好說，‘我如何將其軟件化？我如何確定這不會崩潰？’”海尼根說，”為了用戶真實需求，你不得不有始有終地完成這些工作，而這些在學術圈是沒必要花時間去做的。“

有些招聘經理擔心，去完成一個逐漸較精確模型的欲望可能會將學者引入到沒有成果的泥沼中。約翰·貝克（John Baker），在馬薩諸塞州的波士頓創建了一家名為“Datakin”的數據咨詢公司。他舉了一個例子，曾經有位天體物理學家被同事們稱為“暗物質”，因為他將精力都用于追求完美的數據模型以至于從來沒有完成過他的項目。

山景城的網絡公司LinkedIn數據安全首席科學家戴維·弗里曼（David Freeman）說，有這種傾向的人在面試中很可能被淘汰。在被要求描述自己的成就時，最有希望的候選人應更關注于他曾實現的代碼而不是他曾發表的論文。獨立開發組件或新人培訓是適應業界需求的另一個積極標志。Baker說，“你能分辨出誰其實是學術型的和誰真正有做項目的潛力。”

威爾·庫克斯科(Will Cukierski)就是以這種方式獲得關注的。他在新澤西州新不倫瑞克的羅格斯大學獲得了他的博士學位。在那里他使用計算機識別癌癥組織中顯著的病理部分。但是到了晚上，他將時間用于參與流媒體供應商Netflix100萬元美金的挑戰競賽：誰能設計出較好的網站電影推薦算法。雖然他沒有贏得獎金，但是他發現了一個bug并繼續利用業余時間在舊金山的數據科學公司Kaggle主辦的類似競賽中嘗試。在2012年，公司高管接觸了他——他們注意到了他提交的內容并認為他可以在他們的團隊中占據一席之地。在拿到了博士學位之后一周，庫克斯科開始以數據科學家的身份工作了。

對許多博士來說，成功的關鍵在于要找到一個產品或服務能吸引他們的公司。塞巴斯蒂安·古鐵雷斯（Sebastian Gutierrez）是《工作中的數據科學家》一書的作者，他說，“你需要找到合適的人，他們知道自己真正關心的業務，并且對工作保有足夠熱情，還要能滿足你相應的季度預算和目標。”

數據科學家的崗位開始出現在學術界（見 ‘Academic data drive’（學術數據驅動）），但許多人發現業界環境更具吸引力。“在業界我可以用20%的時間達到80%的目標，而不是相反，”珊妮·奧芬（Shani Offen）說。她曾經是紐約大學的神經科學研究教授，現在則是位于紐約的問答網站“About.com”的數據科學家。湯米·蓋伊（Tommy Guy）是技術巨頭微軟公司在華盛頓州貝爾維尤（Bellevue）的數據科學家。他喜歡因給出正確見解而獲得獎勵的感覺，而不用在意結論是積極的還是消極的。例如，他可以采用數據分析得出結論，一種新提出的功能可能不會得到用戶歡迎而力主公司放棄這一計劃。這樣，公司因為避免浪費大筆經費而給予他嘉獎。他說，與之相反，在學術圈幾乎不會對消極結果給予獎勵的。

Box 2: Academic data drive: Universities create data-science hubs

學術數據驅動：大學創造了數據科學中心

不只是業界，學術界也越來越需要數據科學家。去年一筆5千8百萬美元的預算被批準用于彌補這方面的短缺。該預算支持在西雅圖的華盛頓大學、加利福尼亞大學、加利福尼亞大學伯克利分校（UCB）以及紐約大學建立數據科學中心。這些大學的數據科學中心同時還獲得了來自加利福尼亞帕洛阿爾托的戈登貝蒂摩爾基金會（Gordon and Betty Moore Foundation）【譯者注：該基金會由“摩爾定律”提出者戈登·摩爾創立】和來自紐約的斯隆基金會（Alfred P. Sloan Foundation）【譯者注：該基金會由通用集團原董事長及總裁艾爾弗雷德·P·斯隆創立】的共同資助。其中，摩爾基金會的贈款將用于資助研究人員開發和改進數據處理工具。

來自UCB新設立的數據科學伯克利研究院的助理研究員卡西克·拉姆（Karthik Ram）是第一個受資助者。他的職業成就在于他對于開源代碼的貢獻和為數據更好的重用性而做出的努力，而不是論文發表和引用量那種針對終身教職（tenure-track posts）的傳統評價標準。

摩爾基金會經理克里斯·門采爾（Chris Mentzel）將拉姆及其同事描述為在一個正在獲得動量的領域中的先驅者。“我們正在嘗試為這樣的研究者創建一個家園。”

弗里曼喜歡LinkedIn的工作節奏。他回憶起自己在加利福尼亞斯坦福大學做博士后時從事很前沿的研究。“我那時在做的工作即使可行，實際上在20年內也看不到結果。我那時就在尋找效果可以立竿見影的事情。”而沒有什么比不斷設置截止期限更讓人集中精力的了。