如何通过学会提问，成为更加优秀的数据科学家

大家好！欢迎来到 IDP 的新专栏 IDP-Inspiration。在这里，我们会分享国内外数据科学家和算法工程师在实战中总结的宝贵经验，为想要从事数据科学和 AI 开发生产相关工作的小伙伴提供借鉴！

今天小白为大家带来资深数据科学家 Genevieve Hayes 博士的分享——如何通过学会提问成为更加优秀的数据科学家。

Genevieve Hayes 博士根据思考问题的层级，将数据科学家分为三个级别，即分别思考 how level、what level 和 why level 问题的数据科学家。学会在 why level 层面发挥作用，将会帮助大家成为更优秀的数据科学家，创造更大的价值！

以下是译文，Enjoy!

如果你认为你的老板不重视你，那你可能是正确的，但是这并非是你以为的原因。对于你的老板来说，你的价值建立在你为公司创造的价值之上。这并不代表你的老板内心邪恶，只是商业运作的方式罢了。

但这给数据科学家带来了一个问题。数据科学家没有接受过创造商业价值的培训，他们只接受核心训练是使数据与模型相匹配。老板们不会重新培养他们。因为数据科学家是一个新兴职业，老板们并不总是了解数据科学家能创造什么价值，除非他们主动提问。

这是一个典型的“不知道你不知道什么”的情况，随之产生的结果总是令人失望。老板们开始将雇佣数据科学家当作错误的尝试。同时，数据科学家会沮丧地辞职，去寻找真正能认可他们价值的工作。

这真是个悲剧，但事情的发展并非总是如此。实际上，改变这种状况并不像你想象得那样艰难。其中的秘诀便是专注于增加自身价值。

实现价值增长的第一步，就是改变你向他人和自己提出的问题。在提问上的微小转变，将带来数据科学家可感知价值上的巨大提升。那就从这里开始吧。

01. 与其询问 How，不如试着这样做

花费半辈子时间，你才发现生活是一个自己动手的项目。

——拿破仑·希尔

如果你需要询问别人如何做你的工作，那你作为数据科学家所带来的价值就是微乎其微的。

How level（询问如何做的等级）是非熟练工和入门级工人的水平，许多麦当劳的员工就处在这样的等级。麦当劳的餐厅并不雇佣员工来开发新的餐品，特许经营模式也不允许这样做。麦当劳餐厅通常雇佣非熟练的员工，其中以青少年为主。麦当劳会提供标准化的菜单，并为这些非熟练员工提供应该如何制作产品的明确说明。这种运作方式让餐厅能快速、廉价地大规模提供食物。麦当劳餐厅愿意雇佣这些工人，是因为他们愿意被告知如何做他们的工作。

然而，对于一个技术娴熟的数据科学家来说，这并不是你想要的。询问别人如何做，让你几乎没有创造商业价值的机会，这让你更难以被老板重视。在 how level 上工作，会让你成为可悲替代的商品。对于一些数据科学家来说，在 how level 上工作甚至是行不通的。要在 how level 上工作，就必需有能够告诉你如何做的人——经理或者是职级更高的同事——而较小的公司并不总是存在这样的人。

在作为数据科学家的整个职业生涯中，我从未碰到过接受过数据科学训练的经理。这种情况下，即使我想在 how level 上工作，也没有条件。如果你想要从事数据科学家这一职业，就需要超越 how level。超越 how level，需要内化 how，自主思考如何去做。与其问老板“我该如何做”，不如肩负起责任，自己解决这个问题。你曾经需要了解的数据科学概念，可能就在网络上的文章和教程里。将 how 内化，自己解决如何做的问题，将会让你比可替换的大宗商品更有价值。

02. 询问 What 会带来次优解

我会告诉你什么是我想要的，我真正想要的

—— 辣妹合唱团

一旦你对 how 层次问题承担起个人责任，自己去确定工作步骤，你就会上升到数据科学家的 what level（询问要做什么的等级）——只要告诉我你需要我做的事，我就可以独立完成。

大部分专业白领和工匠就工作在这个等级，比如税务师和水管工。如果水龙头漏了，你可以联系水管工来修理。你只需要告诉水管工他们需要做什么，他们就会自主完成。你不必告诉他们具体如何做，因为你也不知道怎做。由水管工来负责 how，实施具体的方案。

做为数据科学家，你也能在 what level 上做得很好。实际上，你能通过解决 what level 上的问题，来获得一份体面的工资。在工作中，你只需要等着老板告诉你他们想要做什么，然后去解决如何去做的问题就行了。但是，你可能要等很长时间。

工作在 what level 上，你将诊断/识别数据科学问题的职责委托给可能不具备这样能力的人。

税务师和水管工能在 what level 上高效工作，是因为他们的客户自己明确知道他们需要提交纳税申报表或者修理漏水的水龙头。

然而，一个未经数据科学训练的人，不能也不应该诊断并提出业务问题的最佳数据科学解决方案。如果你的老板有能力回答 what，告诉你应该做什么，最终，你可能得到一个次优的解决方案。如果你到老板没有能力回答 what，你根本没有解决方案。后者对你非常不利，那会让你的老板得出数据科学家没有商业价值的结论，最终会缩减数据科学团队规模，或者直接将其剔除。无论是那种情况，你都没有展现作为数据科学家的全部价值。为此，你还需要关注 why（为什么要去这样做）。

03. Why 才是专家应该思考的问题

人们买的不是你的产品，而是你的信念。

——西蒙·斯涅克

如果你想将作为数据科学家所带来的价值最大化，就需要从提问 why 开始：

• 你为什么要我这么做？

• 你为什么聘用数据科学家？

• 你为什么要我做现在所做的事？

提问 why 可以让你了解老板的动机，分析他的业务问题。如果你在 why level（询问为什么做的等级）发挥作用，你将会自主承担 what 和 how 的职责，解决要做什么以及如何去做的问题。

在 why level 上工作的员工更受重视，这并非巧合。不仅如此，他们都薪资水平也是最高的。

医生就在 why level 上工作。如果有一天，你早上醒来后，发觉自己感冒了，去找医生开点抗生素。医生不会只是开出个处方单，他们会问你一系列问题，来确定你感冒的原因，即 why——是真的需要抗生素，还是只是普通的感冒，或者可能是昨晚吃了可疑外卖的后遗症？医生不会依靠你的自我诊断来确诊，因为你没有做出诊断所需要的知识和经验。相反，你的医生不仅有医学学位，还有上百场甚至上千场的诊疗经验。你去看医生，就是因为他们比你更了解你的身体。

这同样也适用于数据科学家。数据科学家是训练有素的专业人才。他们大多拥有硕士学位，其中也有很多拥有博士学位。但是在大多数的情况下，数据科学家要向技术水平不如他们的人汇报。这是聘请数据科学家的原因。

作为数据科学家，如果你让老板或其他人替代你进行问题诊断的工作，那实际上你就是在说，技术能力不如你的人提出的数据科学问题的解决方案比你所能提出的方案更好。如果这就是你传达的信息，你当然不会被重视。然而，通过在 why level 上工作，并在分析过程中发挥作用，你就可以将自己定位为专家。询问 why 将重点转移到老板需要你交付的成果上面，而不仅仅是他交代的任务细节上。前者，即那些交付成果才是真正能提供商业价值的东西。运用你的知识、依靠你的经验，来选择正确的行动方案——也就是 what——你能在完成这一方案方面发挥重要且积极的作用。你的地位将超越机器中齿轮的作用，成为它的驱动者.

04. 改变从现在开始

改变你的行为，你就会改变自己。

——本杰明·哈里森

既然已经读到这里，我相信你想成为一名受重视的数据科学家，但我觉得你暂时还做不到。那么，就来做点什么来改变现状吧。

在接下来的三十天里，你要将你提出的问题提升一个等级。如果你现在还处于 how level，那就将 how 内化，提升到 what level。如果你现在处于 what level，那就向 why level 进发。

30 天并不长，在这段时间里，你可能都注意不到老板看待你的方式有什么变化。你甚至可能不进反退，当你试图改变周围的人时，他们却下意识地努力保持原状。在生物学中，这被称为稳态拉力。然而，被改变的，是你看待自己的方式。心理学家本杰明·哈代谈到了成为未来的自己的概念。根据哈代的说法(https://www.youtube.com/watch?v=67QRacJ5fSo)，如果你想要在某一方面改变自己，就应该像是已经改变了的样子行事。你将会改变对自己未来的看法，然后你的现在将会发生转变，去匹配那个未来。如果你提出一个更高层级的数据科学家会问的问题，你将会开始工作在那个更高的等级。如果你开始表现得像一个数据科学专家，你就会变成一个专家，并且还将会像专家一样受到重视。这可能不会立刻发生，但请坚持下去，心理学表明这是会发生的。这就是你作为数据科学家被重视的方法。

更多精彩内容，欢迎关注公众号 : Baihai IDP