荐读 : 数据科学家和工程师的“五诫”

从表面上看，数据科学与工程科学就像是天作之合——数据科学家为商业问题创造全新的解决方案，而他们的同行工程师负责构建网络程序环境和集成来将这些“创造”变成现实。这种合作看起来是如此天衣无缝。

但事实上不幸的是，数据科学家和数据工程师之间现存的是一种普遍被认为脆弱的关系。对于大多数团队来说，两者之间的关系“正介于不存在和无法作用之间”。这对于大部分过于乐观的人无疑是一记痛击吧！

那么，为什么会产生这种不和谐的关系，如何能避免这种不和谐？在这篇简短的文章中，我们将介绍五个“诫律”用于使数据科学家和工程师之间更合拍。快拿本本记下来。

好的模型依赖于好的数据。要建立真正具有生产力的模型，数据科学家需要知道他们基于创造和存储产品的数据库是否可靠，以及数据库更新的频率。这些信息在项目开始之前就应该被收集并且分享给工程团队，以避免项目进程之中可能产生的阻碍。

在一个理想的世界里，科学家和工程师都应该提前做好应对即将发生的变化的准备（例如，多种变量类型之间的变化），使他们能够据此共同创建，测试和部署相应的新版本。即使不能够保证避免每一个程序中的事故，共享资源和尽早发现缺陷也可以使工程师们降低风险和预见解决可能出现问题的部分。

数据科学家运用的主要编程语言是R或Python，这种语言便于数据的清洁，探索和建模。而工程师，却需要使用多种不同的工具集来构建可扩展的网络和移动应用程序（例如，NET、Ruby on Rails、Node.js 或 JVM）。虽然期望一个人完全懂得使用这两套工具是不切合实际的，但是跨过技术“藩篱”的限制对对方使用的语言和流程有一个基本的了解将大大有助于合作的开展。

将统计代码手动重新编写为另一种语言是一项费时费力又极其容易犯错的工程，所以当出现问题的担忧增加的时候，建立良好的沟通机制（面对面和网络数字化的）绝对是至关重要的。

当数据科学家和工程师运用不同的工具包工作的时候必然会遇到技术的限制。这常常使他们发狂，因为没有人喜欢被要求返工，或者看着自己辛勤劳作创造出来的产品不理想，甚至更糟糕，看到自己的辛勤劳动付诸东流。

一旦你清楚了模型开发和部署所需要使用的语言（见诫条2），就应该花时间研究一下使用这种语言做什么是可能的，什么是完全不能够实现的。然后就应该设定定期的跨职能讨论会的时间表，科学家和工程师双方要经常沟通例如：你考虑在哪些方面做一些突破？双方在哪些地方可以做出让步？哪些又是技术完全实现不了的？有没有其他选择？要实施需要付出多少努力？这些努力符合商业价值的考量吗？

在实际工作中，假设你是一个数据科学家正在为一个Ruby编写的APP编写一段使用R语言的反欺诈算法，那么你应该知道的是R的GLM功能（用于构建广义线性模型的函数），在Ruby（或Java，对这个问题来说）中并没有相对应的本地功能。这时候就需要大家一起来一场头脑风暴来找寻出路啦。