📖 ZKIZ Archives

突然間數據科學家成了香餑餑，什麽才是科學家打開商業界的正確方式？

峰瑞資本 2016-11-01 10:30

本文由峰瑞資本（ID：freesvc）授權i黑馬發布。

科學家越來越受到創業者追捧。醫療、人工智能這樣的深科技領域不必多說，向來都是博士們的聚集地。就連 Uber、Facebook 這樣的 ToC 類企業，對於數據科學家、心理學家的需求也在逐年攀升。

然而，並不是所有科研人員都能在商業社會中如魚得水。實驗室中追求精益求精，但創業公司追求效率至上。如果學術人才無法應對這樣的思維轉變，就很可能無法跟上其他人的步伐。

因此，Airbnb 工程師團隊寫了這篇文章，向那些有誌轉投商業的學術人才提供 4 點建議，並描述了以 Airbnb 為代表的初創公司在考察學術人員時看重的四點品質：初學心態、自我管理、有效溝通、效率至上。

如果你的企業希望吸引學界人才，這些來自 Airbnb 的經驗一定能幫到你。而如果你作為學界人才，希望深入了解商業世界。

給數據科學家們的一封信

撰文 /  Avneesh Saluja, Alok Gupta, Cuky Perez

翻譯 /  張耕、郭蕙、尹藝霏

來源 /  AirbnbEng@Medium

 學術機構是不是博士的唯一職業出路？

對於身處大學研究所的人而言，他們的職業選擇似乎非常有限。學生常常受到導師、學長的鼓勵，被希望追隨他們的學術腳步。教授則認為只有待在學術圈里，才能擴展知識、教書育人。因此，大部分研究生、博士生都認為外面的世界實在有些遙遠，自己除了象牙塔以外無處可去。

但留在學術圈里並不容易。美國大學每年的博士學位獲得者，在數量上已經超過學術機構提供的工作崗位。因此，一些博士會把目光投向矽谷（尤其是科技產業）。但從學術環境中縱身一躍到商業社會並非易事。Michael Li（數據科學家獵頭）在他最近的博客中描述了這種轉變。他認為學術研究追求完美和精益求精，但這在商業社會行不通。如果想要在矽谷生存下來，學術人才必須學會加快速度，在最短時間內給出答案。

我們大致同意這種基本的權衡過程，但如果想在 Airbnb 工作，這種思維的轉變與差異將更為微妙。對於希望進入 Airbnb 的學術人才，本文首先討論我們看中哪些（軟件和硬件）技能，以及為他們的成功入職提供一些具體的建議。

/ 01 /

對於那些來自學界的數據科學家，我們看中以下四種品質

 Airbnb 用數據科學來提升用戶體驗。

在今天的科技領域中，“數據科學” 這個詞有些被用濫了。它的研究範圍包含數學統計、商業和 “黑客” ，承載了所有與數據相關的事物。數據科學家需要在數據中提取價值，來驅動企業成功。Airbnb 也需要通過數據來決定進行哪個實驗，開發什麽機器學習模型，以此提升用戶體驗。

因此，當我們從研究所招聘專業人才時，不僅會考慮他們的專業水平、價值觀，還會考慮以下 4 種品質：

初學心態                                

我們期望你在相應的學術領域名列前茅，對任何專業事務都能如數家珍。然而，學術上的成績和經驗並不一定能轉化為商業上的成功。我們期望候選人能夠以審慎的心態，意識到自己在商業領域的無知。但這種無知只會是暫時的，Airbnb 有很強的導師制度，我們的企業文化關註個人成長。加入 Airbnb 並不意味著停止學習，相反，你還需要學習更多。

我們尋找的是那些渴求學習更多，並且願意在自己專業領域之外拓展能力的人。

自我管理

我們期望應聘者是一位懂得自我管理的博士生。“自我管理” 也是每個人進入研究所時上的第一課：如何開展自我學習，並對目標進行優先級排序。一個資深研究者還應該懂得如何預見一個可能失敗的研究方向，並迅速把精力轉移到更有可能成功的地方。

商業機構非常看重學術人員自我管理的能力。

此外，在那些充斥著學術競爭的尖端領域，學術人員還需要挑戰同行、推翻假設。在 Airbnb 的數據科學部門，我們一樣追求這種質疑精神：不安於現狀，不斷追求假設的邊界，甚至是推翻假設。

有效溝通

我們有時會看到一些資深的研究人員不善於溝通。然而 Airbnb 是一個充滿協作的環境，數據科學家不只是待在組內埋頭研究，還需要與工程師、設計師、產品經理、和非技術人員進行合作。

Airbnb 不僅看中優秀的專業能力，更需要將所有觀點有效地傳遞給受眾，從組內其他的數據科學家，直至 CEO。否則觀點就無法產生應有的影響。無論是書面還是口頭的溝通，觀點、方法和假設的表達都必須幹脆利落、同時又能讓聽眾心悅誠服。

短跑而非馬拉松

學術機構會允許研究人員花幾年時間發表一篇論文，但在商業社會，這幾乎是不可能的。

 “效率至上” 是科學家在商業機構工作時需要擁有的思維。

這並不意味著我們同意犧牲研究質量，而是說在 Airbnb，我們更期待盡快看到第一手數據的產品，通過叠代來提升表現。在針對數據科學家的面試過程中，我們希望候選人擁有商業頭腦，以及在提交數據產品或分享觀點前，能盡快提供一個較為完美的解決方案。

/ 02 /

如果你希望從學界進入商業社會，這里有 4 條小建議

對於不同專業領域的人來說，走出象牙塔的經歷也會非常不一樣。學術界和商界之間在今天連接更加緊密（尤其是計算機科學和應用經濟學），一個新的想法從研發到應用於產品或許只有幾個月的時間。對於希望跨出那一步的人來說，強大的編程能力和科學計算之類的 “硬知識” 固然必不可少，但是真正難掌握的是那些職場中的 “軟知識”以及商業領域的思考邏輯。我們把這種邏輯分成了 4 個大的領域：

註意細節

我們的世界充滿了複雜的細節和謎團。學術研究的作用之一，就是將核心問題從這些線團中抽象出來。

在學術機構中，科學家用來做實驗的數據大多編排整齊、幹凈。作為基準的測試序列已經被他人測試過，整個實驗也有非常詳盡的記錄。為了保險起見，有些人可能會做一些額外的數據清洗工作，但不管怎麽清洗，至少實驗所需的大部分信息都來自於數據本身，尤其是訓練標簽（trainng label）通常是已知的。只有在少數情況下，我們需要從一個嚴格控制變量的領域或者實驗中收集數據，以確保數據沒有受到汙染。

比起學術機構，商業環境里的實驗環境總顯得 “泥濘不堪”。

如此優秀的實驗環境，在商業機構里幾乎是天方夜譚。首先，研究人員需要花費大量時間和精力來設定問題。這些問題包括：從數據中提取、收集的標簽（label），是否可以幫助我們解決問題？輔助變量的設計是否有漏洞？我們甚至有沒有記錄需要的信息？數據科學家需要深入問題，並利用專業知識將問題、數據轉化為有意義的成果。和研究抽象的學術問題相比，在這種快節奏的環境里工作其實需要同等或者更多的創造力。

80% 規則

學術和商業探究問題的方法不盡相同。前者希望找到盡可能優秀的解決方案，通過不斷與之前的結果進行比較，提升實驗質量。但如果在商業機構中工作，你常常會被分配到這樣的工作：在一個先前沒有任何研究成果的領域應用模型，你根本沒有什麽東西可以參照。這樣做往好了說是一個挑戰，往差了說，可能會對企業帶來負面影響。

在這樣的情況下，你只需要用 80% 的精力追求模型完美。如果過分精益求精，不僅會暴露你對目標缺乏優先級排序，更有可能根本就行不通：實驗內外部的評估指標或許一點關系都沒有。

知識-影響有效點

即便不在學術機構里，你也可以用知識影響別人。

Michael Li 在他的評論里提到：創造影響力比傳揚知識更重要。在 Airbnb，我們認為每個人的終極目標其實是平衡上述兩點。很多人最初進入學術界的動力是發掘和傳播知識。這一點在商業社會更加重要，用知識、經驗說話，可以避免其他人做重複的工作。

為了這個目的，Airbnb 建立了知識儲藏室，里面有我們內部同事互相審閱的出版物、論文，最近還把它開源了。我們也鼓勵數據科學家盡可能積極地參與進來。我們同時有每周一次的研討會，將數據科學家和其他各個領域的領導者聚在一起，來展示他們的工作，並指導後輩。

積極主動

一個成功的科研人員不僅知道如何解決疑難問題，更要知道如何問對問題。這需要一份積極的態度——發現機會，並且開拓相應的研究方向，而不是期待別人布置一個問題讓你解決。學術界經常鼓勵這種積極主動的探究精神，這也是為什麽 Airbnb 鼓勵很多頂尖院校的人加入我們的原因。

/ To Sum Up /

引用一句名言 ：“不要雇傭聰明的人，卻告訴他們要做什麽。而是讓他們告訴我們要做什麽。” 每個學術領域都會培養不同技能的人才，我們尊重這種多樣性，並從中招賢納士，以幫助我們解決 Airbnb 每天面臨真實而有趣的問題。

文章評論

匿名用戶

發布

全部評論：10

發布