數據時代的到來，讓數據科學紅了一把。?

雖然是近幾年才火起來的概念，但大家都擠破頭想進入這個行業。《哈佛商業評論》更是宣稱“數據科學家”是二十一世紀最性感的職業。?

數據科學這么紅不是沒有原因的，拿著令人艷羨的年薪，用手中的數據主導新產品甚至驅動公司的決策...而這個行業其實也在不斷發展，相比幾年前，數據人的工作方式和生活方式都得到了巨大的變革。?

那些頭部數據人才，他們典型的24小時是怎樣的？我們從剛剛升級的和鯨科技找到了答案。?

和鯨科技，前身為數據科學平臺“科賽網（Kesci.com）”，于2019年元旦正式更名，旗下有聚集了超過50,000+數據智能人才的專業第三方數據科學社區kesci（科賽網），具備國際領先水平的數據分析及AI開發協作工具kescilab（簡稱“K-Lab”）。

上班8小時：效率升級，“云端+協作”提升工作效果

數據科學家主要的工作內容就是根據公司需求，從數據中攫取商業價值。而頭部數據人才和普通數據科學家最大的區別就是：效率。公司支付的高薪酬也是在購買他們的高效率。

云端工作?

不同于“數據科學家”這個職業剛剛出現的時代，從業者需要不斷“遷就”手中的程序、甚至花很長時間學習功能。在數據科學高速發展的2019，他們需要更高的效率，提高效率的工具應運而生，這些工具需要不斷預判和滿足他們的需求。在線編程就是一個很重要的痛點，通過在線編程，不僅能免去繁瑣的環境配置，還為提升工作效率加了一條助跑道：不用考慮電腦在不在身邊、不用在乎文件有沒有拷貝，所有資料都在云端同步，只需專注于手中的代碼、數據、圖表。 但這并不好做，除了要直接在云端提供算力，在線編程工具還得保證環境統一，所以直到近幾年才有相關產品誕生。?

K-Lab是一款在線協作工具，引入Jupyter Notebook范式——這是專門為數據分析設計的工作環境，能夠隨時隨地在云端開展數據處理、模型搭建、代碼調試、撰寫報告、團隊協作等系列數據分析工作，數據科學家的工作將不再局限于本地環境，周末登山也能掏出手機訓練模型、調整參數。?

團隊協作?

與純粹的程序員不同，數據科學家作為一個更偏商業應用的崗位，它需要和數據分析師團隊，甚至是其他部門共同協作、指導公司的發展，也就更需要數據可視化和講故事的能力。原因很簡單，如果團隊、客戶甚至都聽不懂你想做什么，即使你的代碼、分析過程再優雅再準確，都只是白費力氣。?

試想，當你向團隊解釋你的分析成果，他們更愿意看這一大段“不知所云”的代碼，還是右邊這張圖呢？

▲?圖源自和鯨科技 - K-Lab

K-Lab的協作功能同時考慮了兩種場景：?

數據分析師團隊交流時，常常需要互相修改源碼，如果大家使用的計算環境、甚至編程語言都不同，效率未免也太低了。考慮到這種情況，K-Lab統一了計算環境，增加Fork、版本管理等功能，打開網頁就能完成整個數據分析工作；?

如果你需要與非技術人員溝通，他們可不想看到密密麻麻的代碼。在K-Lab中，不需要你重做一份PPT，只要一鍵隱藏代碼，負責人便只看得到最后的圖表、在線評論，同時“點贊+1”。這樣，所有人能快速理解你的分析結果并且參與協作、提高生產效率。而且，界面清爽易讀，把實時運行的代碼、文本和可視化的圖整合在一起，提升數據科學家講故事、做決策的能力。?

目前清華大學、北京大學、中國人民大學、上海交通大學、浙江大學等知名院校已采用K-Lab進行數據科學與人工智能的教學與實訓平臺，也幫助了中國聯通、中國平安、招商銀行、騰訊、百度、攜程、IBM、華為、南京市政府在內的一批頂尖客戶解決行業問題。

下班4小時：社交升級，社區生態加速學習

據《2018數據人才白皮書》調查，數據科學人才平均每天學習時間大于4小時，而頭部數據人才學習的時間則普遍更長，也許這是他們優秀的原因之一。?

但僅僅保證學習時間就夠嗎？技術飛速發展， 人的升級跟得上摩爾定律嗎？顯然，學習方法和學習效率缺一不可。?

和鯨科技承辦了多場數據競賽，大賽結束后，都會對獲獎者進行采訪。從這些采訪中，我們了解到，他們在課余時間/工作之余提升自己的辦法十分類似——“在實踐中學習”，幾乎都是混論壇、看論文、打比賽。競賽就是一種重要的實踐方式，在競賽中，他們能夠直接接觸到一線企業的場景和真實的行業數據。悶頭做技術已經很難適應新時代，我們更需要通過與人交流共同升級。?

一般來說，初學者可以通過書本或課程學習新技術，三五年后就主要從做項目、看論文來提升自己了。而實踐能夠貫穿學習的全過程，數據競賽平臺就是源源不斷的實踐機會，從初學者到大神都能找到機會。數據科學家可以從中尋找合適的項目，如果獲獎了一般還有幾萬元獎金。

▲?內容源自和鯨科技 - 科賽網（Kesci） - 比賽

要是心血來潮想研究某個問題呢？找到感興趣的數據集，再開始自己的分析就好。

▲?內容源自和鯨科技 - 科賽網（Kesci） - 比賽

和鯨科技的社區就是一個給數據人成長、交流的生態系統，能夠貫穿數據科學家成長的全過程： 通過科小神訓練營入門后，科賽社區的“項目”欄中提供了由淺到深的學習資料，用戶可以直接下載數據集或者fork項目，等學到一定程度后，就可以在“比賽”中開始數據競賽之路。每個環節都配備了相應社群，把與你等級類似的人鏈接在一起，你可以在社區、社群和大家一起打怪升級。?

從2015年搭建時，和鯨科技就開始聚集各大高校的數據科學人才，隨后，從高校不斷輻射到各大互聯網企業、500強技術人才，現在已經有超過50,000+的數據智能人才在其中分享技術，沉淀了100+行業頂尖企業數據實操案例、6000+數據算法應用案例和5000G+優質數據集資源，數據集能夠直接在K-Lab工作專區掛載，節省不必要的實踐，專注于探索性數據分析，與社區的伙伴共同進步。

數據人未來的工作方式

上班8小時和下班4小時，工具和社區的升級，最終帶來的是生活方式的變革。數據科學家并不是代碼機器，他們不像人們的刻板印象那樣：格子襯衫、黑框眼鏡反著光，對著電腦敲代碼。?

在數據人典型的一天中，提升工作效率、保證學習時間是很重要的一個因素，保持自我升級，是立于市場的不變法則。

在和鯨科技的工具+社區+眾包的生態中，數據科學家也得以擯除落后的工作方式，能夠在社區內用在線編程、協同的方式，提升工作效率；能夠面對市場團隊、甚至甲方講述自己的技術思考，甚至在閑暇時間內，在社區尋找項目給自己升升級；在線編程也讓平板、手機編程成為可能，不用再為了一個Bug在周末跑回公司。?

你如何過一天，就如何過一生。和鯨生態帶給數據科學家的，不僅是工作效率，更是數據人未來的工作方式。?

剩下的十二個小時你們會如何安排呢？快來和鯨社區跟我們分享吧。?

掃描以下二維碼參與和鯨新年活動：

點擊以下標題查看更多文章：?

• 自動機器學習（AutoML）最新綜述

• 自然語言處理中的語言模型預訓練方法

• 從傅里葉分析角度解讀深度學習的泛化能力

• 兩行代碼玩轉Google BERT句向量詞向量

• 近期知識圖譜頂會論文推薦，你都讀過哪幾篇？

• TensorSpace：超酷炫3D神經網絡可視化框架

• 深度長文：NLP的巨人肩膀（上）

• NLP的巨人肩膀（下）：從CoVe到BERT

#投 稿 通 道#

?讓你的論文被更多人看到?

如何才能讓更多的優質內容以更短路徑到達讀者群體，縮短讀者尋找優質內容的成本呢？?答案就是：你不認識的人。

總有一些你不認識的人，知道你想知道的東西。PaperWeekly 或許可以成為一座橋梁，促使不同背景、不同方向的學者和學術靈感相互碰撞，迸發出更多的可能性。?

PaperWeekly 鼓勵高校實驗室或個人，在我們的平臺上分享各類優質內容，可以是最新論文解讀，也可以是學習心得或技術干貨。我們的目的只有一個，讓知識真正流動起來。

??來稿標準：

? 稿件確系個人原創作品，來稿需注明作者個人信息（姓名+學校/工作單位+學歷/職位+研究方向）?

? 如果文章并非首發，請在投稿時提醒并附上所有已發布鏈接?

? PaperWeekly 默認每篇文章都是首發，均會添加“原創”標志

? 投稿郵箱：

? 投稿郵箱：hr@paperweekly.site?

? 所有文章配圖，請單獨在附件中發送?

? 請留下即時聯系方式（微信或手機），以便我們在編輯發布時和作者溝通

?

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

▽ 點擊 |?閱讀原文?| 獲取最新論文推薦

總結

以上是生活随笔為你收集整理的头部数据人才24小时图鉴的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。