透過數(shù)據(jù)看未來

黃語晴

趕著2012年的大數(shù)據(jù)、深度學(xué)習(xí)浪潮，尹程果加入騰訊，做了一名數(shù)據(jù)研究員，工作是處理與個性化推薦相關(guān)的數(shù)據(jù)挖掘與算法設(shè)計—按照更職業(yè)一點的說法，他其實是位“數(shù)據(jù)科學(xué)家”。

“數(shù)據(jù)科學(xué)家的關(guān)鍵工作在于預(yù)測，拿歷史的數(shù)據(jù)來預(yù)測美好的將來?！币坦f。在近6年的工作里，他持續(xù)在做同一件事：根據(jù)數(shù)據(jù)去預(yù)測人們喜歡什么。

從前線業(yè)務(wù)人員那里拿到物品信息和用戶行為信息后，他和團(tuán)隊就開始工作了：結(jié)合騰訊平臺的數(shù)據(jù)資源，對每個用戶做精細(xì)的畫像刻畫，然后運(yùn)用機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘，設(shè)計個性化推薦的算法模型。

這個過程描述得專業(yè)一點，就是要完成從數(shù)據(jù)清洗、數(shù)據(jù)落地、機(jī)器學(xué)習(xí)到模型上線的多個步驟。

整個過程中，尹程果需要把握的兩個關(guān)鍵問題是用戶畫像是否精準(zhǔn)，以及算法平臺是否通用。

從學(xué)校跨越到工作，學(xué)校所學(xué)的“漂亮公式”與實際應(yīng)用之間其實存在鴻溝。所以在勝任這份工作之前，尹程果經(jīng)歷了大多計算機(jī)專業(yè)的學(xué)生都經(jīng)歷過的瓶頸。最初，當(dāng)他把學(xué)校所學(xué)的實驗指標(biāo)套入工作實踐，用來評估模型時，受到了產(chǎn)品人員、業(yè)務(wù)人員、用戶對推薦是否準(zhǔn)確的質(zhì)疑。

“這時候就很迷茫，覺得自己用的是學(xué)校里所學(xué)的常規(guī)的，或者是業(yè)界公認(rèn)的算法，為什么得不出我想要的效果？”尹程果說。他只好不斷自我反問：為什么使用這個算法？這個算法的效果為什么更好？它的原理是什么？

在思考算法的過程中，尹程果發(fā)現(xiàn)學(xué)校學(xué)到的算法方案都需要滿足一些特定的前提條件，一旦前提條件不滿足，算法就會失效。

類似的問題也存在于尹程果想要把人的自然語言處理成數(shù)據(jù)語言的情況。比如，學(xué)術(shù)界有一些通用的關(guān)鍵詞提取方法，但這些提取方法在用戶原創(chuàng)內(nèi)容（User Generated Content，UGC）視頻中不起作用，而尹程果發(fā)現(xiàn)，用戶在UGC視頻中的描述文本都非常隨意，傳統(tǒng)方法無法做到有效提取。這種情況下，尹程果只能帶領(lǐng)團(tuán)隊根據(jù)具體的業(yè)務(wù)特性分別設(shè)計解決方案。

“一些在學(xué)術(shù)界很漂亮的模型公式，在工程應(yīng)用中很可能被‘打臉。機(jī)器學(xué)習(xí)最后要反饋于業(yè)務(wù)，所以一定要考慮實用性?！币坦f。如今，數(shù)據(jù)量級已達(dá)到千萬甚至億級，一些常規(guī)算法更需要進(jìn)一步優(yōu)化。

尹程果團(tuán)隊開發(fā)的智能推薦已經(jīng)被騰訊作為一個服務(wù)產(chǎn)品推向市場。這時候，他又面臨著一個新問題：外部不同客戶的業(yè)務(wù)需求各有特殊性，他們該如何讓個性化推薦形成一種通用的能力輸出，以提高與不同業(yè)務(wù)方的合作效率和效果？這也是做個性化推薦的數(shù)據(jù)科學(xué)家們共同面臨的新難題。

在尹程果眼中，數(shù)據(jù)科學(xué)家必須保持對數(shù)據(jù)的敏感性，“數(shù)據(jù)在你面前，不是一個個數(shù)字。作為一個數(shù)據(jù)科學(xué)家，你看到這個數(shù)據(jù)第一眼，就應(yīng)該敏感地發(fā)現(xiàn)這個里面可能有某種規(guī)律存在?！?/p>

C=CBNweekly Y=Yin Chengguo

C： 數(shù)據(jù)科學(xué)家需要具備哪幾種能力？

Y： 一是要對數(shù)據(jù)有敏感性，二是對數(shù)據(jù)要有很強(qiáng)的提取能力，三是要具備統(tǒng)計分析的能力，四是要具備將數(shù)據(jù)可視化的能力。在騰訊這樣的公司，數(shù)據(jù)科學(xué)家還需要具備一定的軟件開發(fā)、算法調(diào)優(yōu)能力，以便負(fù)責(zé)算法和模型的落 地。

C： 數(shù)據(jù)科學(xué)家的晉升路線是什么？

Y： 先是初級研究員，需要最基本的技能。然后是高級研究員。評選高級研究員的時候，會看你能否用有效率的方法解決問題、對這些問題的分析是否到位，以及解決的方法合不合適。高級研究員之后是專家研究員，再往上就是科學(xué)家了。

C： 數(shù)據(jù)科學(xué)家未來的工作趨勢？

Y： 對于個性化推薦這一領(lǐng)域，后面的趨勢一定是數(shù)據(jù)更多，以及實現(xiàn)遷移學(xué)習(xí)。遷移學(xué)習(xí)是指把數(shù)據(jù)串聯(lián)起來，形成統(tǒng)一的數(shù)據(jù)能力，在不同業(yè)務(wù)之間找出它們的共性，形成一種更完美的推 薦。