時過境遷

2024-06-13

1. 商業邏輯與思考
將實際應用中的業務問題轉化為數據需求，進行數字化場景的設計，生成數據建模或數據分析問題。

2. 數據檢查與清洗
為數據問題尋找合適的、高質量、可靠的數據源，對數據源進行篩選和預處理，統一數據格式。

3. 特征工程
選擇用于建模或分析的數據特征，特征工程的工作體現數據科學家對業務的深刻、準確理解。

4. 數據建模
盡管在技術維度，數據建模看起來有一定門檻，實際上在一些成熟的算法框架、大數據框架下，但是該環節很可能是花費時間最少的。

5. 溝通和優化
數據科學家構建數據模型的最終目的是為了對業務進行有效支撐，因此數據模型在正式上線應用之前，需要進行多方驗證，數據科學家需要與業務人員以及管理人員進行模型的效果確認，汲取業務端的反饋，并對模型進行及時的調整和優化。

6. 撰寫文檔
將數據模型成果進行文檔撰寫，說明模型的使用場景、規范、以及調用方式等，匯報技術工作成果。