如何應對數據科學的「負擔症候群」

摘要： 為什麼「負擔症候群」在數據科學中如此流行，我個人是如何處理這個問題的？應該如何鼓勵那些正在受影響的人？本文對此進行了詳細的闡述。

「負擔症候群」為何在數據科學中如此盛行？其原因如下：

（1）數據科學是一個全新的領域。

2011年，DJ Patil和Jeff Hammerbacher首次被冠名為「數據科學家」。從那時起，我們一直都想弄明白數據科學到底是什麼？「數據科學」的不同定義導致了我們對數據科學家應該是什麼感到困惑。在此之前，由於「數據科學」也未曾在大學裡教過，絕大多數的數據科學家並沒有「數據科學」文憑，他們中的大部分也都是來自其他領域。

（2）數據科學是一些領域的綜合。

數據科學家可以是分析員/統計師/工程師/機器學習專家/可視化專家/資料庫專家/業務專家的組合。他們每個人都在自己的領域具有很資深的地位，從上述任一領域來到數據科學領域的人跟其他人會有明顯的差距，這也是完全合理的。

（3）採用新技術，數據科學的範圍正在不斷的擴大。

隨著計算機內存變得越來越便宜，開源代碼也越來越流行，越來越多的人對學習數據科學及其相關領域感興趣，和數據科學相關得技術也在健康的發展。這對於社區和效率來說都是好事，也為數據科學家們提供了大量的新技術來學習。

具有不同背景的人來到一個新的有許多實際應用的領域時，這個新領域的界限也並沒有很明確的定義（從而不可避免的導致他們對整個領域的知識存在空白），其技術的發展速度使人們很難跟上。這是數據科學家在2018年所面臨的困境，也是為什麼有這麼多人會受到「負擔症候群」的影響。

應對「負擔症候群」的秘訣

我了解的每位數據科學家都在不斷的學習，它可能是個很小的東西（一個工具或是快捷鍵）或者是更大的東西（一個新演算法或編程語言），但是我們都在不斷的學習，這很重要。對於我來說，每個人都在學習的這個領域讓我感到興奮的同時，同樣也產生一種恐懼感（如果我學到的知識是別人已經知道了呢？），這種恐懼感就是「負擔症候群」。

我處理「負擔症候群」的方法是：我知道永遠無法學習到數據科學中所有的知識——我永遠不會了解每一個演算法，每一種技術，每個包，甚至是每一種語言，這都沒有關係。在這個多元化的領域，最偉大的事情就是沒有人會知道所有的這些事情。

同樣，我也會知道別人所不了解的知識。我已經為幾十所大學和非盈利組織構建了預測模型，具有成功創建和分析A/B測試所需要的經驗，並且正在學習如何在實際生產中使用機器學習模型。這些並不是每個人都有的技能，有些人比我更了解計算機科學或機器學習，又或者是Macbook快捷鍵。沒關係，多樣性是件好事，我也可以從這些人那學習他們的技能。強大的Venn圖可以闡述你與其他人的關係，以及如何重疊的。你所了解的知識很少是其他人了解的子集，而是重疊關係，這也會使你與別人不同。

社區內降低「負擔症候群」

如果我們一致認為數據科學家都在工作中不斷的學習，那麼我認為，為了在更大的數據科學社區降低「負擔症候群」影響，我們能做的就是公開認可它並致力於建立一個健康的學習環境。

·適應「I don』t know」。

當人們說「我不知道」的時候，需要很大的勇氣承認，我很尊敬這樣做的人。讓人們更加適應「我不知道」，一種方法就是建立良好的社會規則（當有人不知道時，不要假裝驚訝，而是將他當做倖存者之一）。

·不要「假裝成功」

有信心當然是好事，但是「imposter」實際上就是欺騙，而且我認為，想要成為更好的數據科學家，我們可以做的比「偽裝」更好。「偽裝」很有壓力，如果你陷入一個謊言，可能會造成長期的傷害和失去其他人對你的信任。

·鼓勵提問

勇於提出問題有兩個好處：一是通過圍繞問題的對話獲取知識；二是公開提問可以鼓勵他人提問。提出問題正是數據科學家應該做的事情，我們應該鼓勵。

·分享你所學到的知識

當我看到其他人在分享他們正在學習的知識時，這也有助於從自己的角度看待我自己的學習情況——而且我對於該話題是否了解的比較多，也激勵著我去了解這個對於他們來說是新知識的話題。

以上為譯文。

本文由阿里云云棲社區組織翻譯。

文章原標題《imposter syndrome in data science》，譯者：Mags，審校：袁虎。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！