為什么要寫這本書

2011年，《哈佛商業(yè)評論》將數(shù)據(jù)科學稱作21世紀吸引人的行業(yè)，隨后，數(shù)據(jù)科學這個概念開始從互聯(lián)網(wǎng)漫延到各行各業(yè)。但是人們對這個概念的內(nèi)涵和外延并無統(tǒng)一的認知，同時，數(shù)據(jù)科學也不像軟件工程、市場營銷等方向有較為明確的教育體系作為支撐，開設數(shù)據(jù)科學學科和課程的學校都是2011年之后才開始探索的，并且大多沒有一個適用于工業(yè)應用的課程體系。從業(yè)人員普遍反映需要一個系統(tǒng)的框架來搭建自己的技術(shù)棧和知識體系，從而提升專業(yè)化的能力。因此，市場上迫切需要一本覆蓋面廣、應用性強、深入淺出的數(shù)據(jù)科學手冊。

本書的作者是國內(nèi)數(shù)據(jù)科學一線的從業(yè)者，創(chuàng)作目的主要有以下三個。

1）提供一個以商業(yè)場景為導向的實用量化方法論。數(shù)據(jù)科學是為商業(yè)服務的，重要的能力是收斂開放的商業(yè)問題，并有針對性地選擇適當?shù)牧炕�框架進行后驗數(shù)據(jù)分析。這是一個相輔相成的過程，收斂的過程既依賴對業(yè)務的深刻理解，又需要充分理解各種分析框架的假設和抽象原理。

2）提供一個入門的臺階，供讀者按圖索驥、深入研究。數(shù)據(jù)科學領(lǐng)域知識面廣，又有一定的深度，需要長期的學習和經(jīng)驗的積累。一本書很難涵蓋數(shù)據(jù)科學的所有知識點，但是本書可以點明關(guān)鍵節(jié)點，起到引導作用，幫助讀者進行后續(xù)的進階學習。

3）展示數(shù)據(jù)科學所需的專業(yè)能力和門檻，為讀者在求職過程中找準定位、為人事部門進行職能設計提供范例�，F(xiàn)在數(shù)據(jù)科學領(lǐng)域的就業(yè)和招聘十分熱門，但是能說清數(shù)據(jù)科學專家到底需要什么樣的技能、需要達到什么樣的程度，以及這個行業(yè)有什么典型成功案例的人卻非常少。

讀者對象

本書適合以下讀者：

初入職場的數(shù)據(jù)分析師，用于升級個人專業(yè)分析技能；

從業(yè)多年的數(shù)據(jù)科學管理者，用于梳理、整合知識體系，提升團隊能力；

數(shù)據(jù)科學、商業(yè)分析等專業(yè)的師生，用于延展閱讀；

數(shù)據(jù)科學行業(yè)的人力專家和獵頭，用于標定潛在候選人能力。

本書特色

相比于市面上其他數(shù)據(jù)科學相關(guān)圖書，本書有以下特色。

1）將技術(shù)與商業(yè)場景緊密結(jié)合，強調(diào)開放性商業(yè)問題在量化分析上的收斂。市場上不乏純技術(shù)類的數(shù)據(jù)科學圖書和各種機器學習建模、統(tǒng)計計算的圖書，但是這些書都跳過了對開放式商業(yè)問題的思考，直接針對已經(jīng)非常明確的建模本身進行介紹。本書則將重心放在案例分析的全流程上，既講解量化模型的理論，又解釋商業(yè)到數(shù)理模型的映射過程，還強調(diào)了對模型結(jié)果的解讀和應用，實用性非常強。

2）這是國內(nèi)本系統(tǒng)介紹統(tǒng)計實驗在多種復雜商業(yè)場景下具體應用的書。統(tǒng)計實驗相關(guān)的圖書通常分為三類：類側(cè)重理論研究，對于已經(jīng)工作的讀者來說實踐意義不大，且學習難度高；第二類是將生物醫(yī)學領(lǐng)域的理論和案例相結(jié)合，這類書的應用場景和背景與互聯(lián)網(wǎng)行業(yè)相差較大，不容易做到舉一反三；第三類是少部分互聯(lián)網(wǎng)領(lǐng)域統(tǒng)計實驗的書，這類書多是外文，知識較新，閱讀門檻較高，通常針對互聯(lián)網(wǎng)廣告和搜索領(lǐng)域，在不理解理論背景的情況下也難以遷移到其他場景。

3）本書應用場景覆蓋面廣，強調(diào)實用，可操作性強，將方法論與配套案例的背景、代碼、解讀等模塊結(jié)合在一起，讓讀者學習后即可運用在實踐中。

如何閱讀本書

這是一本將數(shù)據(jù)科學三要素商業(yè)理解、量化模型、數(shù)據(jù)技術(shù)全面打通的實戰(zhàn)性著作，是來自騰訊、滴滴、快手等一線互聯(lián)網(wǎng)企業(yè)的數(shù)據(jù)科學家、數(shù)據(jù)分析師和算法工程師的經(jīng)驗總結(jié)，得到了SQLFlow創(chuàng)始人以及騰訊、網(wǎng)易、快手、貝殼找房、谷歌等企業(yè)的專家一致好評和推薦。

全書三個部分，內(nèi)容相對獨立，既能幫助初學者建立知識體系，又能幫助從業(yè)者解決商業(yè)中的實際問題，還能幫助有經(jīng)驗的專家快速掌握數(shù)據(jù)科學的技術(shù)和發(fā)展動向。內(nèi)容圍繞非實驗環(huán)境下的觀測數(shù)據(jù)的分析、實驗的設計和分析、自助式數(shù)據(jù)科學平臺3大主題展開，涉及統(tǒng)計學、經(jīng)濟學、機器學習、實驗科學等多個領(lǐng)域，包含大量常用的數(shù)據(jù)科學方法、簡潔的代碼實現(xiàn)和經(jīng)典的實戰(zhàn)案例。

部分（第1～6章）觀測數(shù)據(jù)的分析技術(shù)

講解了非實驗環(huán)境下不同觀測數(shù)據(jù)分析場景所對應的分析框架、原理及實際操作，包括消費者選擇偏好分析、消費者在時間維度上的行為分析、基于機器學習的用戶生命周期價值預測、基于可解釋模型技術(shù)的商業(yè)場景挖掘、基于矩陣分解技術(shù)的用戶行為規(guī)律發(fā)現(xiàn)與挖掘，以及在不能進行實驗分析時如何更科學地進行全量評估等內(nèi)容。

第二部分（第7～9章）實驗設計和分析技術(shù)

從A/B實驗的基本原理出發(fā)，深入淺出地介紹了各種商業(yè)場景下進行實驗設計需要參考的原則和運用的方法，尤其是在有樣本量約束條件下提升實驗效能的方法及商業(yè)場景限制導致的非傳統(tǒng)實驗設計。

第三部分（第10～12章） 自助式數(shù)據(jù)科學平臺SQLFlow

針對性地講解了開源的工程化的自助式數(shù)據(jù)科學平臺SQLFlow，并通過系統(tǒng)配置、黑盒模型的解讀器應用、聚類分析場景等案例幫助讀者快速了解這一面向未來的數(shù)據(jù)科學技術(shù)。

勘誤和支持

除封面署名外，參與本書編寫工作的還有：周銀河、丁芬、蘇濤、王禹、吳君涵、楊驍捷、劉沖、王玉璽、劉未名、楊凱迪、李依諾、陳祥、朱文靜。由于作者的水平有限，編寫時間倉促，書中難免會出現(xiàn)一些錯誤或者不準確的地方，懇請讀者批評指正。為此，我們特意創(chuàng)建了一個GitHub倉庫（https://github.com/xieliaing/Data_Science_Industrial_Practice）。讀者可以將發(fā)現(xiàn)的代碼Bug、文字問題以及疑惑，在Issue中提出，我們會將修改后的內(nèi)容及解答通過Pull Request合并進主干。書中的全部源文件除可以從華章網(wǎng)站下載外，還可以從這個GitHub倉庫下載，期待能夠得到你們的真摯反饋。

致謝

首先要感謝C. F. Jeff Wu、Williaw S. Cleveland、LinkedIn的DJ Patil及Facebook的Jeff Hammerbacher等先驅(qū)，他們成功地開創(chuàng)了數(shù)據(jù)科學這一個行業(yè)，影響和激勵了無數(shù)人投身其中。

感謝快手科技副總裁、數(shù)據(jù)分析部負責人宋世君把數(shù)據(jù)科學的理念引入國內(nèi)，實現(xiàn)了從0到1的跨越。感謝我原來統(tǒng)計科學團隊的同事們，他們是國內(nèi)數(shù)據(jù)科學的開拓者，通過實踐讓數(shù)據(jù)科學的理念在國內(nèi)萌芽發(fā)展、完善進步并得到認可。

感謝發(fā)起并維護SQLFlow開源社區(qū)的王益博士、劉勇峰老師及其開發(fā)團隊。

感謝機械工業(yè)出版社華章公司的楊福川老師和韓蕊老師，在這一年多的時間里始終支持我們寫作，保障了本書順利完成。

謹以此書獻給我親愛的家人以及眾多熱愛并投身數(shù)據(jù)科學的朋友們！

謝梁　　

2021年2月8日