Matt Taddy是亚马逊北美用户团队的首席经济学家。用户团队负责设计方案，加速并自动化亚马逊的商业决策，从而全方位改善亚马逊用户体验。在他的新书《商业数据科学》里，他谈到了经济学家在企业内的职业发展。这本书汇集了统计学、机器学习和社会科学等领域的概念知识，能帮助企业有效利用数据。在这篇文章介绍了这本书，并谈及了经济学家和科学家在Amazon的工作，以及经济学家的职业发展。让我们一睹为快吧！

以下为Matt Taddy接受的采访编译：

1. 为什么写这本书？

十年前开始写《商业数据科学》时，我在芝加哥大学教授MBA课程。那时我意识到很多人，虽然不是统计或机器学习领域的专业人士，仍对某些数据科学内容很感兴趣。传授知识给非专业人士的想法，不仅激发了我写了这本书，还推动了芝加哥大学的课程设计改变。而当我进入行业工作时，我发现非专业人士对于数据科学学习有更大的需求。很多像软件开发工程师这样的技术人员，想学习数据科学，充实专业技能。更大的市场需求也鼓励我继续写作。

经过了10年创作，现在就是这本书发行的最佳时期。大数据概念和机器学习工具在过去10年已经逐步成熟，拥有更高的可拓展度、稳定性和用户友好度。在今天，专业的数据科学家能有更多机会和影响力，非专业人员也更容易学习数据科学相关知识。过去大家很难用自己的电脑模拟数据，研究数据的不确定因素也必须通过数学推导完成。有了现在的计算工具，数据分析变得更便捷，更易懂。

2. 这本书的主旨是什么？

首先，我想传递的是，非专业人士也可以学懂数据科学，而且数据科学对他们的工作也会有很大帮助。

其次我还想让大家明白一个重要的观点——基于数据的决策不仅仅是基于数据预测。数据还能解读事件发生的原因。机器学习可以挖掘过去数据的趋势，还能通过过往数据预测未来。同样的，当你能预测不同的决策可能导致的结果时，数据科学的价值就会真正显露出来。

最后，我还想强调，如今的数据分析工具逐渐成熟，机器学习也被商品化，数据科学的核心价值不是旨在开发一个更快或更好一点的算法。对于科学家和经济学家而言，我们最大的附加价值是通过利用自己的专业领域知识，将复杂的商业问题拆分为一系列可以通过算法解决的任务。

3. 所以对于求职于Amazon的科学家和经济学家而言，精通机器学习并不是必要的？

完全正确。举个例子，我在Amazon管理的经济技术团队，我们的团队中有软件开发工程师、科学家、经济学家和产品项目经理等，并不是所有人都有机器学习相关背景。作为团队领导，我并不是经济学博士出身，而是一名应用数学和统计学家。但在工作中，我也可以通过数据工具来研究经济问题，解决商业问题。

在亚马逊的经济学家并不一定要懂得如何使用最新的机器学习算法。你需要的是，将复杂的商业问题转换成多个拥有清晰指令的数据分析问题，交给应用分析师。而应用分析师会与软件工程师一起，构建产品，产生有规模性的影响力。

4. 在书中你提到了人工智能和机器学习的区别，你能详细说明两者的区别吗？

“机器学习”和“人工智能”这两个术语经常被混用。但其中一个重要的区别是，机器学习很大程度上局限于预测与过去相似的未来。而人工智能系统能攻克以前只有人类才能解决的复杂问题。

人工智能通过将问题分解为一系列小任务来解决问题，每个任务都可以由较为简单的机器学习算法来计算。这一系列步骤主要有三个部分：1. 一个定义清晰的任务结构；2. 一个持续生成数据的方式，确保算法能不断学习；3. 通用的机器学习算法，可以使用非结构化数据进行预测。开发一个完整的人工智能系统需要你考虑以上三点，并从全局上看待问题。

5. 作为亚马逊北美用户业务的首席经济师，你认为亚马逊是如何将机器学习与经济学相结合，以提升业务并加速决策制定？

在亚马逊，经济学家不只研究传统意义上的经济学问题。我们会着眼于问题，做出判断，并开发出能适用于亚马逊整个企业范围内的产品。在这里工作最棒的一点是，我们可以通过多种方式为用户提供价值。例如，我们可以帮助用户找到他们想要的商品，帮助物流更快速地将产品送到用户家中，甚至我们能根据用户对于品牌的喜好和季节性，帮助确保仓库在节假日期有合理的商品库存。除了这几个例子，你会在发现，经济学家、科学家在亚马逊内正以多种方式产生影响，实现价值。

6. 如果您是亚马逊招聘团队的一员，你会如何向经济学家宣传，使他们考虑加入亚马逊呢？

在亚马逊，我们将经济学视为商业科学。这意味着你能一名经济学家的同时，还能通过经济学工具在工作中产生巨大影响力。在亚马逊，你会懂得客户至上的定义，学习到如何运营企业。因为在亚马逊，我们都是主人翁。这意味着你会全方位地掌握工作内容，而不是只负责某特定业务。

除此以外，亚马逊会为你提供一个think big的机会。这些年，亚马逊在全方位地改变人类。如果你想成为颠覆者，想要创造出属于你自己的路，那么在亚马逊工作将是一个绝佳选择。

Matt Taddy在文中提到，对于求职于Amazon的科学家和经济学家来说，精通机器学习并不是必要的，需要的是将复杂的商业问题转换成多个拥有清晰指令的数据分析问题。如果你想要更深入地了解数据科学在商业中的前沿应用，系统地学习如何通过数据工具来解决商业问题，那么千万不要错过MarTechApe携手来自Apple、Walmart、Airbnb、Verizon、Wayfair等知名公司的资深职场人开设的《营销分析专项》课！第八期正在团购优惠，将在9/5开班！