在 Booking 当数据科学家是怎样一种体验

作者 Nishikant Dhanuka
编译 Mika

Nishikant是Booking公司的一名高级数据分析师，在本文中他分享了自己在Booking从数据科学家新手到大师的发展历程。

求职

在迪拜做了3年咨询类工作之后，我作为一名数据科学家加入了Booking 。从咨询转行到数据科学领域是我职业生涯中的重大转变，现在看来我很高兴当初做了这一选择。

在面试时，我就对Booking的感觉特别好。我有机会与数据科学家交谈，面试官的背景非常多样，其中一位拥有天文学的博士学位，另一位是自己创业公司的首席技术官。

同时Booking的伙食特别好，这也是我选择Booking的原因之一。

入职

我还记得入职的第一天，同事问我”你对你的屏幕还满意吗？”这让我很意外，因为我以前工作时只配备了一台笔记本电脑。Booking之后给我配备了一台Mac、两个大屏幕以及其他一些酷炫的设备。

入职后不久，我参与的第一个入职项目涉及到分析大量文本，我需要从中得出业务见解。以前我只有结构化数据方面的经验，因此我对这个新挑战感到兴奋。我希望提高自己文本数据的水平，但不久之后我就遇到困难了，那就是Booking庞大的数据规模。

Booking每24小时订出150万个房间，同时有数百万人访问网站，这意味着数据科学家所接触的数据规模相当大。还好公司有使用Spark进行分布式计算的内部培训。通过培训，如今我能够在多台机器上运行分析。

项目

我的第二个项目是为合作网站构建推荐引擎。以前我只做过标准回归和分类模型，这是我第一次接触到协同过滤和分解机。

由于数据规模，我不得不用PySpark进行稀疏分布矩阵。在编写代码之后，我们进行了A / B测试，看这样是否会对我们的业务带来积极影响。这也是我第一次接触A / B测试，但幸运的是公司配有完备的实验工具和基础设施，从而让这一过程并不困难。通过多次迭代，我们顺利处理了冷启动问题，并成功完成了该项目。

Booking的数据科学家在Analytics Fair上展示项目

接下来是大量的项目，每个项目都有不同的挑战，作为数据科学家我需要不断地学习。例如，其中一个项目需要我将业务问题表示为加权网络图，并进行相关分析; 在另一个项目中，我需要从简单的数据分析中得出有价值的见解。

就这样过了两年半，我目前是Booking的高级数据科学家。现在我致力于研究人工智能产品的机器翻译，并通过部署神经网络和深度学习解决方案构建全面的生产系统。

团队构成

下面我打算介绍下Booking的团队构成。

我们采用“嵌入式”结构，数据科学家与业务紧密相连。我参与的团队中有开发人员、数据科学家、产品负责人和其他专家。团队结合所有的力量，将相关概念实施到具体产品。在日常运营中，我们遵循一定的准则：每日会议、回顾、待办事项、团队目标、KPI和OKR(目标和关键结果)。再加上每两周一次的会议，能够让团队稳步发展，并尽快学习。