在学会如何提问题以后，7894个数据科学家走上了人生巅峰
从你开始选择走数据这条路的那一天起，你是不是都会不停地遇到需要提问的情况。无论是作为学生问教授，作为新手问老板，还是作为乙方问甲方，问问题似乎要伴随着我们数据人的每一步。
有时问问题会让人感到不自在，会有各种各样的担心。担心问题没问到点子上，担心问题太傻被人嫌弃，担心问题问多了被人质疑能力，等等等。
不虚，关于傻不傻的问题，我负责任地告诉你：
你看上去并不傻。
关于是不是问到点子上，问多了被人质疑能力的问题，我负责任地告诉你：
如果你不问问题那会可怕的更多。
那最佳的问问题策略和套路是什么？且听我给你说道说道。
数据科学是一门持续将商业和疯狂你来我往的提问相结合的科学，它允许你提供业务所在的分析/模型/数据产品。我们需要提出问题才能充分了解企业的需求，而不是发现自己只基于其他人的想法做出假设
我们将会回答下面的问题：
1. 我们从哪方面提出问题？
2. 哪些是好问题？
我最近在LinkedIn上发布了一个关于如何在提出有关数据科学的有价值的问题的帖子并且收获了一大堆启发思维的评论。我会在这篇文章中加入一些我最喜欢的评论和引用。
我们从哪方面提出问题？
基本上数据科学发展管道（pipeline）的每一部分都可以表示成个问题：而且这些问题中的每一个都可能涉及大量的后续问题。为了接触到这冰山一角，Kate Strachnyi (数据科学Tableau 专家) 在确定范围时发布了各种各样我们常见会问的或者考虑过的问题：
- 如何使用结果？（做出业务决策，投资产品类别，与供应商合作，识别风险等）
- 观众对我们的分析有什么问题？（能够过滤出关键细分的能力，跨时间查看数据以识别趋势，深入细节等）
- 如何优先排序问题以获得最大价值？
- 谁应该能够访问这些信息？涉及保密/安全的问题
- 我是否具有访问分析所需数据所需要的权限或凭据？
- 有哪些不同的数据源，我需要哪些变量，以及需要从每个变量获取多少数据？
- 我是否需要所有数据进行更细粒度的分析，还是需要一个子集来确保更快的性能？
- 观众对我们的分析有什么问题？（能够过滤出关键细分的能力，跨时间查看数据以识别趋势，深入细节等）
- 如何优先排序问题以获得最大价值？
- 谁应该能够访问这些信息？涉及保密/安全的问题
- 我是否具有访问分析所需数据所需要的权限或凭据？
- 有哪些不同的数据源，我需要哪些变量，以及需要从每个变量获取多少数据？
- 我是否需要所有数据进行更细粒度的分析，还是需要一个子集来确保更快的性能？
Kate的问题跨越了两方面：
1.向利益相关者/不同部门咨询的问题
2.在数据科学/分析队伍内部咨询的问题
上面的任何一个问题都会产生各种各样的答案，因此你必须提出问题。仅仅因为你脑子里有一些想要解决问题的好主意，并不意味着其他人也不会有类似的想法想要听到讨论。在一天结束时，数据科学通常充当支持功能给其他业务领域。这意味着我们不能随随便便做分析。除了对项目的利益相关者进行澄清和提问，你还需要与数据科学团队的人员协作并提出问题。
即使是经验最丰富的数据科学家仍然会发现自己创造的方法或解决方案不属于他们的专业领域，或者是从其他数据业界专家想法中收益的一个算法的一种特殊用户方案。很多时候人们在听到你想法时会给你竖起大拇指，但是当你盯着你的电脑好几个小时的时候，你也有可能没有考虑过在你模型中的一个基本假设或者其他地方引入了偏见。别人的新鲜的眼光可以提供新的视角，让你在呈现结果后不会才发现错误。在你交付结果之前保密你的方法对你没有任何好处。如果有的话，提前分享你的想法并寻求反馈将有助于确保成功。
哪些是好问题？
经常问的问题是好问题。然而，询问好问题是门艺术，是门科学，也涉及到学习过程。尤其是到你开始一份新工作时，问一切东西。即使是一些你认为你应该知道的东西，与什么都不问先比最好还是去问问来更正信息。否则你可能在分析上花费大量时间，然后你的老板告诉你误解了要求。
提出一些不仅仅需要“是或不是”的回答方式的问题也很有帮助，因为这样你可以打开对话并且得到更多的上下文和信息。
我对Karlo提到的深有体会。有时候过于直白会被误解成评判。我们绝对需要尽可能的戴上我们的“商业触觉”帽子来扮演真正想要了解并满足其需求的人。我发现如果我可以提出能寻找有价值的反馈的问题，这对于所有参与者来说是双赢的。
当你与你的团队和利益相关者建立关系时，这种情况发生的可能性要小的多。一旦每个人都意识到自己的个性并建立良好关系，人们就会期待你的问题。
提出后续问题会很好。当一个问题引导到另一个问题时，你觉得你真的到了某个地方。如果你愿意的话就会剥掉另一层洋葱：你在合作，你在倾听，你在这个正确的问题区域。
总结来说
主要的内容是你需要提出一些问题才能有效地生成业务所需的内容。一旦你开始提问，这将会成为你的第二天性，你会立即看到它的价值，并且你会发现自己在获得更多经验时提出更多的问题。
提问对我的职业生涯起了重要作用。另一个好处是多年来我找到了自己的“声音”。我觉得自己在会议中得到重视并且我的意见很有价值。这种增长很大程度上来自于提出问题，而且我也通过提问来了解特定的商业/行业。
我已经学到很多关于观点的多样性，以及人们表达信息的不同的方式。这属于在学校我们很少被教授到的数据科学的“商业头脑”部分。但我希望你能够继续向前，无所畏惧地提出一大堆问题。
