科学家越来越受到创业者追捧。医疗、人工智能这样的深科技领域不必多说，向来都是博士们的聚集地。就连 Uber、Facebook 这样的 ToC 类企业，对于数据科学家、心理学家的需求也在逐年攀升。

然而，并不是所有科研人员都能在商业社会中如鱼得水。实验室中追求精益求精，但创业公司追求效率至上。如果学术人才无法应对这样的思维转变，就很可能无法跟上其他人的步伐。

因此，Airbnb 工程师团队写了这篇文章，向那些有志转投商业的学术人才提供 4 点建议，并描述了以 Airbnb 为代表的初创公司在考察学术人员时看重的四点品质：初学心态、自我管理、有效沟通、效率至上。

如果你的企业希望吸引学界人才，这些来自 Airbnb 的经验一定能帮到你。而如果你作为学界人才，希望深入了解商业世界，除了阅读这篇文章，还可以关注峰瑞资本明天推出的活动。敬请期待:)

给数据科学家们的一封信

▲ 学术机构是不是博士的唯一职业出路？

对于身处大学研究所的人而言，他们的职业选择似乎非常有限。学生常常受到导师、学长的鼓励，被希望追随他们的学术脚步。教授则认为只有待在学术圈里，才能扩展知识、教书育人。因此，大部分研究生、博士生都认为外面的世界实在有些遥远，自己除了象牙塔以外无处可去。

但留在学术圈里并不容易。美国大学每年的博士学位获得者，在数量上已经超过学术机构提供的工作岗位。因此，一些博士会把目光投向硅谷（尤其是科技产业）。但从学术环境中纵身一跃到商业社会并非易事。Michael Li（数据科学家猎头）在他最近的博客中描述了这种转变。他认为学术研究追求完美和精益求精，但这在商业社会行不通。如果想要在硅谷生存下来，学术人才必须学会加快速度，在最短时间内给出答案。

我们大致同意这种基本的权衡过程，但如果想在 Airbnb 工作，这种思维的转变与差异将更为微妙。对于希望进入 Airbnb 的学术人才，本文首先讨论我们看中哪些（软件和硬件）技能，以及为他们的成功入职提供一些具体的建议。

/ 01 /

对于那些来自学界的数据科学家，我们看中以下四种品质

▲ Airbnb 用数据科学来提升用户体验。

在今天的科技领域中，“数据科学” 这个词有些被用滥了。它的研究范围包含数学统计、商业和 “黑客” ，承载了所有与数据相关的事物。数据科学家需要在数据中提取价值，来驱动企业成功。Airbnb 也需要通过数据来决定进行哪个实验，开发什么机器学习模型，以此提升用户体验。

因此，当我们从研究所招聘专业人才时，不仅会考虑他们的专业水平、价值观，还会考虑以下 4 种品质：

▌初学心态                                

我们期望你在相应的学术领域名列前茅，对任何专业事务都能如数家珍。然而，学术上的成绩和经验并不一定能转化为商业上的成功。我们期望候选人能够以审慎的心态，意识到自己在商业领域的无知。但这种无知只会是暂时的，Airbnb 有很强的导师制度，我们的企业文化关注个人成长。加入 Airbnb 并不意味着停止学习，相反，你还需要学习更多。

我们寻找的是那些渴求学习更多，并且愿意在自己专业领域之外拓展能力的人。

▌自我管理

我们期望应聘者是一位懂得自我管理的博士生。“自我管理” 也是每个人进入研究所时上的第一课：如何开展自我学习，并对目标进行优先级排序。一个资深研究者还应该懂得如何预见一个可能失败的研究方向，并迅速把精力转移到更有可能成功的地方。

▲ 商业机构非常看重学术人员自我管理的能力。

此外，在那些充斥着学术竞争的尖端领域，学术人员还需要挑战同行、推翻假设。在 Airbnb 的数据科学部门，我们一样追求这种质疑精神：不安于现状，不断追求假设的边界，甚至是推翻假设。

▌有效沟通

我们有时会看到一些资深的研究人员不善于沟通。然而 Airbnb 是一个充满协作的环境，数据科学家不只是待在组内埋头研究，还需要与工程师、设计师、产品经理、和非技术人员进行合作。

Airbnb 不仅看中优秀的专业能力，更需要将所有观点有效地传递给受众，从组内其他的数据科学家，直至 CEO。否则观点就无法产生应有的影响。无论是书面还是口头的沟通，观点、方法和假设的表达都必须干脆利落、同时又能让听众心悦诚服。

▌短跑而非马拉松

学术机构会允许研究人员花几年时间发表一篇论文，但在商业社会，这几乎是不可能的。

▲ “效率至上” 是科学家在商业机构工作时需要拥有的思维。

这并不意味着我们同意牺牲研究质量，而是说在 Airbnb，我们更期待尽快看到第一手数据的产品，通过迭代来提升表现。在针对数据科学家的面试过程中，我们希望候选人拥有商业头脑，以及在提交数据产品或分享观点前，能尽快提供一个较为完美的解决方案。

/ 02 /

如果你希望从学界进入商业社会，这里有 4 条小建议

对于不同专业领域的人来说，走出象牙塔的经历也会非常不一样。学术界和商界之间在今天连接更加紧密（尤其是计算机科学和应用经济学），一个新的想法从研发到应用于产品或许只有几个月的时间。对于希望跨出那一步的人来说，强大的编程能力和科学计算之类的 “硬知识” 固然必不可少，但是真正难掌握的是那些职场中的 “软知识”以及商业领域的思考逻辑。我们把这种逻辑分成了 4 个大的领域：

▌注意细节

我们的世界充满了复杂的细节和谜团。学术研究的作用之一，就是将核心问题从这些线团中抽象出来。

在学术机构中，科学家用来做实验的数据大多编排整齐、干净。作为基准的测试序列已经被他人测试过，整个实验也有非常详尽的记录。为了保险起见，有些人可能会做一些额外的数据清洗工作，但不管怎么清洗，至少实验所需的大部分信息都来自于数据本身，尤其是训练标签（trainng label）通常是已知的。只有在少数情况下，我们需要从一个严格控制变量的领域或者实验中收集数据，以确保数据没有受到污染。

▲ 比起学术机构，商业环境里的实验环境总显得 “泥泞不堪”。

如此优秀的实验环境，在商业机构里几乎是天方夜谭。首先，研究人员需要花费大量时间和精力来设定问题。这些问题包括：从数据中提取、收集的标签（label），是否可以帮助我们解决问题？辅助变量的设计是否有漏洞？我们甚至有没有记录需要的信息？数据科学家需要深入问题，并利用专业知识将问题、数据转化为有意义的成果。和研究抽象的学术问题相比，在这种快节奏的环境里工作其实需要同等或者更多的创造力。

▌80% 规则

学术和商业探究问题的方法不尽相同。前者希望找到尽可能优秀的解决方案，通过不断与之前的结果进行比较，提升实验质量。但如果在商业机构中工作，你常常会被分配到这样的工作：在一个先前没有任何研究成果的领域应用模型，你根本没有什么东西可以参照。这样做往好了说是一个挑战，往差了说，可能会对企业带来负面影响。

在这样的情况下，你只需要用 80% 的精力追求模型完美。如果过分精益求精，不仅会暴露你对目标缺乏优先级排序，更有可能根本就行不通：实验内外部的评估指标或许一点关系都没有。

▌知识-影响有效点

▲ 即便不在学术机构里，你也可以用知识影响别人。

Michael Li 在他的评论里提到：创造影响力比传扬知识更重要。在 Airbnb，我们认为每个人的终极目标其实是平衡上述两点。很多人最初进入学术界的动力是发掘和传播知识。这一点在商业社会更加重要，用知识、经验说话，可以避免其他人做重复的工作。

为了这个目的，Airbnb 建立了知识储藏室，里面有我们内部同事互相审阅的出版物、论文，最近还把它开源了。我们也鼓励数据科学家尽可能积极地参与进来。我们同时有每周一次的研讨会，将数据科学家和其他各个领域的领导者聚在一起，来展示他们的工作，并指导后辈。

▌积极主动

一个成功的科研人员不仅知道如何解决疑难问题，更要知道如何问对问题。这需要一份积极的态度——发现机会，并且开拓相应的研究方向，而不是期待别人布置一个问题让你解决。学术界经常鼓励这种积极主动的探究精神，这也是为什么 Airbnb 鼓励很多顶尖院校的人加入我们的原因。

/ To Sum Up /

引用一句名言 ：“不要雇佣聪明的人，却告诉他们要做什么。而是让他们告诉我们要做什么。” 每个学术领域都会培养不同技能的人才，我们尊重这种多样性，并从中招贤纳士，以帮助我们解决 Airbnb 每天面临真实而有趣的问题。

撰文 /  Avneesh Saluja, Alok Gupta, Cuky Perez

翻译 /  张耕、郭蕙、尹艺霏

来源 /  AirbnbEng@Medium