如果像科幻小说家阿瑟-克拉克（Arthur C. Clarke）所说的那样，"任何足够先进的技术都与魔法无异"，那么有时人们会觉得数据科学就像是从帽子里掏兔子。当然，这种说法是错误的。这就是我所说的 "数据魔术"，人们相信只要将数据输入 "数据科学机器 "的一端，另一端就会出现完美的小工具（解决所有人问题的方法）。

在相当程度上，这是因为绝大多数人并不了解数据科学的工作原理，而当你进入深度学习等更高级的领域时，甚至很多数据科学家都会承认他们并不了解其中的复杂程度。但是，如果你是一名数据科学家，你（大部分情况下）知道的足够多，知道自己什么时候超出了自己的深度。然而，在数据科学界之外，情况并非总是如此。这是可以理解的。

部分原因是我们自己的错。这是一个艰难的俱乐部；"局外人 "历来难以渗透，更不用说理解了。数据科学的语言一直被紧紧捂在胸口。正如罗马天主教会选择教会拉丁语作为控制信息传递的核心交流语言一样，特别是在中世纪和现代早期，我们数据科学家也可能被指控采取类似行动--虽然规模显然没有那么大，对整个人群的影响也没有那么直接。但是，正如 16 世纪的宗教改革解除了语言的束缚，使大众更容易接受基督教各教会的信条一样，数据科学现在也必须进一步扩展其语言范围。 

有了共同的语言，我们就不会再认为数据科学家拥有解决任何问题的神秘能力，通过人工智能环境运行数据，就能像变魔术一样产生想要的结果。它将帮助人们理解，数据科学并不是神奇的灵丹妙药。

事实上，如果您真正需要先进的数据科学，最不应该做的事情之一就是指派一名数据科学家去解决孤立或临时的问题，因为这样做会让数据科学处于密室之中，从而孤立了交流。

相反，推广数据科学的最佳方式是揭露企业级问题，同时认识到，如果方法得当，数据科学是一项团队运动。拥有致力于产品或客户的多学科团队可以产生卓越的业务成果，并培养跨职能的理解能力。包括一名商务助理、一名产品经理、一名工程师、一名数据科学家和来自其他关键职能组织的代表在内的团队应该被关在一个不间断的房间里，进行思想碰撞，关注最大的需求和机遇。这才是真正神奇的地方。

不过，作为一名旅行者，我们还是应该注意一些警示信号。如果在本着合作精神与客户或其他第三方合作时，您开始寻找可以向所有人解释的解决方案，那么请暂停一下。正如魔术师不会将自己的表演局限于初级技巧一样，观众也会理解数据科学家不应该默认易于解释的解决方案。刻意淡化过程可能会产生附带影响，即为问题提供一个不太理想的解决方案。这是一种平衡。

这种平衡依赖于公司对数据科学家能力的信任。相信数据科学家会尽可能分享我们的语言，但不会在技术性太强时削弱解决方案，并相信我们会始终坚守自己的学科。

本文最初发表于 媒体.