书籍摘要

核心定位

《How to Lead in Data Science》不是算法、建模或工具教程，而是面向数据科学职业进阶的领导力指南。Jike Chong 和 Yue Cathy Chang 关注数据从业者如何在组织中扩大影响：从个人贡献者，到带项目、带团队、治理数据科学职能，再到影响公司战略与行业实践。全书把硬能力称为 capabilities，把伦理、严谨性、积极态度等软性品质称为 virtues，强调领导者不能只靠技术深度取胜。

内容主线

本书先重新定义“成功的数据科学家”，再按职业阶段拆解领导力要求。数据科学岗位常常职责宽、边界模糊、预期不现实，尤其在小型团队中，从业者需要同时处理技术选择、业务沟通、项目优先级和跨团队协作。作者将技术判断、执行方法、领域理解与组织影响力放在同一张职业地图中，帮助读者识别优势、盲点。

章节内容

第一章说明现代 data scientist 的能力边界已超出数学、统计和编程，还包括 execution、expert knowledge 以及影响他人的能力，并引入面试、晋升与角色期待问题。

第二章和第三章聚焦 tech lead：如何定义问题以最大化业务影响、发现数据模式、管理模糊需求与项目取舍，同时以伦理标准、科学严谨性和积极协作建立信任。

第四章和第五章转向 manager 或 staff data scientist，讨论授权、团队能力组合、build-versus-buy 判断、ROI 优先级、coaching、mentoring、跨职能代表团队以及从事故中学习。

第六章和第七章面向 director 或 principal data scientist，重点是制定技术路线图、建设职业路径与招聘流程、支持公司级优先事项，并塑造职能文化。

第八章和第九章上升到 executive 或 distinguished data scientist 层级，讨论数据战略、数据驱动文化、组织结构、行业竞争力、responsible machine learning、社会责任与 executive presence。

第十章和第十一章用 LOOP（landscape、organization、opportunity、practice）评估技术架构、组织形态、职业机会和实践方向，并总结 data science leadership 的未来重要性。

适用读者

这本书适合已进入数据、AI 或机器学习相关岗位，并开始承担项目、团队协作或管理责任的人，包括 data scientist、data analyst、data engineer、machine learning engineer、data product manager，以及相关经理、总监和高管。它不适合想从零学习建模、Python、统计或深度学习的人；读者最好已理解数据项目如何在企业中落地。

总评

《How to Lead in Data Science》的价值在于补上数据科学职业书籍常缺的一层：技术能力如何转化为组织影响力。它对模型细节讲得不深，但对数据团队里的模糊责任、跨部门压力、晋升期待、领导者品格和职业路线有系统拆解。若你已能独立完成数据项目，并希望成为 tech lead、staff、manager、director 或更高层级的数据科学领导者，它能帮助你判断下一阶段该练什么、承担什么、如何影响他人。