兩年前的一場產(chǎn)品評審會，一位數(shù)據(jù)科學家用90秒講完"協(xié)同過濾矩陣分解加正則化防止過擬合"后，房間里安靜得能聽見空調(diào)聲。VP抬頭看他："所以……用戶到底點沒點推薦？"

那一刻他意識到，自己搭了一座專業(yè)能力的祭壇，但沒人來拜。

從"術(shù)語堆砌"到"人話翻譯"：一個典型轉(zhuǎn)型樣本

這位叫Benjamin Nweke的數(shù)據(jù)科學家，把這段經(jīng)歷寫成了Medium爆款。文章標題很直白：《我停止裝聰明后，成了更好的數(shù)據(jù)科學家》。

他的困境極具代表性。技術(shù)人早期容易陷入一種誤區(qū)：把復雜模型講得越玄乎，越能證明自己的價值。矩陣分解（Matrix Factorization）、正則化（Regularization）、稀疏交互——這些詞在學術(shù)圈是通行證，在產(chǎn)品會議室是隔音墻。

VP的問題像一盆冷水，但也點破了真相：業(yè)務方不需要知道你的錘子是什么牌子，他們只想知道釘子敲進去沒有。

Nweke的轉(zhuǎn)變不是降低專業(yè)標準，而是切換表達坐標系。他開始用"用戶會喜歡這個功能嗎"替代"特征工程的維度災難"，用"這能幫我們多賺多少錢"替代"模型的AUC提升了0.05"。

一個有趣的發(fā)現(xiàn)是：當你說人話時，聽眾反而更信任你的專業(yè)度。Nweke在文章里引了一句評論——「當你把事講清楚，人們就相信你真的懂」。

為什么"清晰"比"復雜"更難

說人話聽起來簡單，執(zhí)行起來反人性。技術(shù)訓練的核心是精確，而精確往往意味著術(shù)語、公式、邊界條件。把這套翻譯成業(yè)務語言，需要多做一層"認知稅"的繳納。

Nweke的解法很務實：先問自己"如果聽眾只能記住一句話，是什么"，再倒推結(jié)構(gòu)。他不再從模型架構(gòu)開場，而是從"用戶痛點→數(shù)據(jù)信號→驗證結(jié)果"的鏈條切入。技術(shù)細節(jié)被折疊進附錄，主敘事留給決策價值。

這種調(diào)整帶來連鎖反應。跨部門協(xié)作變順了，項目推進變快了，甚至他的技術(shù)方案通過率也提高了——因為對方終于聽懂了他要解決什么問題。

評論區(qū)有一條高贊反饋很扎心："太真實了。簡潔大多數(shù)時候能贏。"另一條補充："很高興你從'想讓人印象深刻'轉(zhuǎn)向'想讓人用起來'。"

行業(yè)通病：我們到底在為誰表演

Nweke的故事之所以引發(fā)共鳴，是因為它戳中了一個廣泛存在的焦慮。技術(shù)圈存在一種隱性的"復雜度崇拜"：論文要堆公式，匯報要甩架構(gòu)圖，代碼要秀設計模式。簡潔反而容易被質(zhì)疑"是不是沒深度"。

但商業(yè)世界的評分標準完全不同。產(chǎn)品VP的KPI是點擊率和收入，不是對你學術(shù)功底的認可度。數(shù)據(jù)科學家的價值錨點，最終要落在"用數(shù)據(jù)驅(qū)動決策"上，而非"用術(shù)語構(gòu)建壁壘"。

一個細節(jié)值得玩味：Nweke提到，那次尷尬的沉默之后，他重新梳理了同一批分析，用"推薦位改版后，用戶點擊率從X%漲到Y(jié)%"開場。會議室的氣氛變了，討論從"你在說什么"變成"我們怎么放大這個效果"。

同樣的數(shù)據(jù)，不同的敘事，截然不同的命運。

從個人習慣到系統(tǒng)能力

Nweke的反思不止于表達技巧。他順帶提到了配套的工作流改造——比如清理混亂的Jupyter Notebook，用Claude Code輔助寫生產(chǎn)級代碼，把Python環(huán)境管理從Conda遷移到uv。這些動作指向同一個目標：讓技術(shù)產(chǎn)出更可維護、更可協(xié)作、更可解釋。

他的Substack現(xiàn)在專門發(fā)"更深度的技術(shù)寫作"，但風格已經(jīng)固定：先給結(jié)論，再給路徑，技術(shù)細節(jié)按需展開。讀者畫像很明確——能寫代碼、但需要說服老板的人。

這種定位本身也是一種市場信號。當"把復雜講簡單"成為稀缺能力，掌握它的人就獲得了杠桿。

文章結(jié)尾，Nweke沒有升華主題，只是放了一條讀者評論作為收束。那位讀者說：清晰幫助你的受眾理解你的工作。

如果讓你選，下次匯報時，你想要那種"術(shù)語精準但全場沉默"的90秒，還是"一句話點透價值"的10秒？