Mae yna lawer o erthyglau am y sgiliau sydd eu hangen i fod yn wyddonydd data neu'n ddadansoddwr data da, ond ychydig o erthyglau sy'n sôn am y sgiliau sydd eu hangen i lwyddo - boed yn adolygiad perfformiad eithriadol, canmoliaeth gan reolwyr, dyrchafiad, neu bob un o'r uchod. Heddiw, rydym yn cyflwyno i chi ddeunydd y byddai ei awdur yn hoffi rhannu ei phrofiad personol fel gwyddonydd data a dadansoddwr data, yn ogystal â'r hyn y mae hi wedi'i ddysgu i gyflawni llwyddiant.
Roeddwn yn ffodus: cynigiwyd swydd gwyddonydd data i mi pan nad oedd gennyf unrhyw brofiad mewn Gwyddor Data. Mae sut yr ymdriniais â’r dasg yn stori wahanol, ac rwyf am ddweud mai dim ond syniad niwlog oedd gennyf o’r hyn y mae gwyddonydd data yn ei wneud cyn i mi gymryd y swydd.
Cefais fy nghyflogi i weithio ar biblinellau data oherwydd fy swydd flaenorol fel peiriannydd data, lle datblygais farchnad ddata ar gyfer dadansoddi rhagfynegol a ddefnyddir gan grŵp o wyddonwyr data.
Roedd fy mlwyddyn gyntaf fel gwyddonydd data yn cynnwys creu piblinellau data i hyfforddi modelau dysgu peiriannau a'u rhoi ar waith. Cadwais broffil isel ac ni chymerais ran mewn llawer o gyfarfodydd gyda'r rhanddeiliaid marchnata a oedd yn ddefnyddwyr terfynol y modelau.
Yn ail flwyddyn fy ngwaith yn y cwmni, gadawodd y rheolwr prosesu a dadansoddi data a oedd yn gyfrifol am farchnata. O hynny ymlaen, deuthum yn brif chwaraewr a chymerais ran fwy gweithredol wrth ddatblygu modelau a thrafod terfynau amser prosiectau.
Wrth i mi ryngweithio â rhanddeiliaid, sylweddolais fod Gwyddor Data yn gysyniad annelwig y mae pobl wedi clywed amdano ond nad ydynt yn ei ddeall yn iawn, yn enwedig ar lefel uwch reolwyr.
Adeiladais dros gant o fodelau, ond dim ond traean ohonynt a ddefnyddiwyd oherwydd nad oeddwn yn gwybod sut i ddangos eu gwerth, er bod marchnata yn gofyn am y modelau yn bennaf.
Treuliodd un o aelodau fy nhîm fisoedd yn datblygu model y teimlai uwch reolwyr y byddai’n dangos gwerth tîm gwyddor data. Y syniad oedd lledaenu’r model ar draws y sefydliad ar ôl iddo gael ei ddatblygu ac annog timau marchnata i’w fabwysiadu.
Daeth yn fethiant llwyr oherwydd nad oedd neb yn deall beth oedd model dysgu peirianyddol nac yn gallu deall gwerth ei ddefnyddio. O ganlyniad, gwastraffwyd misoedd ar rywbeth nad oedd neb ei eisiau.
O sefyllfaoedd o'r fath rwyf wedi dysgu rhai gwersi, y byddaf yn eu rhoi isod.
Gwersi a Ddysgais i Ddod yn Wyddonydd Data Llwyddiannus
1. Paratowch eich hun ar gyfer llwyddiant trwy ddewis y cwmni cywir.
Wrth gyfweld mewn cwmni, gofynnwch am y diwylliant data a faint o fodelau dysgu peirianyddol sy'n cael eu mabwysiadu a'u defnyddio wrth wneud penderfyniadau. Gofynnwch am enghreifftiau. Darganfyddwch a yw eich seilwaith data wedi'i sefydlu i ddechrau modelu. Os treuliwch 90% o'ch amser yn ceisio tynnu data crai a'i lanhau, ychydig neu ddim amser fydd gennych ar ôl i adeiladu unrhyw fodelau i ddangos eich gwerth fel gwyddonydd data. Byddwch yn ofalus os cewch eich cyflogi fel gwyddonydd data am y tro cyntaf. Gall hyn fod yn beth da neu'n beth drwg, yn dibynnu ar y diwylliant data. Efallai y byddwch yn dod ar draws mwy o wrthwynebiad i weithredu'r model os yw uwch reolwyr yn llogi Gwyddonydd Data dim ond oherwydd bod y cwmni am gael ei adnabod fel defnyddio Gwyddor Data i wneud penderfyniadau gwell, ond nid oes ganddo unrhyw syniad beth mae'n ei olygu mewn gwirionedd. Hefyd, os byddwch chi'n dod o hyd i gwmni sy'n cael ei yrru gan ddata, byddwch chi'n tyfu gydag ef.
2. Gwybod y data a'r dangosyddion perfformiad allweddol (KPIs).
Ar y dechrau, soniais fy mod, fel peiriannydd data, wedi creu mart data dadansoddol ar gyfer tîm o wyddonwyr data. Ar ôl dod yn wyddonydd data fy hun, roeddwn i'n gallu dod o hyd i gyfleoedd newydd a oedd yn cynyddu cywirdeb modelau oherwydd roeddwn i'n gweithio'n ddwys gyda data crai yn fy rôl flaenorol.
Drwy gyflwyno canlyniadau un o'n hymgyrchoedd, roeddwn yn gallu dangos y modelau sy'n cynhyrchu cyfraddau trosi uwch (fel canran) ac yna mesur un o DPAau yr ymgyrch. Roedd hyn yn dangos gwerth y model ar gyfer perfformiad busnes y gellir cysylltu marchnata ag ef.
3. Sicrhau bod y model yn cael ei fabwysiadu drwy ddangos ei werth i randdeiliaid
Ni fyddwch byth yn llwyddo fel gwyddonydd data os na fydd eich rhanddeiliaid byth yn defnyddio'ch modelau i wneud penderfyniadau busnes. Un ffordd o sicrhau mabwysiadu model yw dod o hyd i bwynt poen busnes a dangos sut y gall y model helpu.
Ar ôl siarad â'n tîm gwerthu, sylweddolais fod dau gynrychiolydd yn gweithio'n llawn amser â llaw yn cribo trwy'r miliynau o ddefnyddwyr yng nghronfa ddata'r cwmni i nodi defnyddwyr â thrwyddedau sengl a oedd yn fwy tebygol o uwchraddio i drwyddedau tîm. Defnyddiodd y detholiad set o feini prawf, ond cymerodd y dewis amser hir oherwydd bod y cynrychiolwyr yn edrych ar un defnyddiwr ar y tro. Gan ddefnyddio'r model a ddatblygais, roedd cynrychiolwyr yn gallu targedu defnyddwyr a oedd fwyaf tebygol o brynu trwydded tîm a chynyddu'r tebygolrwydd o drawsnewid mewn llai o amser. Mae hyn wedi arwain at ddefnydd mwy effeithlon o amser trwy gynyddu cyfraddau trosi ar gyfer dangosyddion perfformiad allweddol y gall y tîm gwerthu fod yn berthnasol iddynt.
Aeth sawl blwyddyn heibio a datblygais yr un modelau dro ar ôl tro a theimlais nad oeddwn bellach yn dysgu dim byd newydd. Penderfynais chwilio am swydd arall a chael swydd fel dadansoddwr data yn y diwedd. Ni allai'r gwahaniaeth mewn cyfrifoldebau fod wedi bod yn fwy arwyddocaol o'i gymharu â phan oeddwn yn wyddonydd data, er fy mod yn ôl yn cefnogi marchnata.
Hwn oedd y tro cyntaf i mi ddadansoddi arbrofion A/B a dod o hyd holl ffyrdd y gall arbrawf fynd o'i le. Fel gwyddonydd data, ni wnes i weithio ar brofion A/B o gwbl oherwydd ei fod wedi'i gadw ar gyfer y tîm arbrofol. Rwyf wedi gweithio ar ystod eang o ddadansoddeg sy'n cael ei heffeithio gan farchnata - o gynyddu cyfraddau trosi premiwm i ymgysylltu â defnyddwyr ac atal corddi. Dysgais lawer o wahanol ffyrdd o edrych ar ddata a threuliais lawer o amser yn llunio'r canlyniadau a'u cyflwyno i randdeiliaid ac uwch reolwyr. Fel gwyddonydd data, roeddwn yn gweithio ar un math o fodel yn bennaf ac anaml y rhoddais sgyrsiau. Symud ymlaen ychydig flynyddoedd at y sgiliau a ddysgais i fod yn ddadansoddwr llwyddiannus.
Sgiliau a Ddysgais i Ddod yn Ddadansoddwr Data Llwyddiannus
1. Dysgwch i adrodd straeon gyda data
Peidiwch ag edrych ar DPA ar eu pen eu hunain. Cysylltwch nhw, edrychwch ar y busnes yn ei gyfanrwydd. Bydd hyn yn eich galluogi i nodi meysydd sy'n dylanwadu ar ei gilydd. Mae uwch reolwyr yn edrych ar y busnes trwy lens, a bydd rhywun sy'n arddangos y sgil hwn yn cael ei sylwi pan ddaw'n amser i wneud penderfyniadau am ddyrchafiad.
2. Darparu syniadau ymarferol.
Darparu busnes syniad effeithiol i ddatrys y broblem. Mae hyd yn oed yn well os ydych chi'n cynnig ateb yn rhagweithiol pan nad yw wedi'i ddweud eto eich bod chi'n delio â'r broblem sylfaenol.
Er enghraifft, os dywedasoch wrth farchnata: “Sylwais fod nifer yr ymwelwyr â’r safle wedi bod yn gostwng bob mis yn ddiweddar.”. Mae hon yn duedd y gallent fod wedi sylwi arni ar y dangosfwrdd ac ni wnaethoch gynnig unrhyw ateb gwerthfawr fel dadansoddwr oherwydd dim ond yr arsylwi a ddatganwyd gennych.
Yn lle hynny, archwiliwch y data i ddod o hyd i'r achos a chynnig ateb. Enghraifft well ar gyfer marchnata fyddai: “Rwyf wedi sylwi ein bod wedi gweld gostyngiad yn nifer yr ymwelwyr â’n gwefan yn ddiweddar. Darganfyddais mai chwilio organig yw ffynhonnell y broblem, oherwydd newidiadau diweddar sydd wedi achosi i'n safleoedd chwilio Google ostwng.". Mae'r dull hwn yn dangos eich bod wedi olrhain DPA y cwmni, wedi sylwi ar y newid, wedi ymchwilio i'r achos, ac wedi cynnig ateb i'r broblem.
3. Dod yn gynghorydd dibynadwy
Mae angen i chi fod y person cyntaf y mae eich rhanddeiliaid yn troi ato i gael cyngor neu gwestiynau am y busnes yr ydych yn ei gefnogi. Nid oes llwybr byr oherwydd mae'n cymryd amser i ddangos y galluoedd hyn. Yr allwedd i hyn yw darparu dadansoddiad o ansawdd uchel yn gyson heb fawr o wallau. Bydd unrhyw gamgyfrifiad yn costio pwyntiau hygrededd i chi oherwydd y tro nesaf y byddwch yn darparu dadansoddiad, efallai y bydd pobl yn pendroni: Os oeddech chi'n anghywir y tro diwethaf, efallai eich bod chi'n anghywir y tro hwn hefyd?. Gwiriwch eich gwaith ddwywaith. Nid yw ychwaith yn brifo gofyn i'ch rheolwr neu'ch cydweithiwr edrych ar eich niferoedd cyn eu cyflwyno os oes gennych unrhyw amheuon ynghylch eich dadansoddiad.
4. Dysgu cyfathrebu canlyniadau cymhleth yn glir.
Unwaith eto, nid oes llwybr byr i ddysgu sut i gyfathrebu'n effeithiol. Mae hyn yn cymryd ymarfer a thros amser byddwch yn gwella arno. Yr allwedd yw nodi prif bwyntiau'r hyn yr ydych am ei wneud ac argymell unrhyw gamau y gall rhanddeiliaid eu cymryd, o ganlyniad i'ch dadansoddiad, i wella'r busnes. Po uchaf i fyny ydych chi mewn sefydliad, y pwysicaf yw eich sgiliau cyfathrebu. Mae cyfathrebu canlyniadau cymhleth yn sgil bwysig i'w ddangos. Treuliais flynyddoedd yn dysgu cyfrinachau llwyddiant fel gwyddonydd data a dadansoddwr data. Mae pobl yn diffinio llwyddiant yn wahanol. Mae cael fy nisgrifio fel dadansoddwr "anhygoel" a "serol" yn llwyddiant yn fy llygaid. Nawr eich bod chi'n gwybod y cyfrinachau hyn, rwy'n gobeithio y bydd eich llwybr yn eich arwain yn gyflym at lwyddiant, sut bynnag rydych chi'n ei ddiffinio.
Ac i wneud eich llwybr at lwyddiant hyd yn oed yn gyflymach, cadwch y cod hyrwyddo HABR, lle gallwch gael 10% ychwanegol at y gostyngiad a nodir ar y faner.
Mwy o gyrsiau
Erthyglau dan Sylw
Ffynhonnell: hab.com