🥇Kuidas saada edukaks andteadlane ja andmeanalüütik

On palju artikleid oskustest, mis on vajalikud, et olla hea andateadlane või anda analüütik, kuid vaid vähestes artiklites räägitakse oskustest, mis on vajalikud edu saavutamiseks — olgu need siis silmapaistev töö hindamine, kiitus juhtkonnalt, edutamine või kõik eelmainitud. Täna esitleme teile materjali, mille autor soovib jagada oma isiklikku kogemust andateadlasena ja andmeanalüütikuna ning seda, mida ta õppis edu saavutamiseks.

Mul vedas: pakuti andateadlane ametikohta, kui mul polnud andeteaduses mingit kogemust. See, kuidas ma selle ülesandega hakkama sain, on teine lugu, ja ma tahan öelda, et mul oli vaid ähmane ettekujutus sellest, mida andateadlane teeb, enne kui ma sellele tööle nõustusin.

Mind palkati andatorude loomiseks seoses minu varasema tööga andmete töötlemise insenerina, kus ma lõin andmevisualiseerimise prognoosimise analüüsi tarbeks, mida kasutas andateadlaste grupp.

Minu esimene aasta andmete teadlasena hõlmas andmevoogude loomist masinõppe mudelite ülesõpetamiseks ja nende rakendamiseks tootmises. Ma püsisin varjus ja ei osalenud paljudes turundusele suunatud sidusrühmade koosolekutel, kes olid mudelite lõppkasutajad.

Teisel aastal tööl lahkus andmete töötlemise ja analüüsi juht, kes vastutas turunduse eest. Seetõttu muutusin peamiseks tegijaks ning hakkasin aktiivsemalt osalema mudelite arendamises ja projektide tähtaegade aruteludes.

Sidusrühmadega suheldes mõistsin, et andmete teadus on ähmane mõisted, millest on kuulnud paljud, kuid mida nad ei mõista täielikult, eriti kõrgem juhtkond.

Olen loonud üle saja mudeli, kuid ainult kolmandik neist leidis kasutust, kuna ma ei teadnud, kuidas näidata nende väärtust, kuigi mudelid olid algselt turunduse poolt nõutud.

Üks minu meeskonna liikmetest kulutas mitu kuud mudeli arendamisele, mis pidi ülemuse arvates näitama andmete teadlaste meeskonna väärtust. Idee oli see mudel organisatsioonis laiemalt rakendada pärast selle valmimist ja julgustada turundusmeeskondi seda kasutama.

See osutus täielikuks ebaõnnestumiseks, kuna keegi ei saanud aru, mis on masinõppemudel, ja ei osanud hinnata selle kasutamise väärtust. Lõpuks kulutati kuud asjale, millest keegi ei hoolinud.

Sellest kogemusest olen ma saanud mitmeid õppetunde, mida jagan allpool.

Õppetunnid, mida olen õppinud, et saada edukaks andmete teadlaseks

1. Suunake oma panus õigesse ettevõttesse.
Töötajaintervjuu käigus küsige andmekultuuri ning selle kohta, kui palju masinõppe mudeleid rakendatakse otsuste tegemisel. Paluge tuua näiteid. Uurige, kas andmeinfrastruktuur on seadistatud modelleerimiseks. Kui kulutate 90% oma ajast toorete andmete väljavõtmisele ja puhastamisele, jääb teil mudelite ehitamiseks, et tõestada oma väärtust andeteadlaseina, väga vähe aega. Olge ettevaatlik, kui olete andeteadlasena esmakordselt palgatud. See võib olla nii hea kui halb, sõltuvalt andmekultuurist. Kui kõrgem juhtkond palkab andeteadlast vaid sellepärast, et ettevõte soovib oma nime seostada Data Science'iga, võite kohata suurt vastupanu mudeli rakendamisel. mis kasutab Data Science'i paremate otsuste tegemiseks, kuid pole aimugi, mida see tegelikult tähendab. Lisaks, kui leiate ettevõtte, mis on andmepõhine (data driven), siis kasvate koos sellega.

2. Tunne andmeid ja võtme tulemusnäitajaid (KPI).
Alguses mainisin, et olles andmetöötluse insener, lõin analüüsivilla andmete meeskonnale. Saades andmeanalüütikuks, suutsin leida uusi võimalusi, mis parandasid mudelite täpsust, kuna töötasin intensiivselt toorandmete kallal oma varasemas ametis.

Esitledes ühe meie kampaania tulemusi, suutsin näidata mudeleid, mis genereerivad kõrgemaid konversioonimäärasid (protsentides), pärast mida mõõdeti üks KPI kampaania. See näitas mudeli väärtust äritegevuse efektiivsusele, millega võib olla seotud turundus.

3. Tagage mudeli aktsepteerimine, näidates selle väärtust sidusrühmadele.
Sa ei saavuta kunagi edu andmeanalüüsi spetsialistina, kui sidusrühmad ei kasuta kunagi sinu mudeleid äriotsuste tegemiseks. Üks viis mudeli aktsepteerimise kindlustamiseks on leida ettevõtte valupunkt ja näidata, kuidas mudel saaks aidata.

Pärast vestlust meie müügiosakonnaga sain aru, et kaks esindajat töötavad täisajaga, käsitsi läbi vaadates miljonite kasutajate andmebaasi, et tuvastada ainulaadsete litsentsidega kasutajad, kes on tõenäolisemalt üleminekul meeskonnalitsentsidele. Valimisel kasutati kriteeriumide kogumit, kuid see võttis palju aega, kuna esindajad vaatasid mõlemalt poolt üksikuid kasutajaid. Minu loodud mudeli abil said esindajad valida kasutajad, kellel on kõige suurem tõenäosus meeskonnalitsentsi ostmiseks, suurendades seeläbi konversioonimäärasid lühema ajaga. See viis efektiivsema ajakasutuse ja konversioonimäärade tõusuni võtme tulemuslike näitajate osas, millega müügiosakond võib tegeleda.

Mõni aasta on möödunud, ja olen korduvalt töötanud samade mudelite kallal ning tundnud, et ei õpi enam midagi uut. Otsustasin otsida uut positsiooni ja lõpuks sain andmeanalüütiku ametikoha. Kohustuste erinevus ei oleks saanud olla veelgi märgatavam võrreldes sellega, kui olin andmescientist, isegi hoolimata sellest, et toetasin uuesti turundust.

See oli esimene kord, kui analüüsisin A/B katseid ja avastasin kõik katked, kuidas katse võib ebaõnnestuda. Andeteadlasena ei tegelenud ma kunagi A/B testimisega, kuna see oli reserveeritud katsemeeskonnale. Olen töötanud laia valiku analüütiliste uuringute kallal, millele mõjutas turundus – alates premium-konversioonimäärade suurendamisest kuni kasutajate kaasamise ja lahkumise ennetamiseni. Olen õppinud palju erinevaid andmete vaatamise meetodeid ja kulutanud palju aega tulemuste koostamisele, nende esitlemisele huvigruppidele ja ülemusele. Andeteadlasena töötasin peamiselt ühe tüübi mudeli kallal ja harva esitasin ettekandeid. Libistame mõned aastad edasi ja räägime oskustest, mida õppisin, et olla edukas analüütik.

Oskused, mida õppisin, et saada edukaks andeanalüütikuks

1. Õppige andmete abil lugusid rääkima
Ärge vaadake KPI-sid eraldi. Siduge need omavahel, vaadake ettevõtet tervikuna. See aitab tuvastada omavahel seotud valdkondi. Ülemusel on ettevõtte ülevaade ja selliseid oskusi demonstreerivat inimest märgatakse, kui on aeg teha edutamise otsuseid.

2. Esitage tõhusad ideed
Andke ettevõttele tõhus idee probleemi lahendamiseks. Veelgi parem on, kui pakute lahendust proaktiivselt, enne kui on öeldud, et tegelete prioriteetse probleemiga.

Näiteks, kui te ütleksite turundusele: „Olen märganud, et viimastel kuudel on veebisaidi külastajate arv pidevalt vähenenud“. See on trend, mida nad võisid tahvelarvutist märgata, ja te ei pakkunud kui analüütik mingit väärtuslikku lahendust, sest te lihtsalt tegite tähelepaneku.

Täitke selle asemel andmed, et leida põhjus ja pakkuda lahendust. Parim näide turunduse jaoks oleks: «Olen tähele pannud, et meie veebisaidi külastajate arv on viimasel ajal vähenenud. Leidsin, et probleemiks on tavapärane otsing, mille põhjustas hiljutine muudatus, mis tõi kaasa meie Google'i otsinguhinde languse.». Selline lähenemine näitab, et olete jälginud ettevõtte KPI-sid, märganud muutust, uurinud selle põhjust ja pakkunud lahendust probleemile.

3. Saage usaldusväärseks nõustajaks
Te peate olema esimene inimene, kelle poole teie sidusrühmad pöörduvad soovituste või küsimustega teie haldusalas. Kiireid lahendusi ei ole, sest nende võimete näitamine võtab aega. Võti on järjepidev kvaliteetse analüüsi esitamine võimalikult väikese vigade arvuga. Iga arvutusviga maksab teile usaldusväärsuse punkte, sest järgmine kord, kui te analüüsi esitate, võivad inimesed küsida: Kui te eksisite eelmisel korral, siis äkki eksite ka seekord?. Alati kontrollige oma tööd kaks korda. Samuti ei tee paha paluda oma juhil või kolleegil vaadata teie numbreid, enne kui need esitamiseks lähevad, kui teil on kahtlusi oma analüüsi osas.

4. Õppige selgelt edastama keerulisi tulemusi
Külastajatena ei ole kiiret teed tõhusate kommunikatsioonide õppimiseks. See nõuab harjutamist ning ajaga saate selles osas paremaks. Oluline on määratleda põhiaspektid, mida soovite saavutada, ja soovitada kõiki tegevusi, mis teie analüüsi põhjal võivad osalejatelt olla äri täiustamiseks. Mida kõrgemal olete karjääriredelil organisatsioonis, seda tähtsam on suhtlemisoskus. Tulemuste edastamine — see on oskus, mida tuleb demonstreerida. Olen aastate jooksul õppinud eduka andeteadlasena ja andmeanalüütikuna õnnestumise saladusi. Inimesed defineerivad edu erinevalt. Saada omadused „ülihästi” ja „täht” analüütiku osas — see on minu silmis edu. Nüüd, kui teate neid saladusi, loodan, et teie tee viib teid kiiremini õnnestumiseni, olenemata sellest, kuidas te selle määratlete.

Ja et teie tee eduni oleks veelgi kiirem, hoidke sooduskoodi HABR, millega saate täiendava 10% allahindluse, mida banneril näidatakse.