مقالات زیادی در مورد مهارت های مورد نیاز برای یک دانشمند داده یا تحلیلگر داده خوب وجود دارد، اما تعداد کمی از مقالات در مورد مهارت های مورد نیاز برای موفقیت صحبت می کنند - خواه بررسی عملکرد استثنایی، تمجید از مدیریت، ارتقاء یا همه موارد فوق. امروز مطلبی را به شما ارائه می کنیم که نویسنده آن مایل است تجربیات شخصی خود را به عنوان یک دانشمند داده و تحلیلگر داده و همچنین آنچه را که برای رسیدن به موفقیت آموخته است به اشتراک بگذارد.
من خوش شانس بودم: زمانی که هیچ تجربه ای در علم داده نداشتم، موقعیت دانشمند داده به من پیشنهاد شد. اینکه چگونه این کار را انجام دادم داستان متفاوتی است، و می‌خواهم بگویم که قبل از شروع به کار، فقط یک ایده مبهم از کاری که یک دانشمند داده انجام می‌دهد داشتم.
من به دلیل شغل قبلی ام به عنوان مهندس داده، برای کار بر روی خطوط لوله داده استخدام شدم، جایی که یک داده مارتی برای تجزیه و تحلیل پیش بینی که توسط گروهی از دانشمندان داده استفاده می شود، توسعه دادم.
اولین سال من به عنوان دانشمند داده شامل ایجاد خطوط لوله داده برای آموزش مدل های یادگیری ماشینی و تولید آنها بود. من یک پروفایل کم نگه داشتم و در بسیاری از جلسات با سهامداران بازاریابی که کاربران نهایی مدل ها بودند شرکت نکردم.
در سال دوم کار من در شرکت، مدیر پردازش و تجزیه و تحلیل داده ها که مسئول بازاریابی بود، آنجا را ترک کرد. از آن زمان به بعد، من به بازیگر اصلی تبدیل شدم و در توسعه مدل ها و بحث در مورد ضرب الاجل پروژه مشارکت فعال تری داشتم.
همانطور که با سهامداران تعامل داشتم، متوجه شدم که Data Science یک مفهوم مبهم است که مردم درباره آن شنیده‌اند، اما کاملا آن را درک نمی‌کنند، به خصوص در سطوح مدیریت ارشد.
من بیش از صد مدل ساختم، اما فقط یک سوم از آنها استفاده شد، زیرا نمی دانستم چگونه ارزش آنها را نشان دهم، حتی اگر مدل ها عمدتاً توسط بازاریابی درخواست شده بودند.
یکی از اعضای تیم من ماه ها را صرف توسعه مدلی کرد که مدیریت ارشد احساس می کرد ارزش یک تیم علم داده را نشان می دهد. ایده این بود که پس از توسعه این مدل در سراسر سازمان گسترش یابد و تیم های بازاریابی تشویق شوند تا آن را اتخاذ کنند.
معلوم شد که این یک شکست کامل است زیرا هیچ کس نمی‌دانست که مدل یادگیری ماشینی چیست یا نمی‌توانست ارزش استفاده از آن را درک کند. در نتیجه، ماه ها صرف چیزی شد که هیچ کس نمی خواست.
از چنین موقعیت هایی درس های خاصی آموخته ام که در ادامه خواهم آورد.
درس هایی که برای تبدیل شدن به یک دانشمند داده موفق یاد گرفتم
1. با انتخاب شرکت مناسب خود را برای موفقیت آماده کنید.
هنگام مصاحبه در یک شرکت، در مورد فرهنگ داده و تعداد مدل‌های یادگیری ماشینی که در تصمیم‌گیری استفاده می‌شوند، بپرسید. مثال بخواهید. ببینید آیا زیرساخت داده شما برای شروع مدلسازی تنظیم شده است یا خیر. اگر 90 درصد از زمان خود را صرف تلاش برای استخراج داده های خام و پاکسازی آنها می کنید، زمان کمی برای ساختن مدل هایی برای نشان دادن ارزش خود به عنوان یک دانشمند داده خواهید داشت. اگر برای اولین بار به عنوان دانشمند داده استخدام می شوید مراقب باشید. بسته به فرهنگ داده، این می تواند یک چیز خوب یا بد باشد. اگر مدیریت ارشد یک دانشمند داده را استخدام کند، ممکن است با مقاومت بیشتری در اجرای مدل مواجه شوید، فقط به این دلیل که شرکت می خواهد به عنوان شناخته شود. استفاده از علم داده برای تصمیم گیری بهتر، اما نمی داند واقعاً چه معنایی دارد. به علاوه، اگر شرکتی را بیابید که مبتنی بر داده باشد، با آن رشد خواهید کرد.
2. داده ها و شاخص های کلیدی عملکرد (KPI) را بشناسید.
در ابتدا، اشاره کردم که به عنوان یک مهندس داده، یک داده تحلیلی برای تیمی از دانشمندان داده ایجاد کردم. من که خودم یک دانشمند داده شدم، توانستم فرصت‌های جدیدی پیدا کنم که دقت مدل‌ها را افزایش داد، زیرا در نقش قبلی‌ام به شدت با داده‌های خام کار می‌کردم.
با ارائه نتایج یکی از کمپین‌هایمان، توانستم مدل‌هایی را که نرخ تبدیل بالاتری ایجاد می‌کنند (به صورت درصد) نشان دهم و سپس یکی از KPIهای کمپین را اندازه‌گیری کردم. این نشان دهنده ارزش مدل برای عملکرد تجاری است که بازاریابی را می توان به آن پیوند داد.
3. از پذیرش مدل با نشان دادن ارزش آن به ذینفعان اطمینان حاصل کنید
اگر ذینفعان شما هرگز از مدل های شما برای تصمیم گیری تجاری استفاده نکنند، هرگز به عنوان یک دانشمند داده موفق نخواهید شد. یکی از راه‌های اطمینان از پذیرش مدل، یافتن نقطه درد کسب‌وکار و نشان دادن این است که چگونه مدل می‌تواند کمک کند.
پس از صحبت با تیم فروش ما، متوجه شدم که دو نماینده تمام وقت به صورت دستی کار می کنند و میلیون ها کاربر در پایگاه داده شرکت را بررسی می کنند تا کاربران دارای مجوزهای واحد را شناسایی کنند که احتمال بیشتری برای ارتقا به مجوزهای تیمی دارند. انتخاب از مجموعه‌ای از معیارها استفاده می‌کرد، اما انتخاب زمان زیادی طول کشید، زیرا نمایندگان در یک زمان به یک کاربر نگاه می‌کردند. با استفاده از مدلی که من توسعه دادم، نمایندگان توانستند کاربرانی را که به احتمال زیاد مجوز تیم خریداری می‌کردند را هدف قرار دهند و احتمال تبدیل را در زمان کمتری افزایش دهند. این منجر به استفاده کارآمدتر از زمان با افزایش نرخ تبدیل برای شاخص‌های عملکرد کلیدی شده است که تیم فروش می‌تواند با آنها ارتباط برقرار کند.
چندین سال گذشت و من بارها و بارها همان مدل ها را توسعه دادم و احساس کردم که دیگر چیز جدیدی یاد نمی گیرم. تصمیم گرفتم به دنبال موقعیت دیگری بگردم و در نهایت به عنوان یک تحلیلگر داده، موقعیتی به دست آوردم. تفاوت در مسئولیت ها در مقایسه با زمانی که من یک دانشمند داده بودم، نمی توانست مهمتر باشد، حتی اگر از بازاریابی حمایت می کردم.
این اولین باری بود که آزمایش های A/B را تجزیه و تحلیل کردم و متوجه شدم همه راه هایی که در آن یک آزمایش می تواند اشتباه کند. به عنوان یک دانشمند داده، من اصلاً روی تست A/B کار نکردم زیرا برای تیم آزمایشی رزرو شده بود. من روی طیف گسترده‌ای از تحلیل‌های متاثر از بازاریابی کار کرده‌ام - از افزایش نرخ تبدیل ممتاز گرفته تا تعامل کاربر و جلوگیری از ریزش. روش های مختلفی را برای نگاه کردن به داده ها یاد گرفتم و زمان زیادی را صرف جمع آوری نتایج و ارائه آنها به سهامداران و مدیریت ارشد کردم. به عنوان یک دانشمند داده، بیشتر روی یک نوع مدل کار می کردم و به ندرت سخنرانی می کردم. چند سالی به مهارت هایی که آموختم تا یک تحلیلگر موفق باشم، سریع جلو بروید.
مهارت هایی که برای تبدیل شدن به یک تحلیلگر داده موفق یاد گرفتم
1. یاد بگیرید که با داده ها داستان بگویید
KPI ها را مجزا نگاه نکنید. آنها را به هم متصل کنید، به کسب و کار به عنوان یک کل نگاه کنید. این به شما امکان می دهد مناطقی را که بر یکدیگر تأثیر می گذارند شناسایی کنید. مدیریت ارشد کسب و کار را از دریچه نگاه می کند، و فردی که این مهارت را نشان می دهد، زمانی که زمان تصمیم گیری برای ارتقا فرا می رسد مورد توجه قرار می گیرد.
2. ایده های عملی ارائه دهید.
کسب و کار فراهم کند ایده موثر برای حل مشکل. حتی بهتر است زمانی که هنوز گفته نشده است که با مشکل اساسی دست و پنجه نرم می کنید، راه حلی را به صورت فعال ارائه دهید.
به عنوان مثال، اگر به بازاریابی بگویید: من متوجه شدم که اخیراً تعداد بازدیدکنندگان سایت هر ماه در حال کاهش است.. این روندی است که آنها ممکن است در داشبورد متوجه شده باشند و شما به عنوان یک تحلیلگر راه حل ارزشمندی ارائه نکردید زیرا فقط مشاهده را بیان کردید.
در عوض، داده ها را برای یافتن علت و پیشنهاد راه حل بررسی کنید. یک مثال بهتر برای بازاریابی می تواند این باشد: "من متوجه شده ام که اخیراً تعداد بازدیدکنندگان وب سایت ما کاهش یافته است. من متوجه شدم که منبع مشکل جستجوی ارگانیک است، به دلیل تغییرات اخیر که باعث کاهش رتبه جستجوی گوگل ما شده است.". این رویکرد نشان می دهد که شما KPI های شرکت را ردیابی کرده اید، متوجه تغییر شده اید، علت را بررسی کرده اید و راه حلی برای مشکل پیشنهاد داده اید.
3. به یک مشاور قابل اعتماد تبدیل شوید
شما باید اولین کسی باشید که ذینفعان شما برای مشاوره یا سوال در مورد کسب و کاری که حمایت می کنید به او مراجعه می کنند. هیچ میانبری وجود ندارد زیرا نشان دادن این توانایی ها زمان می برد. کلید این کار ارائه مداوم تجزیه و تحلیل با کیفیت بالا با حداقل خطا است. هر گونه اشتباه محاسباتی امتیاز اعتبار شما را به همراه خواهد داشت زیرا دفعه بعد که تحلیلی ارائه می کنید، ممکن است افراد تعجب کنند: اگر دفعه قبل اشتباه کردید، شاید این بار هم اشتباه می کنید؟. همیشه کار خود را دوبار بررسی کنید. همچنین ضرری ندارد که از مدیر یا همکار خود بخواهید قبل از ارائه اعداد شما را بررسی کند، اگر در مورد تحلیل خود شک دارید.
4. یاد بگیرید که نتایج پیچیده را به وضوح بیان کنید.
باز هم، هیچ میانبری برای یادگیری نحوه برقراری ارتباط موثر وجود ندارد. این کار نیاز به تمرین دارد و به مرور زمان در آن بهتر خواهید شد. نکته کلیدی این است که نکات اصلی کاری را که می خواهید انجام دهید شناسایی کنید و هر اقدامی را که در نتیجه تجزیه و تحلیل شما، ذینفعان می توانند برای بهبود کسب و کار انجام دهند توصیه کنید. هر چه در یک سازمان بالاتر باشید، مهارت های ارتباطی شما اهمیت بیشتری دارد. برقراری ارتباط با نتایج پیچیده یک مهارت مهم برای نشان دادن است. من به عنوان یک دانشمند داده و تحلیلگر داده، سال ها را صرف یادگیری رازهای موفقیت کردم. مردم موفقیت را متفاوت تعریف می کنند. توصیف شدن به عنوان یک تحلیلگر "شگفت انگیز" و "ستاره ای" از نظر من موفقیت است. اکنون که این رازها را می دانید، امیدوارم مسیر شما به سرعت شما را به موفقیت برساند، هر طور که آن را تعریف کنید.
و برای اینکه مسیر موفقیت خود را سریعتر کنید، کد تبلیغاتی را نگه دارید HABR، که به وسیله آن می توانید 10% تخفیف اضافی درج شده روی بنر دریافت کنید.
دوره های بیشتر
مقالات پیشنهادی
منبع: www.habr.com