On monia artikkeleita hyvän datatieteilijän tai data-analyytikon taidoista, mutta harvoissa artikkeleissa puhutaan menestymiseen tarvittavista taidoista – olipa kyseessä sitten poikkeuksellinen suoritusarviointi, ylistys johdolta, ylennys tai kaikki edellä mainitut. Tänään esittelemme teille materiaalin, jonka kirjoittaja haluaisi jakaa henkilökohtaisen kokemuksensa datatieteilijänä ja data-analyytikkona sekä oppimansa menestyäkseen.
Olin onnekas: minulle tarjottiin datatieteilijän paikkaa, kun minulla ei ollut kokemusta datatieteestä. Se, miten suoritin tehtävän, on eri tarina, ja haluan sanoa, että minulla oli vain epämääräinen käsitys siitä, mitä datatieteilijä tekee ennen kuin otin tehtävän.
Minut palkattiin työskentelemään dataputkien parissa aiemman tietoteknisen työni vuoksi, jossa kehitin datamarketin ennustavaa analytiikkaa varten, jota datatieteilijöiden ryhmä käyttää.
Ensimmäinen vuoteni datatieteilijänä sisälsi dataputkien luomisen koneoppimismallien kouluttamiseksi ja niiden tuotantoon panemiseksi. Pidin matalaa profiilia enkä osallistunut useisiin tapaamisiin mallien loppukäyttäjinä olleiden markkinoinnin sidosryhmien kanssa.
Yrityksen toisena työvuotena poistui markkinoinnista vastaava tietojenkäsittely- ja analyysipäällikkö. Siitä eteenpäin minusta tuli päätoimija ja osallistuin aktiivisemmin mallien kehittämiseen ja projektien määräaikojen keskusteluun.
Kun olin vuorovaikutuksessa sidosryhmien kanssa, ymmärsin, että tietotiede on epämääräinen käsite, josta ihmiset ovat kuulleet, mutta eivät aivan ymmärrä, etenkään ylimmän johdon tasolla.
Rakensin yli sata mallia, mutta niistä vain kolmasosa käytettiin, koska en osannut näyttää niiden arvoa, vaikka malleja oli ensisijaisesti markkinointi pyytänyt.
Yksi tiimini jäsenistä käytti kuukausia kehittääkseen mallia, jonka ylin johto katsoi osoittavan datatieteen tiimin arvon. Ajatuksena oli levittää mallia koko organisaatioon, kun se on kehitetty, ja rohkaista markkinointitiimejä ottamaan se käyttöön.
Se osoittautui täydelliseksi epäonnistumiseksi, koska kukaan ei ymmärtänyt, mikä koneoppimismalli on, tai ymmärtänyt sen käytön arvoa. Tämän seurauksena kuukausia tuhlattiin johonkin, jota kukaan ei halunnut.
Olen oppinut tällaisista tilanteista tiettyjä opetuksia, jotka annan alla.
Oppitunteja tullakseen menestyväksi datatieteilijäksi
1. Valmistaudu menestymään valitsemalla oikea yritys.
Kun haastattelet yrityksessä, kysy tietokulttuurista ja kuinka monta koneoppimismallia otetaan käyttöön ja käytetään päätöksenteossa. Pyydä esimerkkejä. Selvitä, onko tietoinfrastruktuurisi määritetty mallinnuksen aloittamista varten. Jos käytät 90 % ajasta raakadatan keräämiseen ja puhdistamiseen, sinulla ei jää juurikaan tai ei ollenkaan aikaa rakentaa malleja, jotka osoittavat arvosi datatieteilijänä. Ole varovainen, jos sinut palkataan tietotieteilijäksi ensimmäistä kertaa. Tämä voi olla hyvä tai huono asia datakulttuurista riippuen. Saatat kohdata enemmän vastustusta mallin käyttöönotolle, jos ylin johto palkkaa datatieteilijän vain siksi, että yritys haluaa tulla tunnetuksi käyttää Data Scienceä parempien päätösten tekemiseen, mutta ei tiedä mitä se oikeastaan tarkoittaa. Lisäksi, jos löydät yrityksen, joka on tietopohjainen, kasvat sen mukana.
2. Tunne tiedot ja keskeiset suorituskykyindikaattorit (KPI).
Alussa mainitsin, että tietoinsinöörinä loin analyyttisen datakaupan datatieteilijöiden ryhmälle. Itse olen tietotieteilijänä löytänyt uusia mahdollisuuksia, jotka lisäsivät mallien tarkkuutta, koska työskentelin intensiivisesti raakadatan parissa edellisessä roolissani.
Esittämällä yhden kampanjamme tulokset pystyin näyttämään mallit, jotka tuottivat korkeamman konversioprosentin (prosentteina), ja sitten mittasin yhden kampanjan KPI:istä. Tämä osoitti liiketoiminnan suorituskyvyn mallin arvon, johon markkinointi voidaan yhdistää.
3. Varmista mallin käyttöönotto osoittamalla sen arvo sidosryhmille
Et koskaan menesty datatieteilijänä, jos sidosryhmäsi eivät koskaan käytä mallejasi tehdäkseen liiketoimintapäätöksiä. Yksi tapa varmistaa mallin käyttöönotto on löytää liiketoiminnan vaikeuskohta ja näyttää, kuinka malli voi auttaa.
Keskusteltuani myyntitiimimme kanssa tajusin, että kaksi edustajaa työskenteli kokopäiväisesti manuaalisesti läpikäyden yrityksen tietokannan miljoonia käyttäjiä tunnistaakseen käyttäjät, joilla on yksi käyttöoikeus ja jotka todennäköisemmin päivittävät tiimilisensseihin. Valinnassa käytettiin kriteerejä, mutta valinta kesti kauan, koska edustajat katsoivat yhtä käyttäjää kerrallaan. Kehittämäni mallin avulla edustajat pystyivät kohdistamaan mainoksia käyttäjiin, jotka todennäköisimmin ostavat tiimilisenssin, ja lisäsivät konversion todennäköisyyttä lyhyemmässä ajassa. Tämä on johtanut tehokkaampaan ajankäyttöön, koska myyntitiimi voi samaistua keskeisiin suoritusindikaattoreihin.
Kului useita vuosia ja kehitin samoja malleja uudestaan ja uudestaan ja tunsin, etten enää oppinut mitään uutta. Päätin etsiä toista virkaa ja päädyin data-analyytikon paikan. Vastuuero ei olisi voinut olla suurempi kuin datatieteilijänä, vaikka olin taas tukemassa markkinointia.
Tämä oli ensimmäinen kerta, kun analysoin A/B-kokeita ja löysin kaikki tapoja, joilla kokeilu voi mennä pieleen. Datatieteilijänä en työskennellyt A/B-testauksen parissa ollenkaan, koska se oli varattu kokeelliselle ryhmälle. Olen työskennellyt laajan valikoiman markkinointiin vaikuttavien analytiikan parissa – korkealaatuisten tulosprosenttien nostamisesta käyttäjien sitoutumiseen ja vaihtuvuuden estämiseen. Opin monia erilaisia tapoja tarkastella dataa ja käytin paljon aikaa tulosten kokoamiseen ja esittelyyn sidosryhmille ja ylimmälle johdolle. Datatieteilijänä työskentelin enimmäkseen yhden tyyppisen mallin parissa ja harvoin pidin puheita. Nopeasti muutama vuosi eteenpäin oppimaani taitoihin menestyä analyytikko.
Taidot, jotka opin tullakseni menestyväksi data-analyytikkoksi
1. Opi kertomaan tarinoita datan avulla
Älä katso KPI:itä erillään. Yhdistä heidät ja katso yritystä kokonaisuutena. Näin voit tunnistaa alueita, jotka vaikuttavat toisiinsa. Ylin johto tarkastelee liiketoimintaa linssin läpi, ja tätä taitoa osoittava henkilö huomioidaan, kun on aika tehdä ylennyspäätöksiä.
2. Tarjoa toteuttamiskelpoisia ideoita.
Tarjoa liiketoimintaa tehokas idea ongelman ratkaisemiseksi. On vielä parempi, jos tarjoat ennakoivasti ratkaisua, kun ei ole vielä sanottu, että olet tekemisissä taustalla olevan ongelman kanssa.
Jos esimerkiksi kerroit markkinoinnille: "Huomasin, että viime aikoina sivuston kävijämäärät ovat laskeneet joka kuukausi.". Tämä on trendi, jonka he ovat saattaneet huomata kojelaudassa, etkä tarjonnut mitään arvokasta ratkaisua analyytikkona, koska esitit vain havainnon.
Sen sijaan tutki tietoja löytääksesi syyn ja ehdottaaksesi ratkaisua. Parempi esimerkki markkinoinnista olisi: ”Olen huomannut, että sivuillamme kävijämäärät ovat vähentyneet viime aikoina. Huomasin, että ongelman lähde on orgaaninen haku, koska viimeaikaiset muutokset ovat saaneet Google-hakusijoituksemme laskemaan.". Tämä lähestymistapa osoittaa, että seurasit yrityksen KPI:itä, huomasit muutoksen, tutkit syyn ja ehdotit ratkaisua ongelmaan.
3. Ryhdy luotettavaksi neuvonantajaksi
Sinun on oltava ensimmäinen henkilö, jolta sidosryhmäsi kääntyvät saadakseen neuvoja tai kysymyksiä tukemastasi yrityksestä. Oikotietä ei ole, koska näiden kykyjen osoittaminen vie aikaa. Avain tähän on jatkuvasti korkealaatuisen analyysin toimittaminen mahdollisimman vähäisin virhein. Kaikki väärät laskelmat maksavat sinulle uskottavuuspisteitä, koska seuraavan kerran kun annat analyysin, ihmiset saattavat ihmetellä: Jos olit väärässä viime kerralla, ehkä olet väärässä myös tällä kertaa?. Tarkista aina työsi uudelleen. Ei myöskään ole haittaa, jos pyydät esimiehesi tai kollegaasi katsomaan numerosi ennen niiden esittämistä, jos sinulla on epäilyksiä analyysistäsi.
4. Opi viestimään monimutkaisista tuloksista selkeästi.
Jälleen kerran, ei ole oikotietä tehokkaan viestinnän oppimiseen. Tämä vaatii harjoittelua ja ajan myötä paranet siinä. Tärkeintä on tunnistaa pääkohdat siinä, mitä haluat tehdä, ja suositella toimia, joihin sidosryhmät voivat analyysisi tuloksena ryhtyä parantaakseen liiketoimintaa. Mitä korkeammalla tasolla olet organisaatiossa, sitä tärkeämpiä ovat viestintätaitosi. Monimutkaisten tulosten viestiminen on tärkeä taito esitettäväksi. Vietin vuosia oppien menestyksen salaisuuksia datatieteilijänä ja data-analyytikona. Ihmiset määrittelevät menestyksen eri tavalla. Minun kuvailu "hämmästyttäväksi" ja "tähdeksi" analyytikkoksi on menestys minun silmissäni. Nyt kun tiedät nämä salaisuudet, toivon, että polkusi johtaa sinut nopeasti menestykseen, määrität sen kuinka tahansa.
Ja nopeuttaaksesi menestystäsi vieläkin nopeammin, säilytä tarjouskoodi sarvisäkki, jolla saat 10% lisäalennuksen bannerissa näkyvästä alennuksesta.
Lisää kursseja
Suositellut artikkelit
Lähde: will.com