Et gi vill Artikelen iwwer d'Fäegkeeten, déi néideg sinn fir e gudden Datewëssenschaftler oder Datenanalytiker ze sinn, awer wéineg Artikele schwätzen iwwer d'Fäegkeeten, déi néideg sinn fir Erfolleg ze hunn - sief et eng aussergewéinlech Leeschtungsbewäertung, Luef vum Management, eng Promotioun oder all déi uewe genannten. Haut presentéiere mir Iech e Material deem säin Auteur hir perséinlech Erfahrung als Datewëssenschaftler an Datenanalytiker wëll deelen, wéi och wat hatt geléiert huet fir Erfolleg ze erreechen.
Ech hat Gléck: Ech krut d'Positioun vum Datewëssenschaftler ugebueden, wann ech keng Erfahrung am Data Science hat. Wéi ech d'Aufgab gehandhabt hunn ass eng aner Geschicht, an ech wëll soen datt ech nëmmen eng vague Iddi hat wat en Datewëssenschaftler mécht ier ech d'Aarbecht iwwerholl hunn.
Ech gouf ugestallt fir un Datenpipelines ze schaffen wéinst menger viregter Aarbecht als Dateingenieur, wou ech en Datemart entwéckelt hunn fir prévisiv Analyse benotzt vun enger Grupp vun Datewëssenschaftler.
Mäin éischte Joer als Datewëssenschaftler huet involvéiert Datepipelines ze kreéieren fir Maschinnléiermodeller ze trainéieren an a Produktioun ze setzen. Ech hunn e nidderegen Profil gehalen an hunn net u ville Reuniounen mat de Marketing-Akteuren deelgeholl, déi d'Endbenotzer vun de Modeller waren.
Am zweete Joer vu menger Aarbecht an der Firma ass den Dateveraarbechtungs- an Analysemanager verantwortlech fir Marketing verlooss. Vun do un sinn ech den Haaptakteur an hunn méi aktiv un der Entwécklung vun Modeller deelgeholl an iwwer Projetsdeadlines diskutéiert.
Wéi ech mat Akteuren interagéiert hunn, hunn ech gemierkt datt Data Science e vague Konzept ass dat d'Leit héieren hunn awer net ganz verstinn, besonnesch op Senior Management Niveauen.
Ech hunn iwwer honnert Modeller gebaut, awer nëmmen en Drëttel vun hinnen goufe benotzt well ech net wousst wéi ech hire Wäert weisen, obwuel d'Modeller virun allem duerch Marketing gefrot goufen.
Ee vu menge Teammemberen huet Méint verbruecht fir e Modell ze entwéckelen deen d'Seniormanagement gefillt huet de Wäert vun engem Datewëssenschaftsteam ze weisen. D'Iddi war de Modell duerch d'Organisatioun ze verbreeden eemol et entwéckelt gouf an Marketingteams encouragéieren et z'adoptéieren.
Et huet sech als komplette Versoen erausgestallt, well kee versteet wat e Maschinnléiermodell war oder de Wäert vun der Benotzung versteet. Als Resultat goufen Méint op eppes verschwend wat kee wollt.
Vun esou Situatiounen hunn ech verschidde Lektioune geléiert, déi ech hei ënnen ginn.
Lektioune déi ech geléiert hunn fir en erfollegräichen Datewëssenschaftler ze ginn
1. Setzt Iech op Erfolleg andeems Dir déi richteg Firma wielt.
Wann Dir an enger Firma interviewt, frot iwwer d'Datekultur a wéivill Maschinnléieremodeller adoptéiert a benotzt ginn an der Entscheedung. Frot no Beispiller. Fannt eraus ob Är Dateinfrastruktur ageriicht ass fir ze modelléieren. Wann Dir 90% vun Ärer Zäit verbréngt fir rau Donnéeën ze zéien an ze botzen, hutt Dir wéineg bis keng Zäit méi fir Modeller ze bauen fir Äre Wäert als Datewëssenschaftler ze demonstréieren. Sidd virsiichteg wann Dir fir d'éischte Kéier als Datewëssenschaftler engagéiert sidd. Dëst kann eng gutt Saach oder eng schlecht Saach sinn, jee no daten Kultur. Dir kënnt méi Resistenz géint d'Ëmsetzung vum Modell begéinen wann Senior Management en Data Scientist astellt just well d'Firma wëll bekannt ginn als benotzt Data Science fir besser Entscheedungen ze treffen, mee huet keng Ahnung wat et eigentlech heescht. Plus, wann Dir eng Firma fannt déi dategedriwwe gëtt, wäert Dir mat der wuessen.
2. Wësst d'Donnéeën a Schlësselleistungsindikatoren (KPIs).
Am Ufank hunn ech erwähnt datt ech als Dateningenieur en analyteschen Datemart fir en Team vun Datewëssenschaftler erstallt hunn. Nodeems ech selwer en Datewëssenschaftler ginn, konnt ech nei Méiglechkeeten fannen, déi d'Genauegkeet vun de Modeller erhéicht hunn, well ech a menger viregter Roll intensiv mat Rohdaten geschafft hunn.
Andeems ech d'Resultater vun enger vun eise Kampagnen presentéieren, konnt ech d'Modeller weisen, déi méi héich Konversiounsraten generéieren (als Prozentsaz) an duerno ee vun de Kampagne-KPIs gemooss. Dëst huet de Wäert vum Modell fir d'Geschäftsleeschtung bewisen, mat deem Marketing ka verbonne ginn.
3. Assuréieren d'Adoptioun vum Modell andeems se säi Wäert fir d'Akteuren demonstréieren
Dir wäert ni Erfolleg als Datewëssenschaftler wann Är Akteuren ni Är Modeller benotze fir Geschäftsentscheedungen ze huelen. Ee Wee fir d'Adoptioun vum Modell ze garantéieren ass e geschäftleche Schmerzpunkt ze fannen an ze weisen wéi de Modell hëllefe kann.
Nodeem ech mat eisem Verkafsteam geschwat hunn, hunn ech gemierkt datt zwee Vertrieder Vollzäit manuell duerch d'Millioune vu Benotzer an der Datebank vun der Firma kämpfen fir Benotzer mat eenzege Lizenzen z'identifizéieren déi méi wahrscheinlech op Teamlizenzen upgraden. D'Auswiel huet eng Rei vu Critèren benotzt, awer d'Auswiel huet laang gedauert, well d'Vertrieder gläichzäiteg ee Benotzer gekuckt hunn. Mat dem Modell deen ech entwéckelt hunn, konnten d'Wiederholz d'Benotzer zielen déi meescht wahrscheinlech eng Teamlizenz kafen an d'Wahrscheinlechkeet vun der Konversioun a manner Zäit erhéijen. Dëst huet zu enger méi effizienter Notzung vun der Zäit gefouert andeems d'Konversiounsraten fir Schlësselleistungsindikatoren erhéicht ginn, mat deenen d'Verkafsteam sech bezéie kann.
E puer Joer sinn vergaangen an ech hunn déiselwecht Modeller ëmmer erëm entwéckelt a gefillt datt ech näischt Neies méi léieren. Ech hu beschloss fir eng aner Positioun ze sichen an hunn um Enn eng Positioun als Datenanalytiker kritt. Den Ënnerscheed an de Verantwortung konnt net méi bedeitend gewiescht sinn am Verglach mat wéi ech en Datewëssenschaftler war, och wann ech zréck de Marketing ënnerstëtzt hunn.
Dëst war déi éischte Kéier ech analyséiert A / B Experimenter a fonnt all dat Weeër wéi en Experiment falsch ka goen. Als Datewëssenschaftler hunn ech guer net un A/B Tester geschafft well et fir d'experimentell Team reservéiert war. Ech hunn un enger breet Palette vu Marketing-betraffene Analyse geschafft - vun der Erhéijung vun der Premium Konversiounsraten bis zum Benotzerengagement a Churn Präventioun. Ech hunn vill verschidde Weeër geléiert fir Daten ze kucken an hunn vill Zäit verbruecht fir d'Resultater ze kompiléieren an se un d'Akteuren a Senior Management ze presentéieren. Als Datewëssenschaftler hunn ech meeschtens un enger Zort Modell geschafft a selten Gespréicher gemaach. Schnell e puer Joer op d'Fäegkeeten, déi ech geléiert hunn als erfollegräichen Analyst ze sinn.
Fäegkeeten, déi ech geléiert hunn fir en erfollegräichen Datenanalytiker ze ginn
1. Léiert Geschichte mat Daten ze erzielen
Kuckt d'KPIs net isoléiert. Connect hinnen, kuckt op d'Geschäft als Ganzt. Dëst erlaabt Iech Beräicher z'identifizéieren déi all aner beaflossen. Senior Management kuckt d'Geschäft duerch eng Lens, an eng Persoun déi dës Fäegkeet demonstréiert gëtt gemierkt wann et Zäit ass fir Promotiounsentscheedungen ze treffen.
2. Bitt handhabbar Iddien.
Bitt Geschäft effektiv Iddi de Problem ze léisen. Et ass nach besser wann Dir proaktiv eng Léisung ubitt, wann et nach net gesot gouf datt Dir mam Basisproblem ze dinn hutt.
Zum Beispill, wann Dir Marketing gesot hutt: "Ech hu gemierkt datt viru kuerzem d'Zuel vun de Sitebesucher all Mount erofgaang ass.". Dëst ass en Trend dee se vläicht um Dashboard gemierkt hunn an Dir hutt keng wäertvoll Léisung als Analyst ugebueden well Dir nëmmen d'Observatioun uginn hutt.
Amplaz, ënnersicht d'Donnéeën fir d'Ursaach ze fannen an eng Léisung ze proposéieren. E bessert Beispill fir Marketing wier: "Ech hu gemierkt datt mir zënter kuerzem eng Ofsenkung vun der Zuel vun de Besucher op eiser Websäit haten. Ech hunn entdeckt datt d'Quell vum Problem organesch Sich ass, wéinst rezenten Ännerungen, déi eis Google Sich Ranking erofgaang hunn.. Dës Approche weist datt Dir d'KPIs vun der Firma verfollegt hutt, d'Ännerung gemierkt hutt, d'Ursaach ënnersicht an eng Léisung fir de Problem proposéiert huet.
3. Gitt e vertrauenswürdege Beroder
Dir musst déi éischt Persoun sinn déi Är Akteuren wenden fir Berodung oder Froen iwwer d'Geschäft dat Dir ënnerstëtzt. Et gëtt keng Ofkiirzung well et Zäit brauch fir dës Fäegkeeten ze demonstréieren. De Schlëssel fir dëst ass konsequent héichqualitativ Analyse mat minimale Feeler ze liwweren. All Mëssberechnung wäert Iech Kredibilitéitspunkte kaschten, well d'nächst Kéier wann Dir eng Analyse gitt, kënnen d'Leit sech froen: Wann Dir d'lescht Kéier falsch war, sidd Dir vläicht och dës Kéier falsch?. Iwwerpréift ëmmer Är Aarbecht duebel. Et deet och kee Schued fir Äre Manager oder Äre Kolleg ze froen Är Zuelen ze kucken ier Dir se presentéiert, wann Dir Zweifel un Är Analyse hutt.
4. Léiert komplex Resultater kloer ze kommunizéieren.
Erëm, et gëtt keng Ofkiirzung fir ze léieren wéi effektiv ze kommunizéieren. Dëst erfuerdert Praxis a mat der Zäit wäert Dir et besser ginn. De Schlëssel ass d'Haaptpunkte vun deem wat Dir maache wëllt z'identifizéieren an all Handlungen ze recommandéieren déi, als Resultat vun Ärer Analyse, d'Aktivitéite kënnen huelen fir d'Geschäft ze verbesseren. Wat méi héich Dir an enger Organisatioun sidd, wat méi wichteg Är Kommunikatiounsfäegkeeten sinn. Komplex Resultater kommunizéieren ass eng wichteg Fäegkeet fir ze demonstréieren. Ech hunn Joeren d'Geheimnisser vum Erfolleg als Datewëssenschaftler an Datenanalytiker geléiert. D'Leit definéieren Erfolleg anescht. Als "erstaunlech" a "stellar" Analyst ze beschriwwe ginn ass Erfolleg a mengen Aen. Elo datt Dir dës Geheimnisse kennt, hoffen ech datt Äre Wee Iech séier op Erfolleg féiert, awer Dir definéiert et.
A fir Äre Wee zum Erfolleg nach méi séier ze maachen, haalt de Promo Code HABR, duerch déi Dir eng zousätzlech 10% op d'Reduktioun op de Banner kritt.
Méi Coursen
Featured Artikelen
Source: will.com