ProHoster > Blogs > Administrācija > Kā kļūt par veiksmīgu datu zinātnieku un datu analītiķi

Kā kļūt par veiksmīgu datu zinātnieku un datu analītiķi

Kā kļūt par veiksmīgu datu zinātnieku un datu analītiķi
Ir daudz rakstu par prasmēm, kas nepiecieÅ”amas, lai kļūtu par labu datu zinātnieku vai datu analÄ«tiÄ·i, taču daži raksti runā par prasmēm, kas nepiecieÅ”amas, lai gÅ«tu panākumus ā€” vai tas bÅ«tu izcils veiktspējas pārskats, vadÄ«bas uzslavas, paaugstināŔana amatā vai visas iepriekÅ” minētās. Å odien mēs piedāvājam jums materiālu, kura autore vēlas dalÄ«ties savā personÄ«gajā pieredzē kā datu zinātniece un datu analÄ«tiÄ·e, kā arÄ« tajā, ko viņa ir iemācÄ«jusies, lai gÅ«tu panākumus.

Man paveicās: man piedāvāja datu zinātnieka amatu, kad man nebija pieredzes datu zinātnē. Tas, kā es tiku galā ar uzdevumu, ir cits stāsts, un es gribu teikt, ka man bija tikai neskaidrs priekÅ”stats par to, ko dara datu zinātnieks, pirms es stājos darbā.

Mani nolÄ«ga darbam ar datu cauruļvadiem, jo ā€‹ā€‹mans iepriekŔējais darbs bija datu inženieris, kur es izstrādāju datu tirgu prognozējoÅ”ai analÄ«zei, ko izmantoja datu zinātnieku grupa.

Mans pirmais datu zinātnieka gads ietvēra datu cauruļvadu izveidi, lai apmācÄ«tu maŔīnmācÄ«Å”anās modeļus un ieviestu tos ražoÅ”anā. Es turēju zemu profilu un nepiedalÄ«jos daudzās sanāksmēs ar mārketinga ieinteresētajām personām, kas bija modeļu galalietotāji.

Otrajā darba gadā uzņēmumā aizgāja par mārketingu atbildÄ«gais datu apstrādes un analÄ«zes vadÄ«tājs. KopÅ” tā laika kļuvu par galveno spēlētāju un aktÄ«vāk piedalÄ«jos modeļu izstrādē un projektu termiņu apsprieÅ”anā.

Sazinoties ar ieinteresētajām personām, es sapratu, ka datu zinātne ir neskaidrs jēdziens, par kuru cilvēki ir dzirdējuÅ”i, taču tos Ä«sti nesaprot, jo Ä«paÅ”i augstākās vadÄ«bas lÄ«menÄ«.

Es uzbÅ«vēju vairāk nekā simts modeļu, bet tikai treŔā daļa tika izmantota, jo nezināju, kā parādÄ«t to vērtÄ«bu, lai gan modeļus galvenokārt pieprasÄ«ja mārketings.

Viens no maniem komandas locekļiem pavadÄ«ja mēneÅ”us, izstrādājot modeli, kas, pēc augstākās vadÄ«bas domām, demonstrētu datu zinātnes komandas vērtÄ«bu. Ideja bija izplatÄ«t modeli visā organizācijā pēc tā izstrādes un mudināt mārketinga komandas to pieņemt.

Tā izrādÄ«jās pilnÄ«ga neveiksme, jo neviens nesaprata, kas ir maŔīnmācÄ«Å”anās modelis, un nevarēja saprast tā izmantoÅ”anas vērtÄ«bu. Rezultātā mēneÅ”i tika izŔķiesti tam, ko neviens negribēja.

No Ŕādām situācijām esmu guvis dažas mācības, kuras sniegŔu tālāk.

Nodarbības, ko es guvu, lai kļūtu par veiksmīgu datu zinātnieku

1. Sagatavojieties panākumiem, izvēloties pareizo uzņēmumu.
Intervējot uzņēmumā, jautājiet par datu kultÅ«ru un to, cik maŔīnmācÄ«Å”anās modeļu tiek pieņemti un izmantoti lēmumu pieņemÅ”anā. Jautājiet piemērus. Uzziniet, vai jÅ«su datu infrastruktÅ«ra ir iestatÄ«ta, lai sāktu modelÄ“Å”anu. Ja jÅ«s pavadāt 90% sava laika, mēģinot iegÅ«t neapstrādātus datus un tos notÄ«rÄ«t, jums atliek maz laika, lai izveidotu modeļus, kas demonstrētu jÅ«su kā datu zinātnieka vērtÄ«bu. Esiet piesardzÄ«gs, ja pirmo reizi esat pieņemts darbā kā datu zinātnieks. AtkarÄ«bā no datu kultÅ«ras tā var bÅ«t laba vai slikta lieta. JÅ«s varat saskarties ar lielāku pretestÄ«bu modeļa ievieÅ”anai, ja augstākā vadÄ«ba nolÄ«gs datu zinātnieku tikai tāpēc, ka uzņēmums vēlas bÅ«t pazÄ«stams kā izmantojot datu zinātni, lai pieņemtu labākus lēmumus, bet nav ne jausmas, ko tas patiesÄ«bā nozÄ«mē. Turklāt, ja atrodat uzņēmumu, kas darbojas ar datiem, jÅ«s ar to attÄ«stÄ«sities.

2. Zināt datus un galvenos darbības rādītājus (KPI).
Sākumā es minēju, ka kā datu inženieris izveidoju analÄ«tisko datu tirgu datu zinātnieku komandai. Pats kļūstot par datu zinātnieku, varēju atrast jaunas iespējas, kas palielināja modeļu precizitāti, jo iepriekŔējā amatā intensÄ«vi strādāju ar neapstrādātiem datiem.

IepazÄ«stinot ar vienas mÅ«su kampaņas rezultātiem, es varēju parādÄ«t modeļus, kas rada augstāku reklāmguvumu lÄ«meni (procentos), un pēc tam izmērÄ«ju vienu no kampaņas KPI. Tas demonstrēja modeļa vērtÄ«bu uzņēmējdarbÄ«bas veikÅ”anai, ar kuru mārketingu var saistÄ«t.

3. NodroÅ”ināt modeļa pārņemÅ”anu, demonstrējot tā vērtÄ«bu ieinteresētajām pusēm
JÅ«s nekad gÅ«sit panākumus kā datu zinātnieks, ja jÅ«su ieinteresētās personas nekad neizmantos jÅ«su modeļus biznesa lēmumu pieņemÅ”anai. Viens no veidiem, kā nodroÅ”ināt modeļa ievieÅ”anu, ir atrast biznesa problēmu un parādÄ«t, kā modelis var palÄ«dzēt.

Pēc sarunas ar mÅ«su pārdoÅ”anas komandu es sapratu, ka divi pārstāvji strādā pilnu slodzi, manuāli pārmeklējot miljoniem lietotāju uzņēmuma datu bāzē, lai identificētu lietotājus ar vienu licenci, kuri, visticamāk, jauninās uz komandas licencēm. Atlasē tika izmantots kritēriju kopums, taču atlase ieilga, jo pārstāvji skatÄ«jās uz vienu lietotāju vienlaikus. Izmantojot manis izstrādāto modeli, pārstāvji varēja atlasÄ«t lietotājus, kuri, visticamāk, iegādāsies komandas licenci, un palielināt reklāmguvuma iespējamÄ«bu Ä«sākā laikā. Tas ir ļāvis efektÄ«vāk izmantot laiku, palielinot reklāmguvumu lÄ«meni galvenajiem darbÄ«bas rādÄ«tājiem, ar kuriem pārdoÅ”anas komanda var bÅ«t saistÄ«ta.

Pagāja vairāki gadi, un es atkal un atkal izstrādāju vienus un tos paÅ”us modeļus un jutu, ka vairs neko jaunu neapgÅ«stu. Es nolēmu meklēt citu amatu un ieguvu datu analÄ«tiÄ·a amatu. Pienākumu atŔķirÄ«bas nevarēja bÅ«t bÅ«tiskākas, salÄ«dzinot ar laiku, kad es biju datu zinātnieks, lai gan es atkal atbalstÄ«ju mārketingu.

Å Ä« bija pirmā reize, kad es analizēju A/B eksperimentus un atradu viss veidi, kādos eksperiments var noiet greizi. Kā datu zinātnieks es vispār nestrādāju pie A/B testÄ“Å”anas, jo tā bija paredzēta eksperimentālajai komandai. Esmu strādājis pie plaÅ”a mārketinga ietekmes analÄ«tikas klāsta ā€” no augstākās kvalitātes reklāmguvumu lÄ«meņa paaugstināŔanas lÄ«dz lietotāju iesaistÄ«Å”anai un atteikÅ”anās novērÅ”anai. Es iemācÄ«jos daudz dažādu veidu, kā aplÅ«kot datus, un pavadÄ«ju daudz laika, apkopojot rezultātus un prezentējot tos ieinteresētajām personām un augstākajai vadÄ«bai. Kā datu zinātnieks es galvenokārt strādāju pie viena veida modeļiem un reti uzstājos. Pārsteidziet dažus gadus uz priekÅ”u, lai apgÅ«tu prasmes, lai kļūtu par veiksmÄ«gu analÄ«tiÄ·i.

Iemaņas, ko apguvu, lai kļūtu par veiksmīgu datu analītiķi

1. Iemācieties stāstīt stāstus, izmantojot datus
Neskatieties uz KPI atseviŔķi. Savienojiet tos, apskatiet biznesu kopumā. Tas ļaus jums noteikt jomas, kas ietekmē viena otru. Augstākā vadÄ«ba raugās uz biznesu caur objektÄ«vu, un cilvēks, kurÅ” demonstrē Å”o prasmi, tiek pamanÄ«ts, kad pienāks laiks pieņemt lēmumus par paaugstināŔanu amatā.

2. Sniedziet Ä«stenojamas idejas.
NodroÅ”ināt biznesu efektÄ«va ideja lai atrisinātu problēmu. Vēl labāk, ja jÅ«s proaktÄ«vi piedāvājat risinājumu, kad vēl nav teikts, ka jÅ«s saskaraties ar pamatproblēmu.

Piemēram, ja jūs teicāt mārketingam: "Es pamanīju, ka pēdējā laikā vietnes apmeklētāju skaits katru mēnesi samazinās.". Tā ir tendence, ko viņi, iespējams, pamanīja informācijas panelī, un jūs kā analītiķis nepiedāvājāt nekādu vērtīgu risinājumu, jo norādījāt tikai novērojumu.

Tā vietā pārbaudiet datus, lai atrastu cēloni un piedāvātu risinājumu. Labāks mārketinga piemērs bÅ«tu: ā€œEsmu ievērojis, ka pēdējā laikā mÅ«su mājaslapā ir samazinājies apmeklētāju skaits. Es atklāju, ka problēmas avots ir dabiskā meklÄ“Å”ana, jo nesenās izmaiņas ir izraisÄ«juÅ”as mÅ«su Google meklÄ“Å”anas rangu kritumu.. Å Ä« pieeja parāda, ka jÅ«s izsekojāt uzņēmuma KPI, pamanÄ«jāt izmaiņas, izpētÄ«jāt cēloni un piedāvājāt problēmas risinājumu.

3. Kļūstiet par uzticamu padomdevēju
Jums ir jābÅ«t pirmajai personai, pie kuras ieinteresētās personas vērÅ”as, lai saņemtu padomu vai jautājumus par jÅ«su atbalstÄ«to uzņēmumu. Nav Ä«sceļa, jo ir nepiecieÅ”ams laiks, lai parādÄ«tu Ŕīs spējas. Galvenais ir konsekventi nodroÅ”ināt augstas kvalitātes analÄ«zi ar minimālām kļūdām. JebkurÅ” nepareizs aprēķins maksās jums uzticamÄ«bas punktus, jo nākamreiz, kad sniedzat analÄ«zi, cilvēki var brÄ«nÄ«ties: Ja kļūdÄ«jies pagājuÅ”ajā reizē, varbÅ«t kļūdies arÄ« Å”oreiz?. Vienmēr vēlreiz pārbaudiet savu darbu. Ja jums ir Å”aubas par veikto analÄ«zi, nenāk par ļaunu lÅ«gt vadÄ«tājam vai kolēģim apskatÄ«t jÅ«su skaitļus pirms to uzrādÄ«Å”anas.

4. Iemācieties skaidri paziņot sarežģītus rezultātus.
Atkal, nav Ä«sceļa, lai iemācÄ«tos efektÄ«vi sazināties. Tam ir nepiecieÅ”ama prakse, un laika gaitā tas kļūs labāks. Galvenais ir noteikt galvenos punktus, ko vēlaties darÄ«t, un ieteikt jebkādas darbÄ«bas, kuras jÅ«su analÄ«zes rezultātā ieinteresētās personas var veikt, lai uzlabotu uzņēmējdarbÄ«bu. Jo augstāk jÅ«s atrodaties organizācijā, jo svarÄ«gākas ir jÅ«su komunikācijas prasmes. Sarežģītu rezultātu paziņoÅ”ana ir svarÄ«ga prasme, ko demonstrēt. Es pavadÄ«ju gadus, mācoties veiksmes noslēpumus kā datu zinātnieks un datu analÄ«tiÄ·is. Cilvēki panākumus definē dažādi. Manās acÄ«s tas, ka mani raksturo kā "brÄ«niŔķīgu" un "zvaigžņu" analÄ«tiÄ·i, ir veiksme. Tagad, kad jÅ«s zināt Å”os noslēpumus, es ceru, ka jÅ«su ceļŔ ātri novedÄ«s pie panākumiem, lai arÄ« kā jÅ«s to definētu.

Un, lai jÅ«su ceļŔ uz panākumiem bÅ«tu vēl ātrāks, saglabājiet reklāmas kodu HABR, ar kuru var iegÅ«t papildus 10% uz banerÄ« norādÄ«tās atlaides.

Kā kļūt par veiksmīgu datu zinātnieku un datu analītiķi

Vairāk kursu

Piedāvātie raksti

Avots: www.habr.com