Terdapat banyak artikel tentang kemahiran yang diperlukan untuk menjadi saintis data atau penganalisis data yang baik, tetapi beberapa artikel bercakap tentang kemahiran yang diperlukan untuk berjaya—sama ada semakan prestasi yang luar biasa, pujian daripada pihak pengurusan, kenaikan pangkat atau semua perkara di atas. Hari ini kami membentangkan kepada anda bahan yang pengarangnya ingin berkongsi pengalaman peribadinya sebagai saintis data dan penganalisis data, serta apa yang telah dia pelajari untuk mencapai kejayaan.
Saya bernasib baik: Saya ditawarkan jawatan saintis data apabila saya tidak mempunyai pengalaman dalam Sains Data. Bagaimana saya mengendalikan tugas itu adalah cerita yang berbeza, dan saya ingin mengatakan bahawa saya hanya mempunyai idea yang samar-samar tentang perkara yang dilakukan oleh saintis data sebelum saya mengambil kerja itu.
Saya telah diupah untuk bekerja pada saluran paip data kerana tugas saya sebelum ini sebagai jurutera data, di mana saya membangunkan pasar data untuk analisis ramalan yang digunakan oleh sekumpulan saintis data.
Tahun pertama saya sebagai saintis data melibatkan penciptaan saluran paip data untuk melatih model pembelajaran mesin dan memasukkannya ke dalam pengeluaran. Saya tidak berprofil dan tidak mengambil bahagian dalam banyak mesyuarat dengan pihak berkepentingan pemasaran yang merupakan pengguna akhir model tersebut.
Pada tahun kedua saya bekerja di syarikat itu, pengurus pemprosesan dan analisis data yang bertanggungjawab untuk pemasaran pergi. Sejak itu, saya menjadi pemain utama dan mengambil bahagian yang lebih aktif dalam membangunkan model dan membincangkan tarikh akhir projek.
Semasa saya berinteraksi dengan pihak berkepentingan, saya menyedari bahawa Sains Data ialah konsep yang samar-samar yang orang pernah dengar tetapi tidak begitu faham, terutamanya di peringkat pengurusan kanan.
Saya membina lebih seratus model, tetapi hanya satu pertiga daripadanya digunakan kerana saya tidak tahu bagaimana untuk menunjukkan nilainya, walaupun model itu diminta terutamanya oleh pemasaran.
Salah seorang ahli pasukan saya menghabiskan masa berbulan-bulan membangunkan model yang dirasakan oleh pengurusan kanan akan menunjukkan nilai pasukan sains data. Ideanya adalah untuk menyebarkan model ke seluruh organisasi sebaik sahaja ia dibangunkan dan menggalakkan pasukan pemasaran untuk menerima pakainya.
Ia ternyata gagal sepenuhnya kerana tiada siapa yang memahami model pembelajaran mesin atau dapat memahami nilai penggunaannya. Akibatnya, berbulan-bulan terbuang untuk sesuatu yang tidak diingini oleh sesiapa pun.
Dari situasi sedemikian saya telah belajar pelajaran tertentu, yang akan saya berikan di bawah.
Pengajaran yang Saya Belajar untuk Menjadi Saintis Data yang Berjaya
1. Tetapkan diri anda untuk berjaya dengan memilih syarikat yang betul.
Apabila menemu duga di sebuah syarikat, tanya tentang budaya data dan bilangan model pembelajaran mesin yang diterima pakai dan digunakan dalam membuat keputusan. Minta contoh. Ketahui sama ada infrastruktur data anda disediakan untuk memulakan pemodelan. Jika anda menghabiskan 90% masa anda cuba menarik data mentah dan membersihkannya, anda akan mempunyai sedikit atau tiada masa lagi untuk membina sebarang model untuk menunjukkan nilai anda sebagai saintis data. Berhati-hati jika anda diupah sebagai saintis data buat kali pertama. Ini boleh menjadi perkara yang baik atau buruk, bergantung pada budaya data. Anda mungkin menghadapi lebih banyak rintangan untuk melaksanakan model jika pengurusan kanan mengupah Saintis Data hanya kerana syarikat itu ingin dikenali sebagai menggunakan Sains Data untuk membuat keputusan yang lebih baik, tetapi tidak tahu apa maksud sebenarnya. Selain itu, jika anda menemui syarikat yang dipacu data, anda akan berkembang dengannya.
2. Mengetahui data dan petunjuk prestasi utama (KPI).
Pada mulanya, saya menyebut bahawa sebagai jurutera data, saya mencipta data mart analisis untuk pasukan saintis data. Setelah menjadi seorang saintis data sendiri, saya dapat mencari peluang baharu yang meningkatkan ketepatan model kerana saya bekerja secara intensif dengan data mentah dalam peranan saya sebelum ini.
Dengan membentangkan hasil salah satu kempen kami, saya dapat menunjukkan model yang menjana kadar penukaran yang lebih tinggi (sebagai peratusan) dan kemudian mengukur salah satu KPI kempen. Ini menunjukkan nilai model untuk prestasi perniagaan yang boleh dikaitkan dengan pemasaran.
3. Memastikan penggunaan model dengan menunjukkan nilainya kepada pihak berkepentingan
Anda tidak akan berjaya sebagai saintis data jika pihak berkepentingan anda tidak pernah menggunakan model anda untuk membuat keputusan perniagaan. Satu cara untuk memastikan penggunaan model adalah dengan mencari titik kesakitan perniagaan dan menunjukkan cara model itu boleh membantu.
Selepas bercakap dengan pasukan jualan kami, saya menyedari bahawa dua wakil bekerja sepenuh masa secara manual menyisir berjuta-juta pengguna dalam pangkalan data syarikat untuk mengenal pasti pengguna dengan lesen tunggal yang lebih cenderung untuk meningkatkan kepada lesen pasukan. Pemilihan menggunakan satu set kriteria, tetapi pemilihan mengambil masa yang lama kerana wakil melihat satu pengguna pada satu masa. Menggunakan model yang saya bangunkan, wakil dapat menyasarkan pengguna yang berkemungkinan besar membeli lesen pasukan dan meningkatkan kemungkinan penukaran dalam masa yang lebih singkat. Ini telah menghasilkan penggunaan masa yang lebih cekap dengan meningkatkan kadar penukaran untuk penunjuk prestasi utama yang boleh dikaitkan dengan pasukan jualan.
Beberapa tahun berlalu dan saya membangunkan model yang sama berulang kali dan merasakan bahawa saya tidak lagi mempelajari sesuatu yang baru. Saya memutuskan untuk mencari jawatan lain dan akhirnya mendapat jawatan sebagai penganalisis data. Perbezaan dalam tanggungjawab tidak mungkin lebih ketara berbanding semasa saya seorang saintis data, walaupun saya kembali menyokong pemasaran.
Ini adalah kali pertama saya menganalisis eksperimen A/B dan mendapati semua cara sesuatu eksperimen boleh menjadi salah. Sebagai seorang saintis data, saya tidak mengusahakan ujian A/B sama sekali kerana ia dikhaskan untuk pasukan eksperimen. Saya telah mengusahakan pelbagai analitik yang dipengaruhi pemasaran - daripada meningkatkan kadar penukaran premium kepada penglibatan pengguna dan pencegahan churn. Saya belajar pelbagai cara untuk melihat data dan menghabiskan banyak masa menyusun keputusan dan membentangkannya kepada pihak berkepentingan dan pengurusan kanan. Sebagai seorang saintis data, saya kebanyakannya bekerja pada satu jenis model dan jarang memberi ceramah. Maju pantas beberapa tahun kepada kemahiran yang saya pelajari untuk menjadi seorang penganalisis yang berjaya.
Kemahiran yang Saya Belajar untuk Menjadi Penganalisis Data yang Berjaya
1. Belajar bercerita dengan data
Jangan melihat KPI secara berasingan. Sambungkan mereka, lihat perniagaan secara keseluruhan. Ini akan membolehkan anda mengenal pasti kawasan yang mempengaruhi satu sama lain. Pengurusan kanan melihat perniagaan melalui lensa, dan seseorang yang menunjukkan kemahiran ini diperhatikan apabila tiba masanya untuk membuat keputusan kenaikan pangkat.
2. Menyediakan idea yang boleh dilaksanakan.
Menyediakan perniagaan idea yang berkesan untuk menyelesaikan masalah. Lebih baik lagi jika anda secara proaktif menawarkan penyelesaian apabila ia belum lagi dikatakan bahawa anda sedang menangani masalah asas.
Sebagai contoh, jika anda memberitahu pemasaran: “Saya perhatikan baru-baru ini bilangan pelawat tapak semakin berkurangan setiap bulan.”. Ini ialah trend yang mereka mungkin perasan pada papan pemuka dan anda tidak menawarkan sebarang penyelesaian yang berharga sebagai penganalisis kerana anda hanya menyatakan pemerhatian.
Sebaliknya, periksa data untuk mencari punca dan cadangkan penyelesaian. Contoh yang lebih baik untuk pemasaran ialah: “Saya perasan bahawa kami mengalami penurunan dalam bilangan pelawat ke laman web kami sejak kebelakangan ini. Saya mendapati bahawa punca masalah adalah carian organik, disebabkan perubahan terkini yang menyebabkan kedudukan carian Google kami menurun.". Pendekatan ini menunjukkan bahawa anda menjejaki KPI syarikat, melihat perubahan itu, menyiasat punca dan mencadangkan penyelesaian kepada masalah tersebut.
3. Menjadi penasihat yang dipercayai
Anda perlu menjadi orang pertama yang dituju oleh pihak berkepentingan anda untuk mendapatkan nasihat atau soalan tentang perniagaan yang anda sokong. Tiada jalan pintas kerana ia mengambil masa untuk menunjukkan kebolehan ini. Kunci kepada ini adalah secara konsisten menyampaikan analisis berkualiti tinggi dengan ralat yang minimum. Sebarang kesilapan pengiraan akan menyebabkan anda kehilangan mata kredibiliti kerana pada kali seterusnya anda memberikan analisis, orang mungkin tertanya-tanya: Jika anda salah kali terakhir, mungkin anda juga salah kali ini?. Sentiasa semak semula kerja anda. Ia juga tidak salah untuk meminta pengurus atau rakan sekerja anda melihat nombor anda sebelum mengemukakannya jika anda mempunyai sebarang keraguan tentang analisis anda.
4. Belajar untuk menyampaikan hasil yang kompleks dengan jelas.
Sekali lagi, tiada jalan pintas untuk mempelajari cara berkomunikasi dengan berkesan. Ini memerlukan latihan dan lama-kelamaan anda akan menjadi lebih baik. Kuncinya ialah mengenal pasti perkara utama yang ingin anda lakukan dan mengesyorkan sebarang tindakan yang, sebagai hasil analisis anda, pihak berkepentingan boleh ambil untuk menambah baik perniagaan. Semakin tinggi anda berada dalam sesebuah organisasi, semakin penting kemahiran komunikasi anda. Mengkomunikasikan hasil yang kompleks adalah kemahiran penting untuk ditunjukkan. Saya menghabiskan masa bertahun-tahun mempelajari rahsia kejayaan sebagai saintis data dan penganalisis data. Orang mentakrifkan kejayaan secara berbeza. Disifatkan sebagai penganalisis yang "menakjubkan" dan "bintang" adalah kejayaan di mata saya. Sekarang setelah anda mengetahui rahsia ini, saya harap laluan anda akan membawa anda kepada kejayaan dengan cepat, walau bagaimanapun anda menentukannya.
Dan untuk menjadikan laluan anda menuju kejayaan lebih pantas, simpan kod promosi HABR, yang mana anda boleh mendapatkan tambahan 10% daripada diskaun yang ditunjukkan pada sepanduk.
Lebih banyak kursus
Artikel Pilihan
Sumber: www.habr.com