कसरी एक सफल डाटा वैज्ञानिक र डाटा विश्लेषक बन्न

राम्रो डेटा वैज्ञानिक वा डेटा विश्लेषक हुन आवश्यक पर्ने सीपहरूको बारेमा धेरै लेखहरू छन्, तर केही लेखहरू सफल हुनका लागि आवश्यक सीपहरूको बारेमा कुरा गर्छन् - यो एक असाधारण कार्यसम्पादन समीक्षा, व्यवस्थापनबाट प्रशंसा, पदोन्नति, वा माथिका सबै हो। आज हामी तपाइँलाई एक सामग्री प्रस्तुत गर्दछौं जसको लेखक डेटा वैज्ञानिक र डेटा विश्लेषकको रूपमा आफ्नो व्यक्तिगत अनुभव साझा गर्न चाहन्छन्, साथै उनले सफलता हासिल गर्न के सिकेका छन्।

म भाग्यमानी थिएँ: मलाई डाटा वैज्ञानिकको पद प्रस्ताव गरिएको थियो जब मसँग डाटा विज्ञानमा कुनै अनुभव थिएन। मैले कार्य कसरी ह्यान्डल गरें त्यो फरक कथा हो, र म भन्न चाहन्छु कि मैले काम लिनु अघि डाटा वैज्ञानिकले के गर्छ भन्ने अस्पष्ट विचार मात्र थियो।

डेटा इन्जिनियरको रूपमा मेरो अघिल्लो कामको कारणले मलाई डेटा पाइपलाइनहरूमा काम गर्न नियुक्त गरिएको थियो, जहाँ मैले डेटा वैज्ञानिकहरूको समूहद्वारा प्रयोग गरिने भविष्यवाणी गर्ने विश्लेषणका लागि डेटा मार्टको विकास गरें।

डाटा वैज्ञानिकको रूपमा मेरो पहिलो वर्ष मेसिन लर्निङ मोडेलहरूलाई तालिम दिन र उत्पादनमा राख्नको लागि डाटा पाइपलाइनहरू सिर्जना गर्न समावेश थियो। मैले कम प्रोफाइल राखें र मोडेलका अन्तिम प्रयोगकर्ताहरू भएका मार्केटिङ सरोकारवालाहरूसँग धेरै बैठकहरूमा भाग लिइन।

कम्पनीमा मेरो कामको दोस्रो वर्षमा, मार्केटिङको लागि जिम्मेवार डाटा प्रोसेसिंग र विश्लेषण प्रबन्धक छोडियो। त्यसबेलादेखि, म मुख्य खेलाडी भएँ र मोडेलहरू विकास गर्न र परियोजनाको समयसीमा छलफल गर्न थप सक्रिय भाग लिएँ।

मैले सरोकारवालाहरूसँग अन्तरक्रिया गर्दा, मैले बुझें कि डेटा विज्ञान एउटा अस्पष्ट अवधारणा हो जसको बारेमा मानिसहरूले सुनेका छन् तर राम्ररी बुझ्दैनन्, विशेष गरी वरिष्ठ व्यवस्थापन स्तरहरूमा।

मैले एक सय भन्दा बढी मोडेलहरू निर्माण गरें, तर ती मध्ये एक तिहाइ मात्र प्रयोग गरियो किनभने मलाई उनीहरूको मूल्य कसरी देखाउने भनेर थाहा थिएन, यद्यपि मोडेलहरू मुख्य रूपमा मार्केटिङद्वारा अनुरोध गरिएको थियो।

मेरो टोलीका एक सदस्यले एक मोडेल विकास गर्न महिनौं बिताए जुन वरिष्ठ व्यवस्थापनले डेटा विज्ञान टोलीको मूल्य प्रदर्शन गर्नेछ। यो विचार एक पटक संगठन भर मा मोडेल फैलाउन को लागी एक पटक यो विकसित गरीएको थियो र मार्केटिंग टोलीहरुलाई यसलाई अपनाउन प्रोत्साहित गर्न को लागी थियो।

मेसिन लर्निङ मोडेल के हो भनेर कसैले बुझेन वा यसको प्रयोगको महत्त्व बुझ्न सकेन किनभने यो पूर्ण रूपमा असफल भयो। फलस्वरूप, कसैले नचाहेको कुरामा महिनाहरू खेर गयो।

यस्तो अवस्थाबाट मैले केही पाठ सिकेको छु, जसलाई म तल दिनेछु।

मैले एक सफल डाटा वैज्ञानिक बन्न सिकेका पाठहरू

1. सही कम्पनी छनौट गरेर सफलताको लागि आफैलाई सेट अप गर्नुहोस्।
कुनै कम्पनीमा अन्तर्वार्ता लिँदा, डाटा कल्चर र कतिवटा मेसिन लर्निङ मोडेलहरू अपनाईन्छ र निर्णय लिने क्रममा प्रयोग गरिन्छ भनेर सोध्नुहोस्। उदाहरणहरूको लागि सोध्नुहोस्। पत्ता लगाउनुहोस् कि यदि तपाइँको डेटा पूर्वाधार मोडेलिङ सुरु गर्न सेट अप गरिएको छ। यदि तपाइँ कच्चा डाटा तान्न र सफा गर्न को लागी आफ्नो 90% समय खर्च गर्नुहुन्छ भने, तपाइँसँग डेटा वैज्ञानिकको रूपमा तपाइँको मूल्य प्रदर्शन गर्न कुनै मोडेलहरू निर्माण गर्न थोरै समय बाँकी हुनेछ। यदि तपाइँ पहिलो पटक डेटा वैज्ञानिकको रूपमा काममा हुनुहुन्छ भने सावधान रहनुहोस्। डाटा संस्कृतिमा निर्भर गर्दै यो राम्रो वा नराम्रो कुरा हुन सक्छ। तपाईले मोडेल लागू गर्न थप प्रतिरोध सामना गर्न सक्नुहुन्छ यदि वरिष्ठ व्यवस्थापनले डाटा वैज्ञानिकलाई काममा राख्छ किनभने कम्पनीले चिनिन्छ। राम्रो निर्णय गर्न डेटा विज्ञान प्रयोग गर्दैतर वास्तवमा यसको अर्थ के हो भन्ने थाहा छैन। साथै, यदि तपाईंले डाटा संचालित कम्पनी फेला पार्नुभयो भने, तपाईं यसको साथ बढ्नुहुनेछ।

2. डाटा र प्रमुख कार्यसम्पादन सूचकहरू (KPIs) जान्नुहोस्।
सुरुमा, मैले उल्लेख गरें कि डाटा इन्जिनियरको रूपमा, मैले डाटा वैज्ञानिकहरूको टोलीको लागि विश्लेषणात्मक डाटा मार्ट सिर्जना गरें। आफैं एक डेटा वैज्ञानिक बनेपछि, मैले नयाँ अवसरहरू फेला पार्न सक्षम भएँ जसले मोडेलहरूको शुद्धता बढायो किनभने मैले मेरो अघिल्लो भूमिकामा कच्चा डाटाको साथ गहन रूपमा काम गरें।

हाम्रो एउटा अभियानको नतिजा प्रस्तुत गरेर, मैले उच्च रूपान्तरण दर (प्रतिशतको रूपमा) उत्पन्न गर्ने मोडेलहरू देखाउन सक्षम भएँ र त्यसपछि अभियान KPI हरू मध्ये एउटा मापन गरें। यसले व्यापार प्रदर्शनको लागि मोडेलको मूल्य प्रदर्शन गर्‍यो जसमा मार्केटिङ लिङ्क गर्न सकिन्छ।

3. सरोकारवालाहरूलाई यसको मूल्य प्रदर्शन गरेर मोडेलको अवलम्बन सुनिश्चित गर्नुहोस्
यदि तपाईंका सरोकारवालाहरूले व्यापारिक निर्णयहरू गर्नका लागि तपाईंको मोडेलहरू प्रयोग गर्दैनन् भने तपाईं डेटा वैज्ञानिकको रूपमा कहिल्यै सफल हुनुहुनेछैन। मोडेल अपनाउने सुनिश्चित गर्ने एउटा तरिका भनेको व्यवसायको पीडा पोइन्ट फेला पार्नु र मोडेलले कसरी मद्दत गर्न सक्छ भनेर देखाउनु हो।

हाम्रो बिक्री टोलीसँग कुरा गरेपछि, मैले महसुस गरें कि दुई प्रतिनिधिहरूले एकल इजाजतपत्र भएका प्रयोगकर्ताहरू पहिचान गर्न कम्पनीको डाटाबेसमा लाखौं प्रयोगकर्ताहरू म्यानुअल रूपमा कम्बिङ्ग गरी टोली इजाजतपत्रहरूमा स्तरवृद्धि हुने सम्भावना बढी रहेको महसुस गरे। चयनले मापदण्डको सेट प्रयोग गर्‍यो, तर छनोटमा धेरै समय लाग्यो किनभने प्रतिनिधिहरूले एक पटकमा एक प्रयोगकर्तालाई हेरे। मैले विकसित गरेको मोडेल प्रयोग गरेर, प्रतिनिधिहरूले टोली इजाजतपत्र खरिद गर्ने र कम समयमा रूपान्तरणको सम्भावना बढाउने सम्भावना भएका प्रयोगकर्ताहरूलाई लक्षित गर्न सक्षम थिए। यसले बिक्री टोलीसँग सम्बन्धित हुन सक्ने प्रमुख कार्यसम्पादन सूचकहरूको लागि रूपान्तरण दरहरू बढाएर समयको अधिक कुशल प्रयोगको परिणाम भएको छ।

धेरै वर्ष बित्यो र मैले उही मोडेलहरू बारम्बार विकास गरें र महसुस गरें कि मैले अब कुनै नयाँ कुरा सिकिरहेको छैन। मैले अर्को स्थिति खोज्ने निर्णय गरे र डेटा विश्लेषकको रूपमा स्थिति प्राप्त गरें। म डेटा वैज्ञानिक हुँदाको तुलनामा जिम्मेवारीहरूमा भिन्नता धेरै महत्त्वपूर्ण हुन सकेन, यद्यपि म मार्केटिङलाई समर्थन गर्दै थिएँ।

यो पहिलो पटक थियो कि मैले A/B प्रयोगहरू विश्लेषण गरें र फेला पारे सबै तरिकाहरू जसमा एक प्रयोग गलत हुन सक्छ। डेटा वैज्ञानिकको रूपमा, मैले A/B परीक्षणमा काम गरिन किनभने यो प्रयोगात्मक टोलीको लागि आरक्षित थियो। मैले मार्केटिङ-प्रभावित एनालिटिक्सको विस्तृत दायरामा काम गरेको छु - प्रिमियम रूपान्तरण दरहरू बढाउनदेखि प्रयोगकर्ता संलग्नता र मथन रोकथामसम्म। मैले डेटा हेर्ने विभिन्न तरिकाहरू सिकें र परिणामहरू संकलन गर्न र सरोकारवालाहरू र वरिष्ठ व्यवस्थापनहरूलाई प्रस्तुत गर्न धेरै समय खर्च गरें। एक डेटा वैज्ञानिकको रूपमा, मैले प्राय: एक प्रकारको मोडेलमा काम गरें र विरलै वार्तालाप दिएँ। मैले सफल विश्लेषक बन्न सिकेका सीपहरूलाई केही वर्ष अगाडि बढाउनुहोस्।

मैले एक सफल डाटा विश्लेषक बन्न सिकेको सीपहरू

1. डेटा संग कथाहरू भन्न सिक्नुहोस्
KPIs लाई एकान्तमा नहेर्नुहोस्। तिनीहरूलाई जडान गर्नुहोस्, समग्र रूपमा व्यापार हेर्नुहोस्। यसले तपाईंलाई एकअर्कालाई प्रभाव पार्ने क्षेत्रहरू पहिचान गर्न अनुमति दिनेछ। वरिष्ठ व्यवस्थापनले लेन्स मार्फत व्यवसायलाई हेर्छ, र यो सीप प्रदर्शन गर्ने व्यक्तिलाई पदोन्नति निर्णयहरू लिने समय आउँदा ध्यान दिइन्छ।

2. कार्ययोग्य विचारहरू प्रदान गर्नुहोस्।
व्यापार प्रदान गर्नुहोस् प्रभावकारी विचार समस्या समाधान गर्न। यो अझ राम्रो छ यदि तपाइँ सक्रिय रूपमा समाधान प्रस्ताव गर्नुहुन्छ जब यो अझै भनिएको छैन कि तपाइँ अन्तर्निहित समस्या संग व्यवहार गर्दै हुनुहुन्छ।

उदाहरणका लागि, यदि तपाईंले मार्केटिङ भन्नुभयो भने: "मैले याद गरें कि भर्खरै साइट आगन्तुकहरूको संख्या हरेक महिना घट्दै गएको छ।"। यो एक प्रवृति हो जुन उनीहरूले ड्यासबोर्डमा देखेका हुन सक्छन् र तपाईंले विश्लेषकको रूपमा कुनै मूल्यवान समाधान प्रस्ताव गर्नुभएन किनभने तपाईंले केवल अवलोकन मात्र बताउनुभयो।

यसको सट्टा, कारण पत्ता लगाउन डेटा जाँच गर्नुहोस् र समाधान प्रस्ताव गर्नुहोस्। मार्केटिंग को लागी एक राम्रो उदाहरण हुनेछ: “मैले देखेको छु कि हाम्रो वेबसाइटमा हालैका आगन्तुकहरूको संख्यामा कमी आएको छ। मैले पत्ता लगाए कि समस्याको स्रोत अर्गानिक खोज हो, हालसालैका परिवर्तनहरूले गर्दा हाम्रो गुगल खोज रैंकिंग घटेको छ।"। यो दृष्टिकोणले देखाउँछ कि तपाईंले कम्पनीको KPIs ट्र्याक गर्नुभयो, परिवर्तन देख्नुभयो, कारणको अनुसन्धान गर्नुभयो, र समस्याको समाधान प्रस्ताव गर्नुभयो।

3. एक विश्वसनीय सल्लाहकार बन्नुहोस्
तपाईंले समर्थन गर्ने व्यवसायको बारेमा सल्लाह वा प्रश्नहरूको लागि तपाईंका सरोकारवालाहरू फर्कने पहिलो व्यक्ति तपाईं हुन आवश्यक छ। त्यहाँ कुनै सर्टकट छैन किनभने यी क्षमताहरू प्रदर्शन गर्न समय लाग्छ। यसको कुञ्जी भनेको न्यूनतम त्रुटिहरूको साथ लगातार उच्च-गुणस्तरको विश्लेषण प्रदान गर्नु हो। कुनै पनि गलत गणनाले तपाईलाई विश्वसनीयता बिन्दुहरू खर्च गर्नेछ किनभने अर्को पटक तपाईले विश्लेषण प्रदान गर्दा, मानिसहरूले सोच्न सक्छन्: यदि तपाईं अघिल्लो पटक गलत हुनुहुन्थ्यो भने, सायद तपाईं यस पटक पनि गलत हुनुहुन्छ?। सधैं आफ्नो काम दोहोरो जाँच गर्नुहोस्। यदि तपाइँलाई तपाइँको विश्लेषणको बारेमा कुनै शङ्का छ भने तपाइँको प्रबन्धक वा सहकर्मीलाई तपाइँको नम्बरहरू प्रस्तुत गर्नु अघि हेर्नको लागि सोध्नु पनि दुख्दैन।

4. जटिल परिणामहरू स्पष्ट रूपमा सञ्चार गर्न सिक्नुहोस्।
फेरि, प्रभावकारी रूपमा सञ्चार कसरी गर्ने भनेर सिक्नको लागि कुनै सर्टकट छैन। यो अभ्यास लिन्छ र समय संग तपाईं यसमा राम्रो हुनेछ। कुञ्जी भनेको तपाईले गर्न चाहनु भएको मुख्य बुँदाहरू पहिचान गर्नु हो र तपाईको विश्लेषणको परिणामस्वरूप, सरोकारवालाहरूले व्यवसाय सुधार गर्न लिन सक्ने कुनै पनि कार्यहरू सिफारिस गर्नु हो। तपाईं संस्थामा जति माथि हुनुहुन्छ, त्यति नै महत्त्वपूर्ण तपाईंको सञ्चार कौशल हुन्छ। जटिल परिणामहरू सञ्चार गर्न प्रदर्शन गर्न महत्त्वपूर्ण कौशल हो। मैले डेटा वैज्ञानिक र डेटा विश्लेषकको रूपमा सफलताको रहस्य सिक्न वर्षौं बिताएँ। मानिसहरूले सफलतालाई फरक रूपमा परिभाषित गर्छन्। एक "अद्भुत" र "तारकीय" विश्लेषकको रूपमा वर्णन गर्न मेरो नजरमा सफलता हो। अब जब तपाइँ यी रहस्यहरू जान्नुहुन्छ, म आशा गर्दछु कि तपाइँको मार्गले तपाइँलाई छिट्टै सफलतामा लैजान्छ, यद्यपि तपाइँ यसलाई परिभाषित गर्नुहुन्छ।

र सफलताको लागि आफ्नो मार्ग अझ छिटो बनाउन, प्रोमो कोड राख्नुहोस् HABR, जसद्वारा तपाइँ ब्यानरमा संकेत गरिएको छुटमा थप १०% प्राप्त गर्न सक्नुहुन्छ।

• डाटा विज्ञान अनलाइन बुटक्याम्प
• स्क्र्याचबाट डाटा विश्लेषकको पेशालाई प्रशिक्षण दिँदै
• डाटा एनालिटिक्स अनलाइन बुटक्याम्प
• स्क्र्याच देखि डाटा विज्ञान को पेशा अध्यापन
• वेब विकास पाठ्यक्रम को लागी पाइथन

थप पाठ्यक्रमहरू

• डाटा एनालिटिक्स कोर्स
• DevOps पाठ्यक्रम
• पेशा वेब विकासकर्ता
• स्क्र्याच देखि पेशा iOS विकासकर्ता
• स्क्र्याचबाट पेशा एन्ड्रोइड विकासकर्ता
• स्क्र्याचबाट जाभा विकासकर्ता पेशा
• जाभास्क्रिप्ट पाठ्यक्रम
• मेसिन लर्निङ कोर्स
• पाठ्यक्रम "डेटा विज्ञानका लागि गणित र मेसिन लर्निङ"
• उन्नत पाठ्यक्रम "मेसिन लर्निङ प्रो + डीप लर्निङ"

विशेष लेखहरू

• अनलाइन पाठ्यक्रमहरू बिना डाटा वैज्ञानिक कसरी बन्ने
• 450 नि: शुल्क आइवी लीग पाठ्यक्रमहरू
• लगातार ९ महिनासम्म हप्ताको ५ दिन मेसिन लर्निङ कसरी अध्ययन गर्ने
• डेटा विश्लेषकले कति कमाउँछन्: 2020 मा रूस र विदेशमा तलब र रिक्त पदहरूको एक सिंहावलोकन
• खनन उद्योगमा मेशिन लर्निङ र कम्प्युटर भिजन

स्रोत: www.habr.com