🥇Cum să deveniți un analist de date de succes

Există multe articole despre abilitățile necesare pentru a fi un bun data scientist sau analist de date, dar în doar câteva articole se discută despre abilitățile necesare pentru succes — fie că este vorba de evaluarea excepțională a muncii, lauda din partea conducerii, promovări sau toate cele menționate. Astăzi vă prezentăm un material al cărui autor ar dori să împărtășească experiența sa personală de lucru ca data scientist și analist de date, precum și ceea ce a învățat pentru a atinge succesul.

Am avut noroc: mi s-a oferit o poziție de data scientist când nu aveam nicio experiență în Data Science. Cum am gestionat această sarcină este o altă poveste, și vreau să spun că aveam doar o idee vagă despre ceea ce face un data scientist până când am acceptat această muncă.

Am fost angajată pentru a lucra la crearea de data pipelines datorită lucrării mele anterioare ca inginer de procesare a datelor, unde am dezvoltat un data warehouse pentru analize predictive, folosit de un grup de data scientists.

Primul meu an de muncă ca data scientist a inclus crearea de data pipelines pentru antrenarea modelelor de învățare automată și implementarea acestora în producție. Am rămas în umbră și nu am participat la multe întâlniri cu părțile interesate din marketing, care erau utilizatorii finali ai modelurilor.

În al doilea an al activității mele în companie, managerul de procesare și analiză a datelor responsabil de marketing a plecat. De atunci, am devenit persoana principală și am participat mai activ la dezvoltarea modelurilor și discutarea termenilor de livrare a proiectelor.

Pe măsură ce am interacționat cu părțile interesate, am realizat că Data Science este un concept vag, despre care oamenii au auzit, dar nu îl înțeleg complet, mai ales când vine vorba de conducerea superioară.

Am construit peste o sută de modele, dar doar o treime dintre ele au fost utilizate, deoarece nu știam cum să le arăt valoarea, în ciuda faptului că modelele au fost solicitate în primul rând de marketing.

Unul dintre membrii echipei mele a petrecut luni întregi dezvoltând un model care, conform conducerii superioare, ar demonstra valoarea echipei de data science. Ideea a fost de a extinde acest model în întreaga organizație după ce a fost dezvoltat și de a încuraja echipele de marketing să-l aplice.

Acest lucru s-a transformat într-un eșec total, deoarece nimeni nu înțelegea ce este un model de învățare automată și nu putea înțelege valoarea aplicării acestuia. În cele din urmă, lunile au fost irosite pe ceva ce nimeni nu și-a dorit.

Din astfel de situații am desprins anumite lecții, pe care le voi prezenta mai jos.

Lecțiile pe care le-am învățat pentru a deveni un data scientist de succes

1. Pregătește-te pentru succes alegând compania potrivită.
În timpul interviului cu compania, întreabă despre cultura datelor și despre câte modele de învățare automată sunt acceptate și utilizate în procesul decizional. Cere exemple. Verifică dacă infrastructura de date este pregătită pentru a începe modelarea. Dacă îți vei petrece 90% din timp încercând să extragi datele brute și să le curăți, nu vei avea aproape deloc timp pentru a construi vreun model pentru a-ți demonstra valoarea ca data scientist. Fii atent dacă ești angajat ca data scientist pentru prima dată. Poate fi bine sau rău, în funcție de cultura datelor. Poți întâmpina o mare rezistență la implementarea modelului, dacă conducerea superioară angajează un specialist în Data Science doar pentru că compania vrea să fie cunoscută ca făcând utilizare de Data Science pentru a lua cele mai bune decizii, dar nu are idee ce înseamnă cu adevărat. În plus, dacă găsești o companie care este condusă de date (data driven), vei crește împreună cu ea.

2. Cunoaște datele și indicatorii cheie de performanță (KPI).
La început am menționat că, fiind inginer de procesare a datelor, am creat un tablou de bord analitic pentru echipa de data science. Fiind acum data scientist, am reușit să găsesc noi oportunități care au crescut acuratețea modelelor, deoarece am lucrat intens cu datele brute în rolul anterior.

Prezentând rezultatele uneia dintre campaniile noastre, am putut demonstra modele care generează coeficiente de conversie (procentual), după care a fost măsurată una dintre campaniile KPI. Acest lucru a evidențiat valoarea modelului pentru eficiența afacerii, corelată cu marketingul.

3. Asigurați acceptarea modelului arătându-i valoarea părților interesate
Nu veți avea succes ca specialist în Data Science dacă părțile interesate nu vor aplica niciodată modelele dvs. pentru a lua decizii de afaceri. O modalitate de a asigura acceptarea modelului este să identificați o durere de afaceri și să arătați cum poate ajuta modelul.

După o discuție cu departamentul nostru de vânzări, am realizat că doi reprezentanți lucrează full-time, căutând manual milioane de utilizatori în baza de date a companiei pentru a identifica utilizatorii cu licențe unice, care au o probabilitate mai mare de a trece la licențe de echipă. Au fost aplicate un set de criterii pentru selecție, dar procesul dura mult timp, deoarece reprezentanții analizau câte un utilizator pe rând. Cu ajutorul modelului dezvoltat de mine, reprezentanții au putut selecta utilizatorii cu cea mai mare probabilitate de a cumpăra o licență de echipă și să crească șansele de conversie în mai puțin timp. Acest lucru a dus la o utilizare mai eficientă a timpului prin creșterea coeficientului de conversie pentru indicatorii cheie de performanță la care poate avea legătură departamentul de vânzări.

Au trecut câțiva ani și am dezvoltat în mod repetat aceleași modele, simțind că nu mai învăț nimic nou. Am decis să caut o altă poziție și în cele din urmă am obținut o poziție de analist de date. Diferența în responsabilități nu ar fi putut fi mai semnificativă comparativ cu perioada în care eram data scientist, chiar și atunci când susțineam din nou marketingul.

A fost prima dată când am analizat experimentele A/B și am descoperit tot Modalitățile prin care experimentul poate să nu decurgă așa cum ar trebui. Ca data scientist, nu am lucrat deloc cu testele A/B, deoarece acestea erau rezervate echipei de experimentare. Am lucrat pe o gamă largă de studii analitice influențate de marketing — de la creșterea ratei de conversie premium până la implicarea utilizatorilor și prevenirea abandonului. Am învățat multe modalități diferite de a vizualiza datele și am petrecut mult timp compilând rezultatele, prezentându-le părților interesate și conducerii superioare. Ca data scientist, am lucrat în principal la un tip de model și rar am susținut prezentări. Săriți câțiva ani înainte și să trecem la abilitățile pe care le-am învățat pentru a fi un analist de succes.

Abilitățile pe care le-am învățat pentru a deveni un analist de date de succes

1. Învață să spui povești cu ajutorul datelor
Nu privi KPI-urile de una singură. Conectează-le, privește afacerea ca un întreg. Acest lucru va ajuta la identificarea domeniilor care se influențează reciproc. Conducerea superioară privește afacerea printr-o prismă, iar persoana care demonstrează această abilitate va fi observată atunci când vine vremea deciziei de promovare.

2. Oferă idei acționabile
Oferă afacerii o idee acționabilă pentru a soluționa o problemă. Și mai bine, dacă propui proactiv o soluție înainte de a fi spus că te ocupi de o problemă prioritară.

De exemplu, dacă ai spune echipei de marketing: „Am observat că, în ultima vreme, numărul vizitatorilor pe site scade lunar”. Aceasta este o tendință pe care ei ar putea să o fi observat pe tablou și nu ai adus nicio soluție valoroasă ca analist, pentru că doar ai făcut o observație.

În schimb, analizează datele pentru a găsi cauza și propune o soluție. Cel mai bun exemplu pentru echipa de marketing ar fi: „Am observat că, în ultima vreme, avem o scădere a numărului de vizitatori pe site-ul nostru. Am descoperit că sursa problemei este căutarea organică, din cauza unor modificări recente care au dus la scăderea clasării noastre în căutările Google”. Această abordare arată că ai urmărit KPI-urile companiei, ai observat o schimbare, ai cercetat cauza și ai propus o soluție pentru problemă.

3. Devino un consilier de încredere
Trebuie să deveniți prima persoană la care părțile interesate apelează pentru recomandări sau întrebări cu privire la domeniul dumneavoastră de activitate. Nu există o cale scurtă, deoarece demonstrând aceste abilități este nevoie de timp. Cheia este furnizarea constantă de analize de înaltă calitate, cu un minim de erori. Orice greșeală în calcule vă va costa puncte de încredere, deoarece data viitoare când veți oferi o analiză, oamenii se vor putea întreba: Dacă ați greșit data trecută, poate că greșiți și acum?. Verificați întotdeauna munca dumneavoastră de două ori. De asemenea, nu ar strica să cereți managerului dumneavoastră sau unui coleg să se uite la cifrele dumneavoastră înainte de a le prezenta, dacă aveți vreo îndoială cu privire la analiza dumneavoastră.

4. Învățați să transmiteți clar rezultate complexe
Din nou, nu există o cale scurtă pentru a învăța comunicarea eficientă. Aceasta necesită practică, iar în timp veți deveni mai bun în acest domeniu. Principalul lucru este să identificați aspectele esențiale ale a ceea ce doriți să faceți și să recomandați orice acțiuni pe care, ca rezultat al analizei dumneavoastră, părțile interesate le pot întreprinde pentru a îmbunătăți afacerea. Cu cât urcați mai sus pe scara profesională în organizație, cu atât mai important devine abilități de comunicare. Transmiterea rezultatelor complexe este o abilitate importantă pe care trebuie să o demonstrați. Am petrecut ani studiind secretele succesului ca data scientist și analist de date. Oamenii definesc succesul în mod diferit. A obține titluri precum „formidabil” și „analist de top” este succesul în ochii mei. Acum, când cunoașteți aceste secrete, sper că drumul dumneavoastră vă va duce mai repede la succes, indiferent de cum îl definiți.

Și pentru ca drumul dumneavoastră spre succes să fie și mai rapid, folosiți codul promoțional HABR, prin care puteți obține o reducere suplimentară de 10% la discountul menționat pe banner.