Există multe articole despre abilitățile necesare pentru a fi un bun cercetător de date sau analist de date, dar puține articole vorbesc despre abilitățile necesare pentru a reuși – fie că este vorba despre o evaluare excepțională a performanței, laude din partea managementului, o promovare sau toate cele de mai sus. Astăzi vă prezentăm un material a cărui autoare ar dori să împărtășească experiența ei personală ca cercetător de date și analist de date, precum și ceea ce a învățat pentru a obține succesul.
Am avut noroc: mi s-a oferit postul de data scientist când nu aveam experiență în Data Science. Cum am gestionat sarcina este o poveste diferită și vreau să spun că nu aveam decât o idee vagă despre ceea ce face un cercetător de date înainte de a lua postul.
Am fost angajat să lucrez la conducte de date datorită slujbei mele anterioare ca inginer de date, unde am dezvoltat un data mart pentru analiză predictivă utilizată de un grup de oameni de știință ai datelor.
Primul meu an ca om de știință a datelor a implicat crearea conductelor de date pentru a antrena modele de învățare automată și a le pune în producție. Am păstrat un profil scăzut și nu am participat la multe întâlniri cu părțile interesate de marketing care erau utilizatorii finali ai modelelor.
În cel de-al doilea an de activitate la companie, managerul de prelucrare și analiză a datelor responsabil cu marketing a plecat. De atunci, am devenit principalul jucător și am participat mai activ la dezvoltarea modelelor și la discutarea termenelor limită ale proiectelor.
Pe măsură ce am interacționat cu părțile interesate, mi-am dat seama că Data Science este un concept vag despre care oamenii au auzit, dar nu prea înțeleg, mai ales la nivel de conducere.
Am construit peste o sută de modele, dar doar o treime dintre ele au fost folosite pentru că nu am știut să le arăt valoarea, deși modelele au fost solicitate în primul rând de marketing.
Unul dintre membrii echipei mele a petrecut luni de zile să dezvolte un model despre care managementul superior a considerat că va demonstra valoarea unei echipe de știință a datelor. Ideea a fost de a răspândi modelul în întreaga organizație odată ce acesta a fost dezvoltat și de a încuraja echipele de marketing să-l adopte.
S-a dovedit a fi un eșec total, deoarece nimeni nu a înțeles ce este un model de învățare automată și nu a putut înțelege valoarea utilizării acestuia. Drept urmare, lunile au fost irosite cu ceva ce nimeni nu și-a dorit.
Din astfel de situații am învățat anumite lecții, pe care le voi da mai jos.
Lecții pe care le-am învățat pentru a deveni un Data Scientist de succes
1. Pregătește-te pentru succes alegând compania potrivită.
Când intervieviți la o companie, întrebați despre cultura datelor și câte modele de învățare automată sunt adoptate și utilizate în luarea deciziilor. Cere exemple. Aflați dacă infrastructura dvs. de date este configurată pentru a începe modelarea. Dacă îți petreci 90% din timp încercând să extragi date brute și să le cureți, nu vei mai avea timp sau deloc pentru a construi modele care să-ți demonstreze valoarea ta ca om de știință a datelor. Fiți atenți dacă sunteți angajat ca data scientist pentru prima dată. Acesta poate fi un lucru bun sau un lucru rău, în funcție de cultura datelor. Este posibil să întâmpinați mai multă rezistență la implementarea modelului dacă managementul superior angajează un Data Scientist doar pentru că compania dorește să fie cunoscută ca folosind Data Science pentru a lua decizii mai bune, dar habar nu are ce înseamnă de fapt. În plus, dacă găsești o companie bazată pe date, vei crește odată cu ea.
2. Cunoașteți datele și indicatorii cheie de performanță (KPI).
La început, am menționat că, în calitate de inginer de date, am creat un data mart analitic pentru o echipă de oameni de știință ai datelor. Devenind eu însumi un om de știință a datelor, am reușit să găsesc noi oportunități care au sporit acuratețea modelelor, deoarece am lucrat intens cu date brute în rolul meu anterior.
Prezentând rezultatele uneia dintre campaniile noastre, am putut arăta modelele care generează rate de conversie mai mari (în procente) și apoi am măsurat unul dintre KPI-urile campaniei. Aceasta a demonstrat valoarea modelului de performanță în afaceri de care marketingul poate fi legat.
3. Asigurați adoptarea modelului prin demonstrarea valorii acestuia față de părțile interesate
Nu veți reuși niciodată ca cercetător de date dacă părțile interesate nu vă folosesc niciodată modelele pentru a lua decizii de afaceri. O modalitate de a asigura adoptarea modelului este să găsești un punct dificil de afaceri și să arăți cum te poate ajuta modelul.
După ce am vorbit cu echipa noastră de vânzări, mi-am dat seama că doi reprezentanți lucrau cu normă întreagă, cercetând manual milioanele de utilizatori din baza de date a companiei pentru a identifica utilizatorii cu licențe unice care aveau mai multe șanse să facă upgrade la licențe de echipă. Selecția a folosit un set de criterii, dar selecția a durat mult pentru că reprezentanții s-au uitat la un utilizator la un moment dat. Folosind modelul pe care l-am dezvoltat, reprezentanții au putut să vizeze utilizatorii cel mai probabil să achiziționeze o licență de echipă și să crească probabilitatea de conversie în mai puțin timp. Acest lucru a dus la o utilizare mai eficientă a timpului prin creșterea ratelor de conversie pentru indicatorii cheie de performanță la care se poate raporta echipa de vânzări.
Au trecut câțiva ani și am dezvoltat aceleași modele iar și iar și am simțit că nu mai învăț nimic nou. Am decis să caut un alt post și am ajuns să obțin un post de analist de date. Diferența de responsabilități nu ar fi putut fi mai semnificativă în comparație cu când eram data scientist, chiar dacă mă întorceam să susțin marketingul.
Aceasta a fost prima dată când am analizat experimentele A/B și am găsit toate moduri în care un experiment poate merge prost. Ca om de știință a datelor, nu am lucrat deloc la testarea A/B pentru că era rezervată echipei experimentale. Am lucrat la o gamă largă de analize cu impact de marketing - de la creșterea ratelor de conversie premium până la implicarea utilizatorilor și prevenirea abandonului. Am învățat multe moduri diferite de a privi datele și am petrecut mult timp compilând rezultatele și prezentându-le părților interesate și conducerii superioare. Ca om de știință a datelor, am lucrat în mare parte la un tip de model și rareori am ținut discursuri. Înainte cu câțiva ani până la abilitățile pe care le-am învățat pentru a fi un analist de succes.
Abilități pe care le-am învățat pentru a deveni un analist de date de succes
1. Învață să spui povești cu date
Nu priviți KPI-urile izolat. Conectați-le, priviți afacerea ca întreg. Acest lucru vă va permite să identificați zonele care se influențează reciproc. Managementul superior vede afacerea printr-o lentilă, iar o persoană care demonstrează această abilitate este remarcată atunci când vine timpul să ia decizii de promovare.
2. Oferiți idei care pot fi acționate.
Oferiți afaceri idee eficientă pentru a rezolva problema. Este și mai bine dacă oferiți în mod proactiv o soluție atunci când încă nu s-a spus că aveți de-a face cu problema de bază.
De exemplu, dacă ați spus marketing: „Am observat că recent numărul vizitatorilor site-ului a scăzut în fiecare lună.”. Aceasta este o tendință pe care poate l-au observat pe tabloul de bord și nu ai oferit nicio soluție valoroasă ca analist pentru că ai afirmat doar observația.
În schimb, examinați datele pentru a găsi cauza și a propune o soluție. Un exemplu mai bun pentru marketing ar fi: „Am observat că în ultimul timp am avut o scădere a numărului de vizitatori ai site-ului nostru. Am descoperit că sursa problemei este căutarea organică, din cauza modificărilor recente care au făcut ca clasamentele noastre în căutarea Google să scadă.”. Această abordare arată că ați urmărit KPI-urile companiei, ați observat schimbarea, ați investigat cauza și ați propus o soluție la problemă.
3. Deveniți un consilier de încredere
Trebuie să fii prima persoană la care se adresează părțile interesate pentru sfaturi sau întrebări despre afacerea pe care o susții. Nu există nicio scurtătură, deoarece este nevoie de timp pentru a demonstra aceste abilități. Cheia acestui lucru este furnizarea constantă de analize de înaltă calitate, cu erori minime. Orice calcul greșit vă va costa puncte de credibilitate, deoarece data viitoare când oferiți o analiză, oamenii se pot întreba: Dacă ai greșit data trecută, poate te înșeli și de data asta?. Verificați-vă întotdeauna munca. De asemenea, nu strica să-i ceri managerului sau colegului tău să se uite la numerele tale înainte de a le prezenta dacă ai îndoieli cu privire la analiza ta.
4. Învață să comunici clar rezultatele complexe.
Din nou, nu există nicio scurtătură pentru a învăța cum să comunici eficient. Acest lucru necesită practică și cu timpul vei deveni mai bine. Cheia este să identificați punctele principale ale a ceea ce doriți să faceți și să recomandați orice acțiuni pe care, ca urmare a analizei dvs., părțile interesate le pot întreprinde pentru a îmbunătăți afacerea. Cu cât ești mai sus într-o organizație, cu atât abilitățile tale de comunicare sunt mai importante. Comunicarea rezultatelor complexe este o abilitate importantă de demonstrat. Am petrecut ani de zile învățând secretele succesului ca om de știință și analist de date. Oamenii definesc succesul diferit. A fi descris ca un analist „uimitor” și „stelar” este succes în ochii mei. Acum că știi aceste secrete, sper că drumul tău te va conduce rapid către succes, indiferent cum îl definești.
Și pentru a vă face drumul către succes și mai rapid, păstrați codul promoțional HABR, prin care poți obține un suplimentar de 10% la reducerea indicată pe banner.
Mai multe cursuri
Articole Promovate
Sursa: www.habr.com