有很多文章介绍了成为一名优秀的数据科学家或数据分析师所需的技能，但很少有文章谈论成功所需的技能——无论是出色的绩效评估、管理层的赞扬、晋升还是上述所有技能。 今天，我们向您呈现一份材料，作者想分享她作为数据科学家和数据分析师的个人经历，以及她为取得成功所学到的知识。
我很幸运：当我没有数据科学经验时，我得到了数据科学家的职位。 我如何处理这项任务是另一回事，我想说，在接受这份工作之前，我对数据科学家的工作只有一个模糊的想法。
我受聘从事数据管道工作是因为我之前担任数据工程师，我开发了一个数据集市，用于由一组数据科学家使用的预测分析。
我作为数据科学家的第一年涉及创建数据管道来训练机器学习模型并将其投入生产。 我保持低调，没有参加与作为模型最终用户的营销利益相关者的许多会议。
在公司工作的第二年，负责营销的数据处理和分析经理就离职了。 从那时起，我成为了主要参与者，更加积极地参与开发模型和讨论项目期限。
当我与利益相关者互动时，我意识到数据科学是一个模糊的概念，人们听说过但不太理解，尤其是在高级管理层。
我制作了一百多个模型，但只有三分之一被使用，因为我不知道如何展示它们的价值，尽管这些模型主要是出于营销目的。
我的一位团队成员花了几个月的时间开发了一个模型，高级管理层认为该模型可以展示数据科学团队的价值。 这个想法是在模型开发后将其传播到整个组织，并鼓励营销团队采用它。
结果证明这是一次彻底的失败，因为没有人理解机器学习模型是什么，也没有人能够理解使用它的价值。 结果，几个月的时间都浪费在了没人想要的事情上。
从这些情况中我学到了一些教训，我将在下面给出。
我成为一名成功的数据科学家的经验教训
1. 选择合适的公司，为自己的成功做好准备。
在公司面试时，询问数据文化以及决策中采用和使用了多少机器学习模型。 询问例子。 了解您的数据基础设施是否已设置好开始建模。 如果您花费 90% 的时间尝试提取原始数据并清理它，那么您将几乎没有时间来构建任何模型来证明您作为数据科学家的价值。 如果您是第一次被聘用为数据科学家，请务必小心。 这可能是好事也可能是坏事，具体取决于数据文化。 如果高级管理层仅仅因为公司希望被称为数据科学家而聘请数据科学家，那么您可能会在实施该模型时遇到更多阻力 使用数据科学做出更好的决策，但不知道它的实际含义。 另外，如果您找到一家数据驱动的公司，您将与它一起成长。
2. 了解数据和关键绩效指标 (KPI)。
一开始，我提到作为一名数据工程师，我为数据科学家团队创建了一个分析数据集市。 在成为一名数据科学家后，我能够找到提高模型准确性的新机会，因为我在之前的职位中大量使用原始数据。
通过展示我们一项活动的结果，我能够展示产生更高转化率（以百分比表示）的模型，然后测量其中一项活动 KPI。 这证明了与营销相关的业务绩效模型的价值。
3. 通过向利益相关者展示模型的价值来确保模型的采用
如果您的利益相关者从不使用您的模型来做出业务决策，那么您将永远不会成为一名成功的数据科学家。 确保模型采用的一种方法是找到业务痛点并展示模型如何提供帮助。
与我们的销售团队交谈后，我意识到两名代表正在全职手动梳理公司数据库中的数百万用户，以确定拥有单一许可证的用户更有可能升级到团队许可证。 选择使用了一组标准，但选择花费了很长时间，因为代表们一次只查看一个用户。 使用我开发的模型，销售代表能够定位最有可能购买团队许可证的用户，并在更短的时间内提高转化的可能性。 通过提高销售团队可以关联的关键绩效指标的转化率，可以更有效地利用时间。
几年过去了，我一遍又一遍地开发相同的模型，感觉我不再学习任何新东西。 我决定寻找另一个职位，最终得到了数据分析师的职位。 与我担任数据科学家时相比，职责上的差异再大不过了，尽管我又回来支持营销了。
这是我第一次分析A/B实验并发现 所有 实验可能出错的方式。 作为一名数据科学家，我根本不从事 A/B 测试，因为它是为实验团队保留的。 我从事过广泛的营销影响分析——从提高优质转化率到用户参与度和预防流失。 我学习了许多不同的方式来查看数据，并花了很多时间来整理结果并将其呈现给利益相关者和高级管理层。 作为一名数据科学家，我主要研究一种模型，很少发表演讲。 快进几年，我学到了成为一名成功分析师的技能。
我为成为一名成功的数据分析师而学到的技能
1.学会用数据讲故事
不要孤立地看待 KPI。 将它们联系起来，从整体上看待业务。 这将使您能够确定相互影响的领域。 高级管理层会通过视角来看待业务，而在做出晋升决策时，表现出这种技能的人会受到关注。
2. 提供可行的想法。
提供业务 有效的想法 来解决问题。 如果您在尚未表明您正在处理根本问题时主动提供解决方案，那就更好了。
例如，如果您告诉营销人员： “我注意到最近网站访问者的数量每个月都在减少。”。 他们可能在仪表板上注意到了这一趋势，而您作为分析师没有提供任何有价值的解决方案，因为您只陈述了观察结果。
相反，检查数据以找出原因并提出解决方案。 一个更好的营销例子是： “我注意到最近我们网站的访问者数量有所减少。 我发现问题的根源在于有机搜索，由于最近的变化导致我们的谷歌搜索排名下降。”。 这种方法表明您跟踪了公司的 KPI，注意到了变化，调查了原因，并提出了问题的解决方案。
3. 成为值得信赖的顾问
您需要成为您的利益相关者第一个向其寻求有关您支持的业务的建议或问题的人。 没有捷径，因为展示这些能力需要时间。 其中的关键是始终如一地提供高质量的分析，并尽量减少错误。 任何错误的计算都会让你失去可信度，因为下次你提供分析时，人们可能会想知道： 如果上次你错了，这次也许你也错了？。 始终仔细检查你的工作。 如果您对自己的分析有任何疑问，在呈现数据之前请您的经理或同事查看您的数据也没什么坏处。
4. 学会清晰地传达复杂的结果。
再次强调，学习如何有效沟通没有捷径。 这需要练习，随着时间的推移，你会变得更好。 关键是确定您想要做的事情的要点，并根据您的分析建议利益相关者可以采取哪些行动来改进业务。 您在组织中的职位越高，您的沟通技巧就越重要。 传达复杂的结果是一项需要展示的重要技能。 我花了数年时间学习作为数据科学家和数据分析师的成功秘诀。 人们对成功的定义不同。 在我看来，被描述为“令人惊叹的”和“一流的”分析师就是成功。 既然您知道了这些秘密，我希望您的道路能够迅速引导您走向成功，无论您如何定义它。
为了让您更快地走向成功，请保留促销代码 哈勃，您可以获得横幅上所示折扣的额外 10%。
更多课程
推荐文章
来源： habr.com