有許多文章介紹了成為優秀的資料科學家或資料分析師所需的技能，但很少有文章談論成功所需的技能——無論是出色的績效評估、管理層的讚揚、晉升還是上述所有技能。 今天，我們向您呈現一份資料，作者想分享她作為資料科學家和資料分析師的個人經歷，以及她為取得成功所學到的知識。
我很幸運：當我沒有數據科學經驗時，我得到了數據科學家的職位。 我如何處理這項任務是另一回事，我想說，在接受這份工作之前，我對資料科學家的工作只有一個模糊的想法。
我受聘從事資料管道工作是因為我之前擔任資料工程師，我開發了一個資料集市，用於由一組資料科學家使用的預測分析。
我作為資料科學家的第一年涉及創建資料管道來訓練機器學習模型並將其投入生產。 我保持低調，沒有參加與作為模型最終用戶的營銷利益相關者的許多會議。
在公司工作的第二年，負責行銷的資料處理和分析經理就離職了。 從那時起，我成為了主要參與者，並且更加積極地參與開發模型和討論專案期限。
當我與利害關係人互動時，我意識到數據科學是一個模糊的概念，人們聽說過但不太理解，尤其是在高階管理層。
我製作了一百多個模型，但只有三分之一被使用，因為我不知道如何展示它們的價值，儘管這些模型主要是出於行銷目的。
我的一位團隊成員花了幾個月的時間開發了一個模型，高階管理層認為該模型可以展示資料科學團隊的價值。 這個想法是在模型開發後將其傳播到整個組織，並鼓勵行銷團隊採用它。
結果證明這是一次徹底的失敗，因為沒有人理解機器學習模型是什麼，也沒有人能理解使用它的價值。 結果，幾個月的時間都浪費在了沒人想要的事情上。
從這些情況中我學到了一些教訓，我將在下面給出。
我成為一名成功的資料科學家的經驗教訓
1. 選擇合適的公司，為自己的成功做好準備。
在公司面試時，詢問資料文化以及決策中採用和使用了多少機器學習模型。 詢問例子。 了解您的資料基礎架構是否已設定好開始建模。 如果您花費 90% 的時間嘗試提取原始資料並清理它，那麼您將幾乎沒有時間來建立任何模型來證明您作為資料科學家的價值。 如果您是第一次被聘用為資料科學家，請務必小心。 這可能是好事也可能是壞事，這取決於數據文化。 如果高階管理層僅僅因為公司希望被稱為資料科學家而聘請資料科學家，那麼您可能會在實施該模型時遇到更多阻力 使用數據科學做出更好的決策，但不知道它的實際意義。 另外，如果您找到一家數據驅動的公司，您將與它一起成長。
2. 了解數據和關鍵績效指標 (KPI)。
一開始，我提到身為資料工程師，我為資料科學家團隊創建了一個分析資料集市。 在成為資料科學家後，我能夠找到提高模型準確性的新機會，因為我在之前的職位中大量使用原始資料。
透過展示我們一項活動的結果，我能夠展示產生更高轉換率（以百分比表示）的模型，然後測量其中一項活動 KPI。 這證明了與行銷相關的業務績效模型的價值。
3. 透過向利害關係人展示模型的價值來確保模型的採用
如果您的利害關係人從不使用您的模型來做出業務決策，那麼您將永遠不會成為一名成功的資料科學家。 確保模型採用的一種方法是找到業務痛點並展示模型如何提供幫助。
與我們的銷售團隊交談後，我意識到兩名代表正在全職手動梳理公司資料庫中的數百萬用戶，以確定擁有單一授權的用戶更有可能升級到團隊授權。 選擇使用了一組標準，但選擇花了很長時間，因為代表們一次只查看一個用戶。 使用我開發的模型，銷售代表能夠定位最有可能購買團隊許可證的用戶，並在更短的時間內提高轉換的可能性。 透過提高銷售團隊可以關聯的關鍵績效指標的轉換率，可以更有效地利用時間。
幾年過去了，我一遍又一遍地開發相同的模型，感覺我不再學習任何新事物。 我決定尋找另一個職位，最終得到了數據分析師的職位。 與我擔任資料科學家時相比，職責上的差異再大不過了，儘管我又回來支持行銷了。
這是我第一次分析A/B實驗並發現 所有 實驗可能出錯的方式。 作為一名資料科學家，我根本不從事 A/B 測試，因為它是為實驗團隊保留的。 我從事過廣泛的營銷影響分析——從提高優質轉換率到用戶參與度和預防流失。 我學習了許多不同的方式來查看數據，並花了很多時間來整理結果並將其呈現給利害關係人和高階管理層。 身為資料科學家，我主要研究一種模型，很少發表演講。 快轉幾年，我學到了成為成功分析師的技能。
我為成為一名成功的數據分析師所學到的技能
1.學會用數據說故事
不要孤立地看待 KPI。 將它們聯繫起來，從整體上看待業務。 這將使您能夠確定相互影響的領域。 高階管理層會透過視角來看待業務，而在做出晉升決策時，表現出這種技能的人會受到關注。
2. 提供可行的想法。
提供業務 有效的想法 來解決問題。 如果您在尚未表明您正在處理根本問題時主動提供解決方案，那就更好了。
例如，如果您告訴行銷人員： “我注意到最近網站訪客的數量每個月都在減少。”。 他們可能在儀表板上註意到了這一趨勢，而您作為分析師沒有提供任何有價值的解決方案，因為您只陳述了觀察結果。
相反，檢查數據以找出原因並提出解決方案。 一個更好的行銷例子是： 「我注意到最近我們網站的訪客數量有所減少。 我發現問題的根源在於有機搜索，由於最近的變化導致我們的谷歌搜索排名下降。”。 這種方法表明您追蹤了公司的 KPI，注意到了變化，調查了原因，並提出了問題的解決方案。
3. 成為值得信賴的顧問
您需要成為您的利害關係人第一個向其尋求有關您支持的業務的建議或問題的人。 沒有捷徑，因為展示這些能力需要時間。 其中的關鍵是始終如一地提供高品質的分析，並儘量減少錯誤。 任何錯誤的計算都會讓你失去可信度，因為下次你提供分析時，人們可能會想知道： 如果上次你錯了，這次也許你也錯了？。 始終仔細檢查你的工作。 如果您對自己的分析有任何疑問，在呈現數據之前請您的經理或同事查看您的數據也沒什麼壞處。
4. 學習清晰地傳達複雜的結果。
再次強調，學習如何有效溝通沒有捷徑。 這需要練習，隨著時間的推移，你會變得更好。 關鍵是確定您想要做的事情的要點，並根據您的分析建議利害關係人可以採取哪些行動來改善業務。 您在組織中的職位越高，您的溝通技巧就越重要。 傳達複雜的結果是一項需要展示的重要技能。 我花了數年時間學習作為資料科學家和資料分析師的成功秘訣。 人們對成功的定義不同。 在我看來，被描述為「令人驚嘆的」和「一流的」分析師就是成功。 既然您知道了這些秘密，我希望您的道路能夠迅速引導您走向成功，無論您如何定義它。
為了讓您更快走向成功，請保留促銷代碼 哈伯，您可以獲得橫幅上所示折扣的額外 10%。
更多課程
推薦文章
來源： www.habr.com