数据科学家的主要成功因素
来源:CPDA数据分析师网 / 作者:数据君 / 时间:2021-07-12
调成功的分析团队遵循的三个指导原则:早开始、慢慢来和完全投入
在组织中创建新的分析单元时创建明确的目标和目的的重要性 ,非常适合负责构建和领导成功的分析团队的高管、经理、团队领导和其他业务, 对于寻求更好地了解他们的个人努力如何融入团队整体的数据科学家和分析师来说,它也是不可或缺的资源结果。
数据科学家的主要成功因素
技术能力,尤其是内在的技术直觉,是分析从业者的赌注,当手指放在键盘上时,分析团队的工作就完成了,从初级的分析师到职能部门的领导,每个团队成员都需要熟悉实践、工具、语言,并终熟悉应用数据科学理论解决业务问题。然而,这种理论和技术方面需要与价值创造的本能驱动相平衡,而不仅仅是为了技术而技术,沿着发展的另一个轴心,团队成员需要在努力承担更高管理责任的人和对工作本身感到非常满意的人之间取得平衡,选择对这个领域和他们的个人发展充满热情同时仍然致力于继续担任该职位的个人对于团队的稳定性和长期项目的成功交付非常重要,一般来说成功是在技术与业务、高驱动力与核心贡献者之间取得适当平衡的问题。
成功的数据科学家的特征可能因组织而异
咨询、受过广泛教育和成熟的从业者可以在金融服务和公共部门等传统环境中取得成功,对特定实践领域有深入了解的精力充沛的编码员在初创公司或技术组织中同样可以取得成功,然而该领域的普遍成功往往是那些处于两个极端中间的人,根据特定的企业文化和行业规范进行调整,虽然尝试将一个人提炼成一系列形容词和属性是困难的(并且常常适得其反),但还有一些其他特征对于成功的团队很重要,应该指出的是,没有人会拥有所有这些特征,团队是个人的混合体,通常具有不同的特征,这会导致产生创造力和进步的摩擦。分析从业者有八个对成功至关重要的软特征:
每个强大的数据科学家和分析专业人士都会毫无例外地对他们的工作和周围的世界表现出强烈的好奇心
他们将在讨论外生数据集时变得活跃,并热情地推测消费者行为的驱动因素,他们会注意到别人看不到的东西,他们会看到别人看不到的联系,在大多数情况下,正是这种深刻而本能的好奇心驱使他们从事数据科学职业。没有好奇心的数据科学家就像年龄大的厨师或计算困难的精算师—技术能力强,但处于劣势。
适应性强
每个强大的从业者也将毫无例外地在他们处理问题的方式上具有极高的适应性,他们会想方设法使事情顺利进行,而不管障碍如何,并在这样做时找到极大的个人满足感,他们不会等待详细的指示,也不会谴责一个项目是不可能的,他们将受到挑战的激励,并乐于调整自己的交付方式。
咨询
他们可以与关键人物建立关系,并且很自然地将其视为他们角色的一部分,他们之前的成功将利用技术和关系。他们将享受团队合作和协作项目。
持怀疑态度
他们不会从表面上看事情,并且会本能地不信任启发式方法和解决问题的传统方法,他们会试图反驳假设,相信数据胜过直觉,同时面对令人信服的证据,他们也会毫无保留地调整自己的立场。
有创造力的
他们会更喜欢开放式问题,他们可以围绕这些问题制定自己的解决方案,他们会对初的问题感到满意,并且通常会有创造性的个人爱好或业余项目,他们的动机不是金钱而是他们的热情。
专注于业务
他们倾向于解决应用业务问题。他们不需要完全了解业务,但他们需要培养对业务问题的兴趣并学会说业务语言。
平等主义者
他们会将分析视为一项团队努力,并与他们的直接主管合作,而不是为他们的直接主管工作,他们从不将头衔作为权威的代表,也不将等级视为智力的指标,他们寻求解决方案,并巧妙地挑战人们,无论他们处于什么位置,都要捍卫他们的方法和前提。
竞争的
尽管与他们的小组内合作并亲自关心他们的同龄人,但他们会在外表上具有竞争力,在实现和交付价值的需要的驱动下,他们将有个人动力去寻找执行项目的方法,而不考虑依赖或正式权力的问题,在这些特征中,首要的是好奇心和适应性,没有这些所有其他人都将无法促进成功,如果这两个都存在,所有其他人都会自然而然地出现。
由于缺乏相互理解,业务和分析职能之间存在很大的鸿沟
问题和项目被误解,并且团队经常有不同的兴趣和优先事项,这导致了不可操作的可交付成果,例如营销部门可能需要一个细分模型,潜台词是他们终希望了解他们的客户,分析功能不理解潜台词,通过提供一个结果表来响应,通过凝聚聚类化行为差异,这在技术上是合适的,但完全不足以满足利益相关者的潜在需求,缺乏共同的知识库会迅速使项目脱轨,如果没有相互理解,也没有可以充当这两个阵营之间中介的翻译人员,这些根本差异可能会迅速演变为冲突,当然全面发展的团队需要在相关领域具有深厚知识的专家,但混合个性应该是常态,更成熟的极客通常会谴责这种观点,指出该领域著名的怪人,虽然每个乔布斯都需要一个沃兹尼亚克,但每个沃兹尼亚克都需要一个乔布斯同样如此。
典型的脾气暴躁的大师
在组织中创建新的分析单元时创建明确的目标和目的的重要性 ,非常适合负责构建和领导成功的分析团队的高管、经理、团队领导和其他业务, 对于寻求更好地了解他们的个人努力如何融入团队整体的数据科学家和分析师来说,它也是不可或缺的资源结果。
数据科学家的主要成功因素
技术能力,尤其是内在的技术直觉,是分析从业者的赌注,当手指放在键盘上时,分析团队的工作就完成了,从初级的分析师到职能部门的领导,每个团队成员都需要熟悉实践、工具、语言,并终熟悉应用数据科学理论解决业务问题。然而,这种理论和技术方面需要与价值创造的本能驱动相平衡,而不仅仅是为了技术而技术,沿着发展的另一个轴心,团队成员需要在努力承担更高管理责任的人和对工作本身感到非常满意的人之间取得平衡,选择对这个领域和他们的个人发展充满热情同时仍然致力于继续担任该职位的个人对于团队的稳定性和长期项目的成功交付非常重要,一般来说成功是在技术与业务、高驱动力与核心贡献者之间取得适当平衡的问题。
成功的数据科学家的特征可能因组织而异
咨询、受过广泛教育和成熟的从业者可以在金融服务和公共部门等传统环境中取得成功,对特定实践领域有深入了解的精力充沛的编码员在初创公司或技术组织中同样可以取得成功,然而该领域的普遍成功往往是那些处于两个极端中间的人,根据特定的企业文化和行业规范进行调整,虽然尝试将一个人提炼成一系列形容词和属性是困难的(并且常常适得其反),但还有一些其他特征对于成功的团队很重要,应该指出的是,没有人会拥有所有这些特征,团队是个人的混合体,通常具有不同的特征,这会导致产生创造力和进步的摩擦。分析从业者有八个对成功至关重要的软特征:
每个强大的数据科学家和分析专业人士都会毫无例外地对他们的工作和周围的世界表现出强烈的好奇心
他们将在讨论外生数据集时变得活跃,并热情地推测消费者行为的驱动因素,他们会注意到别人看不到的东西,他们会看到别人看不到的联系,在大多数情况下,正是这种深刻而本能的好奇心驱使他们从事数据科学职业。没有好奇心的数据科学家就像年龄大的厨师或计算困难的精算师—技术能力强,但处于劣势。
适应性强
每个强大的从业者也将毫无例外地在他们处理问题的方式上具有极高的适应性,他们会想方设法使事情顺利进行,而不管障碍如何,并在这样做时找到极大的个人满足感,他们不会等待详细的指示,也不会谴责一个项目是不可能的,他们将受到挑战的激励,并乐于调整自己的交付方式。
咨询
他们可以与关键人物建立关系,并且很自然地将其视为他们角色的一部分,他们之前的成功将利用技术和关系。他们将享受团队合作和协作项目。
持怀疑态度
他们不会从表面上看事情,并且会本能地不信任启发式方法和解决问题的传统方法,他们会试图反驳假设,相信数据胜过直觉,同时面对令人信服的证据,他们也会毫无保留地调整自己的立场。
有创造力的
他们会更喜欢开放式问题,他们可以围绕这些问题制定自己的解决方案,他们会对初的问题感到满意,并且通常会有创造性的个人爱好或业余项目,他们的动机不是金钱而是他们的热情。
专注于业务
他们倾向于解决应用业务问题。他们不需要完全了解业务,但他们需要培养对业务问题的兴趣并学会说业务语言。
平等主义者
他们会将分析视为一项团队努力,并与他们的直接主管合作,而不是为他们的直接主管工作,他们从不将头衔作为权威的代表,也不将等级视为智力的指标,他们寻求解决方案,并巧妙地挑战人们,无论他们处于什么位置,都要捍卫他们的方法和前提。
竞争的
尽管与他们的小组内合作并亲自关心他们的同龄人,但他们会在外表上具有竞争力,在实现和交付价值的需要的驱动下,他们将有个人动力去寻找执行项目的方法,而不考虑依赖或正式权力的问题,在这些特征中,首要的是好奇心和适应性,没有这些所有其他人都将无法促进成功,如果这两个都存在,所有其他人都会自然而然地出现。
由于缺乏相互理解,业务和分析职能之间存在很大的鸿沟
问题和项目被误解,并且团队经常有不同的兴趣和优先事项,这导致了不可操作的可交付成果,例如营销部门可能需要一个细分模型,潜台词是他们终希望了解他们的客户,分析功能不理解潜台词,通过提供一个结果表来响应,通过凝聚聚类化行为差异,这在技术上是合适的,但完全不足以满足利益相关者的潜在需求,缺乏共同的知识库会迅速使项目脱轨,如果没有相互理解,也没有可以充当这两个阵营之间中介的翻译人员,这些根本差异可能会迅速演变为冲突,当然全面发展的团队需要在相关领域具有深厚知识的专家,但混合个性应该是常态,更成熟的极客通常会谴责这种观点,指出该领域著名的怪人,虽然每个乔布斯都需要一个沃兹尼亚克,但每个沃兹尼亚克都需要一个乔布斯同样如此。
典型的脾气暴躁的大师
因为他们不可或缺的技能而容忍他们的痛苦,已经消失了。在过去,这被认为是可信度的标志——真正有技术天赋的人需要有点古怪,这是与这些神秘的圣人做生意的成本,现代数据和分析从业者需要成为专业人士,并通过咨询和成熟的方法而不是技术的原始应用来支持业务,大师们已经将他们的连帽衫换成了牛津鞋。