如何以数据科学家的身份取得成功3个技巧？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-01-12
尽管数据科学与其他现有技术一样运作，但对公司而言却是新事物
有一个假设它将像IT部门或工程部门一样运作，但根本不同，因为这是一门相对较新的学科，所以公司经常试图聘请一位刚毕业但又不熟悉劳动力的数据科学家，因为他们的薪水较低，因此只能涉足这一领域，这是公司所采取的策略，但对于许多公司来说却没有奏效，这对早期数据科学家造成了一定的损害，如果您是职业生涯早期的数据科学家，相反，他们应该尽可能加入一支成熟的团队，他们还应询问数据科学团队的模样，包括其工作人员以及该人员是否熟悉该领域和科学方法。
如何创建数据科学团队
建立数据科学团队所涉及的大部分工作不是技术性的，您所做的大部分工作都是与企业建立桥梁，您必须以一种可以被其他业务接受的方式开始，并使他们感到自己正在获得有价值的东西，并逐步通过建立信任来使他们做更多的事情，数据科学家或对雇用他们感兴趣的人应该首先通过小型数据驱动的项目建立信任，这使人们已经为他们所做的工作变得容易一些，之后他们可以着手建立适合该模型的团队，然而招聘经理需要对数据科学团队的构成保持现实，在我们的梦想中，我们拥有一支拥有我们所需的特定技术技能的团队，他们都非常乐于谈论业务，但是你必须雇用真正的人。
一种更合理的方法是确定当前阶段的需求，以及如何组建一支具有不同能力的团队，而不是寻找很难找到的独角兽候选人
这可能意味着，如果您需要某些编程技能，某些统计知识和某些业务知识，则可能是您将雇用的不是三个拥有这些知识的魔术师，而是三个人，人每个人在其中一件事情上都有主要力量，也许一个人主要是程序员，一个人主要是统计专家，一个人主要是与其他部门的联络人，那个人可能不会称自己为数据科学家，那个人可能被称为业务分析师，但是重点不在于数据科学家，而是针对业务进行有价值的研究，并帮助他们完成工作。
避免数据科学失败
一些研究表明，大数据项目大多数都失败了，原因之一就是它们没有被作为解决业务问题的项目来处理，数据科学家们不应该对管理人员进行分析方面的教育，而应该对他们的团队进行有关其周围业务发展以及如何适应业务的教育，为了避免数据科学失败，公司必须首先检查他们实际拥有的数据，每家公司都认为他们拥有大量数据，建议公司不仅考虑数量，还考虑他们拥有的数据的质量，如果他们没有发现非常高的数据，那么他们甚至可能甚至不需要数据科学，许多公司都把马车放在那儿，在雇用数据科学家之前，公司还必须建立一个数据工程团队负责收集，存储和整理数据，有兴趣聘用数据科学家或组建数据科学团队的CIO应该与其他C级高管坐下来，思考组织的需求，团队的位置以及工作方式。
在很多地方有一种假设认为它只是在CIO的领导下进行的
我认为在许多地方，这种做法效果不好，首席信息官通常根本没有接受过分析方面的培训，其重点是使IT运作正常，因此该人也不一定是组织要解决的业务问题的主要专家，市场营销组织通常对使用分析感兴趣，并且接受度，对于数据科学团队来说，这可能是一个很好的空间，与此同时数据科学应聘者应该在寻找工作之前确定职位对他们个人意味着什么，这很重要因为他们去寻找想法相近的雇主，否则他们会非常不高兴，这实际上是一个非常普遍的问题，有很多关于人们被雇用为数据科学家然后根本不喜欢他们的工作的故事，我认为根本的问题在于他们对这个想法有一个想法，是的并且没有与潜在的雇主充分探讨这一点。
数据科学家使用各种数据领域的专业知识帮助公司解释和管理数据
并解决复杂的问题，用外行的话来说，数据科学家知道如何使用统计和机器学习中的工具和方法从数据中提取含义并解释数据，数据科学家期望的十大技能包括编码，算法，大数据分析，数据操纵，统计，机器学习，自然语言处理，探索性数据分析，形式化问题和交流，但是对这些技能的简单认识并不能保证成功，一位优秀的数据科学家会以特定的方式来进行交易，这是数据科学家在该领域取得成功所需的三件事。
数据科学家的作用是深层次的技术，专注于统计分析，建模和机器学习
但是与此同时，数据科学家花费精力和精力与利益相关者交流他们的工作意义，我分析复杂的数据集并训练统计模型的事实是非常必要的，但是如果我无法向利益相关者解释这些含义，那么我们就不能用它来制定业务决策，数据科学家经常犯一个错误，就是在不了解模型的业务目标的情况下进行模型开发，数据科学家必须与高管进行沟通，以从一开始就了解其数据工作的目的，以便从数据中获得的业务见解。
与通信紧密结合数据科学家必须与队友合作
将他们的技术技能与商业计划相结合，数据科学家的主要工作是发现见解，如今人们误以为数据科学家是机器学习或AI专家，这是不正确的，数据科学家为复杂的业务问题建模并发现业务见解，这需要与跨职能的利益相关者合作，这有助于数据科学家了解数据的业务使用情况，现阶段业务人员和领域专家需要参与其中，能在企业中取得成功并在组织中产生积极影响的数据科学家是那些能够将其技能与组织的日常职能联系起来的人，而不是孤零零地工作。
强大的数据科学家永远都不会停止学习
数据科学家将永远需要继续教育自己，以掌握的趋势和发展，这类实践一直在发展，因此紧跟趋势和调查结果将推动职业发展和职业成功，虽然深厚的技术知识不应该是数据科学家关注的内容，但这些技能无疑是工作岗位所固有的，但是数据科学家不能让自己的知识基础动脑筋，我看到的数据科学家犯的一个错误是，他们的高学历或深厚的统计知识使他们变得“特殊”，或者比其他部门的同事要好，重要的是要意识到组织中其他利益相关者的工作是必要的，并且其价值不低于数据科学家的技术工作。
有一个假设它将像IT部门或工程部门一样运作，但根本不同，因为这是一门相对较新的学科，所以公司经常试图聘请一位刚毕业但又不熟悉劳动力的数据科学家，因为他们的薪水较低，因此只能涉足这一领域，这是公司所采取的策略，但对于许多公司来说却没有奏效，这对早期数据科学家造成了一定的损害，如果您是职业生涯早期的数据科学家，相反，他们应该尽可能加入一支成熟的团队，他们还应询问数据科学团队的模样，包括其工作人员以及该人员是否熟悉该领域和科学方法。
如何创建数据科学团队
建立数据科学团队所涉及的大部分工作不是技术性的，您所做的大部分工作都是与企业建立桥梁，您必须以一种可以被其他业务接受的方式开始，并使他们感到自己正在获得有价值的东西，并逐步通过建立信任来使他们做更多的事情，数据科学家或对雇用他们感兴趣的人应该首先通过小型数据驱动的项目建立信任，这使人们已经为他们所做的工作变得容易一些，之后他们可以着手建立适合该模型的团队，然而招聘经理需要对数据科学团队的构成保持现实，在我们的梦想中，我们拥有一支拥有我们所需的特定技术技能的团队，他们都非常乐于谈论业务，但是你必须雇用真正的人。
一种更合理的方法是确定当前阶段的需求，以及如何组建一支具有不同能力的团队，而不是寻找很难找到的独角兽候选人
这可能意味着，如果您需要某些编程技能，某些统计知识和某些业务知识，则可能是您将雇用的不是三个拥有这些知识的魔术师，而是三个人，人每个人在其中一件事情上都有主要力量，也许一个人主要是程序员，一个人主要是统计专家，一个人主要是与其他部门的联络人，那个人可能不会称自己为数据科学家，那个人可能被称为业务分析师，但是重点不在于数据科学家，而是针对业务进行有价值的研究，并帮助他们完成工作。
避免数据科学失败
一些研究表明，大数据项目大多数都失败了，原因之一就是它们没有被作为解决业务问题的项目来处理，数据科学家们不应该对管理人员进行分析方面的教育，而应该对他们的团队进行有关其周围业务发展以及如何适应业务的教育，为了避免数据科学失败，公司必须首先检查他们实际拥有的数据，每家公司都认为他们拥有大量数据，建议公司不仅考虑数量，还考虑他们拥有的数据的质量，如果他们没有发现非常高的数据，那么他们甚至可能甚至不需要数据科学，许多公司都把马车放在那儿，在雇用数据科学家之前，公司还必须建立一个数据工程团队负责收集，存储和整理数据，有兴趣聘用数据科学家或组建数据科学团队的CIO应该与其他C级高管坐下来，思考组织的需求，团队的位置以及工作方式。
在很多地方有一种假设认为它只是在CIO的领导下进行的
我认为在许多地方，这种做法效果不好，首席信息官通常根本没有接受过分析方面的培训，其重点是使IT运作正常，因此该人也不一定是组织要解决的业务问题的主要专家，市场营销组织通常对使用分析感兴趣，并且接受度，对于数据科学团队来说，这可能是一个很好的空间，与此同时数据科学应聘者应该在寻找工作之前确定职位对他们个人意味着什么，这很重要因为他们去寻找想法相近的雇主，否则他们会非常不高兴，这实际上是一个非常普遍的问题，有很多关于人们被雇用为数据科学家然后根本不喜欢他们的工作的故事，我认为根本的问题在于他们对这个想法有一个想法，是的并且没有与潜在的雇主充分探讨这一点。
数据科学家使用各种数据领域的专业知识帮助公司解释和管理数据
并解决复杂的问题，用外行的话来说，数据科学家知道如何使用统计和机器学习中的工具和方法从数据中提取含义并解释数据，数据科学家期望的十大技能包括编码，算法，大数据分析，数据操纵，统计，机器学习，自然语言处理，探索性数据分析，形式化问题和交流，但是对这些技能的简单认识并不能保证成功，一位优秀的数据科学家会以特定的方式来进行交易，这是数据科学家在该领域取得成功所需的三件事。
数据科学家的作用是深层次的技术，专注于统计分析，建模和机器学习
但是与此同时，数据科学家花费精力和精力与利益相关者交流他们的工作意义，我分析复杂的数据集并训练统计模型的事实是非常必要的，但是如果我无法向利益相关者解释这些含义，那么我们就不能用它来制定业务决策，数据科学家经常犯一个错误，就是在不了解模型的业务目标的情况下进行模型开发，数据科学家必须与高管进行沟通，以从一开始就了解其数据工作的目的，以便从数据中获得的业务见解。
与通信紧密结合数据科学家必须与队友合作
将他们的技术技能与商业计划相结合，数据科学家的主要工作是发现见解，如今人们误以为数据科学家是机器学习或AI专家，这是不正确的，数据科学家为复杂的业务问题建模并发现业务见解，这需要与跨职能的利益相关者合作，这有助于数据科学家了解数据的业务使用情况，现阶段业务人员和领域专家需要参与其中，能在企业中取得成功并在组织中产生积极影响的数据科学家是那些能够将其技能与组织的日常职能联系起来的人，而不是孤零零地工作。
强大的数据科学家永远都不会停止学习
数据科学家将永远需要继续教育自己，以掌握的趋势和发展，这类实践一直在发展，因此紧跟趋势和调查结果将推动职业发展和职业成功，虽然深厚的技术知识不应该是数据科学家关注的内容，但这些技能无疑是工作岗位所固有的，但是数据科学家不能让自己的知识基础动脑筋，我看到的数据科学家犯的一个错误是，他们的高学历或深厚的统计知识使他们变得“特殊”，或者比其他部门的同事要好，重要的是要意识到组织中其他利益相关者的工作是必要的，并且其价值不低于数据科学家的技术工作。
免费客服热线：400-050-6600
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
