艾哈迈德·贝斯贝斯,AI工程师//博客作者//跑步者。
这是个人的观察,但我相信你们中的许多人在阅读这篇文章时会有同样的感受。
我是一名数据科学家,我喜欢我的工作,因为我认为它涵盖了各种相互依赖的领域,使它丰富和刺激。然而,我有时不得不与那些不完全理解组织或领域中这个角色的人打交道。坦率地说,这让我和我认识的许多人都有点沮丧。
在你继续阅读之前,我应该提到,我的目的不是阻止任何人对这个角色的渴望。我只是在陈述行业中普遍出现的一些负面方面,以及避免这些负面方面的可能解决方案。
原则上,这没问题。我也不明白其他人是怎么做的。然而,我不明白的是,一些当事人对了解你在帮助他们时做了什么完全缺乏兴趣和好奇心。我不是说他们应该了解神经网络的每一个小算法细节,但至少,他们应该了解你的方法,你解决问题的方法。有时,就好像你被委托做一项没有人关心的痛苦而肮脏的任务。
有些项目经理对你正在做的事情不感兴趣,除非你做完了。我想这些家伙把管理提升到了一个全新的水平。
哦!你是数据科学家?你一定对数字很在行。你为什么不看看我的文件,把数据处理一下呢?我听说你的“蟒蛇”能很快释放出魔力。在这里,去玩我的文件,完成后来看我。
-怎么办?
为了使每个人都在同一页上,一个解决方案是向没有技术背景的团队提供培训和意识。这需要通过内部研讨会、认证或MOOC订阅广泛的技术主题,如机器学习、深度学习或NLP的介绍性讲座。当建立这些领域的知识时,队友会变得积极主动,更多地参与到建立过程中。项目经理也意识到了挑战。
嗯,十年前,当这个领域开始出现时,这个方法非常有效,Hadoop和Spark这个词到处都是。你可以把你知道的所有流行语都堆在一起,希望得到一个大支票(它奏效了!)。
这已经不是2010年了。公司现在密切关注你愿意出售的东西。他们了解市场、竞争对手和挑战。他们几乎彻底扫描了所有东西。他们也知道什么是可行的,什么是不可行的。如果你没有脱颖而出,对你的价值主张和你的数据科学团队能带来的技术专长不够清楚,你最有可能失去这笔交易。
当然,尽管如此,总有一些穿西装的胆子很大的家伙发表这种鼓舞人心的声明:
让我们在这里和那里投入一点数据科学来加强我们的宣传,并让客户支付一大笔钱!
那不是很美吗?
— What to do?
不要表现得好像数据科学家会彻底改变和破坏您的组织。市场开始知道限制是什么。与市场接轨。
我们都知道这种感觉,而且很烂。你在努力工作中失败了,而另一个人展示了你的结果,并拿走了所有的功劳。这在任何地方都很常见,当您在数据科学团队中与业务伙伴协作时,这种情况会发生得更多。
如果你对团队很有价值,你的同事自然应该让你在利益相关者面前发光发热。然后你的声音被听到并参与决策过程。
然而,如果你觉得你被当作一种可互换的资源,或者被放在一边,在阴影下工作,为那些说话的人制作数字,也许是时候重新考虑你的立场了。
— What to do?
构建数据产品时,每个人都很重要。这不应该仅仅是我们告诉自己的一个说法。它必须体现在我们的会议、演示和日常关系中。
嗯,虽然听起来很诱人,但这并不像我们想象的那么容易。仅仅因为我们配备了这些工具并不一定意味着你可以期待立即的可操作的结果。这需要建立关于业务的知识,建立正确的直觉和假设。这需要时间,而且是一个学习的过程。
让我们处理数据并让它说话。
— What to do?
接受这样一个事实,即数据科学家必须花费大量时间了解业务并建立自己的直觉。这需要采访组织中的不同参与者,对数据进行各种分析,进行试验,失败,并获得持续的建设性反馈。
如果您还想为您的数据科学团队提供最好的条件,请确保至少有干净的数据管道,并有清晰的描述。
对于数据科学家的角色仍然存在着强烈的误解。不仅非技术高管,技术领域的其他同事也认为,数据科学家对Spark、Hadoop、SQL、TensorFlow、NLP、AWS、生产级应用程序、docker等都了如指掌。掌握这些工具是很棒的,但是这个过程需要几年的时间和大量的经验。
如果你是一名数据科学家,你申请的公司在一份申请中提到了所有这些技术词汇,请仔细检查该公司。它有可能对自己的数据战略没有明确的愿景,也没有对招聘的角色有明确的定义。
我们需要修复我们的数据问题。让我们雇佣一名数据科学家。
— What to do?
数据科学家并不总是您数据问题的最终解决方案-雇用前要仔细检查。也许你需要的是一个数据分析师或者一个后端开发人员。数据科学家不是精通一切的忍者。
如果你希望你的团队成功地构建你想要构建的任何东西,确保你周围有互补的技能。
在交付一级:
在管理层面:
这是基于来自朋友和同事的讨论和几个反馈的汇编。
数据分析咨询请扫描二维码
CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2022-03-18CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01