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
数据挖掘是现代企业利用数据驱动决策的重要工具。它涉及从大量数据中提取隐藏的、先前未知但潜在有用的信息,依托人工智能、机器 ...
2024-10-23在当前数据驱动的商业环境中,数据分析师的角色变得越来越重要。想要踏入这一领域并取得成功,不仅需要扎实的技术基础,还需要不 ...
2024-10-23数据分析是一个广泛而又精细的领域,它结合了统计学、计算机科学、商业策略以及数据科学等多个学科的知识。这个领域日新月异的发 ...
2024-10-23在现代企业中,数字化管理师扮演着至关重要的角色。他们不仅帮助企业优化资源配置,还推动企业的数字化转型。要成为一名合格的数 ...
2024-10-23大数据专业是一个跨学科的领域,涵盖了数学、统计学、计算机科学与技术等多个学科。随着数据在各个行业中的重要性日益增加,大数 ...
2024-10-23大数据分析师培训教程-2.1 Hadoop入门-Hadoop 1.0 的局限与 Hadoop 2.0(YARN)的革新 Hadoop简介Hadoop 的生态系统HDFS 的原理 ...
2024-10-232024,您是否渴望在数据领域探索更广阔的职业机遇? 数字化时代,数据量级每年都在呈指数级增长。据统计,全球互联网用户每天产 ...
2024-10-21数据科学专业是一门跨学科的综合性学科,涵盖了数学、统计学、计算机科学等多个领域。其核心目标是通过数据的收集、处理和分析来 ...
2024-10-21Python是一种高级解释性编程语言,由Guido van Rossum于1991年创造。凭借其简单易学、代码可读性强和功能强大的特点,Python已经 ...
2024-10-21在当今数据驱动的世界中,选择学习Hadoop已成为许多数据分析师和IT专业人士的必修课。Hadoop不仅是大数据处理领域的核心技术之一 ...
2024-10-21数据开发工程师在当今数据驱动的世界中扮演着至关重要的角色。他们不仅负责数据的采集和处理,还在数据仓库建设、系统开发和数据 ...
2024-10-20在当今快速变化的数字经济时代,数字化转型已经成为企业实现持续增长和竞争优势的关键。数字化转型不仅仅是技术的变革,更是组织 ...
2024-10-19在当今快速发展的科技时代,数字经济已成为全球经济的重要组成部分。选择数字经济专业,不仅能为你打开通往多个行业的大门,还能 ...
2024-10-18学习统计学与大数据分析具有显著的优势,能够帮助你走向高薪岗位。在数字化时代背景下,统计学和大数据分析展现出强大的就业潜力 ...
2024-10-18在当今的数字时代,数据科学与大数据技术专业的就业方向极为广泛,涵盖了多个领域和岗位。随着数据成为企业决策的重要依据,行业 ...
2024-10-18大数据技术与应用领域正在迅速发展,成为现代经济和科技发展的重要驱动力。随着数据量的爆炸式增长,各行各业对大数据专业人才的 ...
2024-10-18在当今数据驱动的商业环境中,数据分析软件已成为企业决策过程中不可或缺的工具。随着数据量的激增和分析需求的复杂化,选择合适 ...
2024-10-18在当今数据驱动的世界中,数据分析已成为许多行业不可或缺的一部分。无论是企业决策、市场营销,还是产品开发,数据分析都能提 ...
2024-10-18数据分析在现代企业中扮演着至关重要的角色,帮助企业在竞争激烈的市场中做出明智的决策。随着数据量的不断增长,企业需要依赖先 ...
2024-10-18CDA(Certified Data Analyst)认证在数据分析领域具有显著的作用,具体包括以下几个方面: 1. 专业技能认可 CDA认证是数据分析 ...
2024-10-17