
Bigabid首席技术官兼联合创始人Amit Attias
无论一个数据科学家刚刚开始她的职业生涯,还是她已经是一个经验丰富的专业人士,在初创企业工作都有很多优势。大多数创业公司都更加亲力亲为,通常大多数员工都参与了公司的许多方面。这为参与和扩大技能提供了一个很好的机会。
在一个较大的公司,一个团队可能负责研究和开发,而另一个团队负责质量保证。在初创企业,同一个团队可能负责研究、开发和测试的所有方面。因此,创业专业人士接触到了更广泛的经验,因为他们看到了全局,并迅速获得了成为团队领导者所需的工具。
如果一名数据科学家有机会在初创公司工作,这里有六个小贴士将帮助她和其他数据专业人士取得成功:
作为一名团队成员,数据科学家不仅应该在需要代码审查时审查笔记本,还应该阅读团队的所有笔记本和附带笔记本(包括可能有不同关注点的笔记本)。这确保了她对整个过程以及研究是如何发展的获得最充分的理解。数据科学家每天做出无数的决定,他们甚至没有意识到。研究笔记本让她收获了其他人在初创公司完成的代码审查的好处。
好处有两方面:
通过积极地与团队联系,一个数据科学家不仅可以了解其他人在做什么,她还可以发现如何以有意义和有价值的方式做出贡献。
拥抱初创企业的“自己动手”精神,让数据科学家有机会开发软件工具,而在较大的公司中,这些工具将由独立的工程团队开发。这不仅提高了一个人的技能,也使一个人更加自给自足,使一个人能够独立地排除和修复问题。
在一个较小的初创企业,团队中的每个成员都是一个更大的生态系统中有价值的一部分,协调一致地创建一个产品或服务。这转化为参与和理解公司使命的每一个方面背后的推理的机会。
理解用户界面就像理解流程和系统的利益相关者一样重要。当处理一个假设、建立一个内部工具、训练一个模型时,数据科学家必须考虑:
一个数据科学家可以通过寻找用户反馈来更好地理解UI的工作原理,如果在她工作的初创公司有的话。有时,用户可能已经知道什么有效,什么不有效,所以通过倾听他们的意见,可以帮助她决定重点开发哪些功能。从队友那里得到关于可能盲点的反馈也很重要,因为他们的视角会不同,他们的有利位置会发现疏忽。
通过对数据科学家创造的内容承担全部责任,她可以获得用户和团队中其他人提供的有价值的见解,并加以很好地利用。
在一家较大的公司,在测试一个拉请求后,数据科学家的工作就结束了。在初创公司,同一个数据科学家会更进一步,检查功能/模型是如何运行的,以及她的见解是如何实现的。初创企业的数据科学家还必须关注实时监视器和日志,检查其中一些,以发现最初几分钟/几小时/几天内的任何违规行为。
正如这六个小贴士所展示的那样,创业公司的成功需要更高的适应能力,随机应变的意愿,以及在需要时调整方向的能力。它还需要成为一个紧密团结的团队的一部分的愿望,并看到产品或服务的每一个发展阶段。尽管风险可能很高,但回报可能很大。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11