这31条建议,将给你的数据分析团队不一样的启发

AI时代,如何更快入行抢占红利得高薪?前阿里巴巴产品专家带你15天入门AI产品经理。了解一下>

文章更分享了关于数据分析的31个秘诀,希望能够给你带来帮助。

或许你的数据分析团队不够成熟,或许公司管理层与数据分析团队经常出现分歧,或许你的数据分析师正疲于为推进工作处理各种公司政治,而非集中精力处理各种分析问题。

最近看了一些外国数据分析文章,挑选一些新鲜且前沿的内容分享。今天分享的是31个能够将让其在项目过程中更为成功的秘诀。在2018年,或许给你带了新的启发。

1、让高管主动“买账”

公司推进任何项目的都是为了让高管买账。无论你是数据科学团队负责人、项目负责人、数据科学家,都应该让公司高管充分信任你的项目,让他们看到数据项目对公司战略起到了积极的推动作用,如此你才能获得更多的资源。否则你的团队将陷入“巧妇难为无米之炊”的困境。


2、用数据勇敢告诉你的manager,他们错了!

你的领导都是普通人,只能通过处理有限的数据并且从中发现有限的关联性。而一个数据科学家,则可通过专业知识和工具处理比他们高100倍的数据并且准确无误的发现其中的相关性。

面对普通人,你不妨给领导做个大胆的展示,告诉他们是“错误的”。这不是说让你做一个坏人,因为正确的分析结果会帮他们实现更出色的年度汇报,那时他们会感谢你的。

3、让你伙伴信服你

当我们用数据帮助其他团队的时候,我们发现很多产品经理并不相信数据。他们吐槽仪表板不好看,希望能提供一个新的仪表盘;吐槽数据科学团队不够专业……以至于你都开始怀疑你的数据。

如果你关注夏洛克福尔摩斯(Sherlock Holmes),你一定会记得他说过:数据是构建思维的基石。建立在数据基础上的房子,你不应该怀疑你房子的坚固性。要让别人相信你和你的数据!


4、先顺利推进一个简单的项目,然后复制

公司内部每个人都希望成为下一个谷歌,掌握Facebook的算法。的确它们很酷、超级强大,且每年能赚上数十亿美元。即使你的团队刚刚起步,你也希望有个成功的开始。

你要知道,哪怕只是做好最简单的事情也可能会产生不可逾越的价值。一旦你赢得了第一场胜利,你会迎来更多的领导的“请求轰炸”。所以先推进一个简单的项目,然后不断复制,你的项目会持续进行的。

5、像销售一样“安利”你项目的价值

数据科学还是个新鲜事物,公司大多管理人员并不知道什么情况下、在哪里使用它。你要像销售一样“安利”你项目的价值,你的安利会给你的项目带来资金支持、资源等等。


6、让你的数据科学工作流程标准化

数据科学的从业者会接触许多很酷的技术和工具,这些工具让我们有更深刻的见解,但这并不是个“软件工程”的活儿。

如果没有流程,您的项目会逐渐落后,出现项目的“内部故障”,分析结果“劣质”,最终无法顺利完成项目。这意味着您需要将您的项目流程化,从项目一开始就制定标准化的科学分析过程,别认为这是在浪费时间。

7、别束缚你的数据团队的“手脚”

别把你团队的能力局限在你所知道的范围内,去挑战他们,相信他们,经常询问他们的想法和意见。不要总想着把他们的思路“拽回来”,传递你的信任,数据科学家是聪明人,信任很重要。

8、计划很重要,但别频繁制定计划

如果有什么我们从我们不同的经历和项目中学到的东西。你需要计划。这确保您不会离开范围,这确保您能够获得所有数据源的良好处理,以及需求,并确保您成功。

然而,事情在今天的商业中变化很快。所以你不能用1年的时间来规划一个项目。当项目进入管道时,您需要跳转到获得需求。不要把所有的时间都花在计划上,也不要去发展。

9、要与其他部门小伙伴一起愉快“玩耍”

每个项目的推进都是一项“团队运动”,它会涉及财务、会计、运营、销售等其他你需要合作的其他部门。为推进项目顺利进行,你需要每个部门的“数据仓库”。

如果你运气够好,会有人专门为你提供这些数据,并帮助你获得各部门的专业知识。当然,在你获得帮助的同时,各部门都会对你提出要求。无论如何,你和其他团队要“好好玩”。

10、向中小企业学习

与第9点一致,你希望从各部门中获得尽可能多的专业知识。因为数据科学家不是药剂师、医生、会计师、财务经理等。因此你需要从更多人、项目、中小企业中不断获得业务或主题的见解。当启动一个新项目时,列出你需要的主题和数据,去主动寻找那些符合你需求的人。


11、去除公司层面的偏见

在你拿到一些意见后,注意不要让他们思想上的偏见阻碍你的新观点。偏见很常见,例如公司的高管、经理和其他团队成员,经常会认为:驱动就是执行“XYZ”。

然而你的团队很可能产生一个全新的结果,毕竟项目的最终目并不是给经理做事。不要因为你的项目结果会违背现状,就埋葬新的观点。莫忘记,你的工作就是挑战现状。

12、做一个反叛者,勇敢挑战现状

作为一个数据科学家,你的手头总是有很多数据。这意味着,你有“数据”的撑腰——当你认定自己是对的时候,你一定是对的。

所以不要害怕,别被你领导的思维改变你的想法。坦白说,他们也希望你能给他们一些信息,他们要通过这些信息去理直气壮地说服自己的老板。因此,用数据巧妙地挑战你的老板的意见。


13、让数据称为企业内驱力

数据就是力量,这不是什么新想法。人们一直都在用数据来证明,科学一直也依靠数据来反复证明理论的真伪。包括每一项行动和决策都要经历这个过程。总之,数据是最好的驱动力。

14、构建一个早期购买模型

搭建一个用户购买原型(当然,在python中),并向你的团队和领导展示它能做什么,相比理论和语言,大家更需要切实的行动。

搭建这个模型后,不断获取真实的数据,若不能为你的模型注入数据,你要确保它功能的存在,逐渐让它变得有形、互动和可操作!

15、保证数据系统健壮性和可维护性设计

这一点如何强调都不足为过。你要确保所构建的任何仪表板、所设置的流程或开发的算法都是可维护的。如果你明天离开公司,要确保数据项目仍然正常运转,否则会有人问“诅咒”你。很认真地说,如果你要离开,你要留下文档说明,并共享代码,保证其他人能够正常使用。

16、让无聊的工作变得“自动化”

别再做无聊的数据处理和纯人工的Q&A工作! 在你第一次设计你的分析系统时,尽量让大部分的枯燥、基础工作都自动化。企业内的数据科学项目接踵而至,基础的东西还是交给机器来做,比如你每周花2个小时来上传数据等。

17、认识到数据科学指南(手册)重要性

有许多数据科学咨询公司会有一份数据科学指南(手册)。该指南(手册)用于评估数据科学团队的状态,发现项目推进过程中的问题,以保证高效工作。

然而,通常情况下,许多公司的数据科学团队都会省去这一步骤,事实上指南(手册)引入外部帮助和监管是十分有必要的。

18、写一本自己的数据指南

也许你的团队里有一个了不起的数据科学家,他或她身兼数职,并能够为团队编撰一本很赞的工作手册,包括代码、编码实践、系统文档等。

走进一家公司没有什么比获得文件更有用的了。你可以提前了解到项目的历史,针对此开发一个新的解决方案并快速推进,如此可以节省公司资金,也是一件让数据科学顾问兴奋的事。

19、在编撰你的数据指南之前,学会创造性地收集和分类数据

20位分析师,花费1个月的时间,将5万个单位的数据完成分类,很糟糕,这是对资源和资金的严重浪费。

当你刚开始一个数据分析项目时,尝试开发一种不需要分析人员的数据分类方法,以及在吸引公众的意见、提供服务、设计一个新产品等方面,都尽量避免让你的团队参与到枯燥的工作中去。

20、正确收集数据是第一要务

从头开始一个新的项目并参与其中,是一件很幸运的事情。

数据系统可能在6个月内收集数据,并在你脑中形成雏形:你要考虑一下你希望未来如何使用数据,以及它与其他系统的交互与打通等。这不仅仅构建一个功能系统,正确收集数据是第一要务,并要随着业务发展不断增加数据采集组件。

21、数据采集:尽可能收集大量、干净

数据有不同来源,包括内部数据仓库、外部API 等,尽可能多地收集数据,并确保它是可管理、干净的。


22、做个牛逼的故事讲述者

作为一名数据科学家,我们都有老板,我们必须说服老板自己是对的。这个故事怎么讲呢?你告诉他们一堆百分比和标准偏差,讲着讲着就发现他们的目光变得呆滞了。

为了让领导快速买账,你应该传递枯燥数字之外的东西,比如一个信息图的展示等,并为你的观点注入些许激情。

23、把数据科学的内部和外部价值传达给管理层

数据科学具有影响客户和雇员的能力。告诉你的领导,数据将如何运作以及数据的价值。你可能觉得我说的有点重复。

然而,你能与管理层沟通的角度越多,你的项目就越能省钱。数据科学家喜欢谈论算法是如何计算出“一个人在浏览Facebook时正在挠鼻子的概率的”。然而业务团队只关心他们能从这些结论中赚到多少钱……正确认识数据价值,靠你去传递。

24、了解公司的管理流程

你的团队需要知道项目管理应如何推进,比如,经历多少个部门,他们的沟通频次,他们日常看什么数据?当你越了解高层管理的工作,你就越能帮助他们在正确的方向上推动项目进程。同时获得资金和项目的难度也会降低。

25、了解高管们的策略和理由

每个高管都处在公司的政治之中,他们做每个决定都有自己的流程和策略,而普通员工并不知道“关着的门”后面究竟发生了什么。

我们要在数据科学家和高管之间,或者说是一群高管之间创造更为广泛的讨论,当你更充分地了解更高层次上的关注点,项目开始与推进变得更加容易。

26、有解释失败原因的能力

在数据科学领域,失败总是发生的。你要告诉领导失败的原因,以便在你需要的时候寻求帮助。否则你可能会束缚在一个需要外接干预的小问题上,而导致项目只完成一半,造成团队的损失。

27、必要时寻求外部支援

有时寻求外部干预是必要的。这意味着雇佣一个顾问团队,或者雇佣新员工。有时候会增加项目,这需要临时的人员流入。在一个可以拯救数百万人的项目上多投入一点是有意义的,让一些临时工来满足时间安排并不是件坏事。

28、听取足够多的外部新闻以获得灵感

太多的外部消息会使思想陷入困境。因为你的项目可能不像其他行业巨头那样,所以这可能让你害怕落后。不要对此担心,当你读更多的书、获取更多的外部新闻,你会被激励以继续向前进,并获得灵感。

29、学会质疑你的每一个项目

如果你的领导带着一个项目来找你,他得到了公司资深的VP或高管的支持。你不应该盲目接受,而应该要质疑:为什么要这样做?谁是项目的受益者?它会节省多少资金成本?找到这些答案只能靠你自己,在项目开始前要确保你知道答案。否则,您可能正在研究一个即将死去的项目。

30、心态积极

这点听起来是陈腔滥调,但是很真实。如果你是一个数据科学项目经理,会很容易失去信心,因为你的团队所带回的见解不是很有价值,也许他们根本一无所获。令你想不到的是,这比你想象的要普遍得多。不是每个项目都能带来立竿见影的效果。要有耐心,要有积极的态度。如果您的数据是干净的,并且您的数据科学实践是可靠的。有些东西最终会被打破。

31、做决定时,要给出一个实际的意见

不要忘记你是一个科学家,你有数据,这意味着你可以自信地做出结论。你可以 这样说:“最好的决定是……”、“我建议我们……”、“我知道……”,“我们来试试X的解决办法”。

 

译者:乔一鸭,神策数据运营一枚

编译自:Top 30 Tips To Ensure Data Science Team Success – Data Consulting

本文由 @乔一鸭 翻译发布于人人都是产品经理。未经许可,禁止转载。

题图来自unsplash,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
7人打赏
评论
欢迎留言讨论~!