Ich habe während meiner Tätigkeit im Bereich Corporate Data Science sehr unterschiedliche Rollen und Verantwortungen übernommen. Sie haben mir nicht nur viel Einblick in die Datenwissenschaft gegeben, aber sie haben mir auch beigebracht, wie man mit meinen Managern umgeht.
Ich erinnere mich sehr gut an eine der Rollen. An eine Person gemeldet, die noch nie zuvor ein Data-Science-Projekt durchgeführt oder ein Data-Science-Team geleitet hat. Er war ein guter Mensch und ein guter Manager in anderen Situationen, aber am falschen Ort, um ein Data-Science-Team zu leiten (zumindest vorübergehend). Den größten Teil seiner Erfahrung vor der Übernahme dieser Position sammelte er im Vertrieb. Einige der Alternativen zur Verwaltung der Personen, die in der Vergangenheit für ihn gearbeitet haben, werden in dieser Konfiguration nicht funktionieren.
Als Beispiel, wir hatten mal 2 Teambesprechungen in einer Woche, wo jeder von uns den Rest des Teams darüber informiert hat, woran wir arbeiten und was der Plan für den Rest der Woche ist. Darüber hinaus, es gab einzelne Updates und Updates im Zusammenhang mit dem Projekt. Die meisten von uns verstanden die Ziele dieser wöchentlichen Aufgaben nicht..
Die von mir beschriebene Situation ist definitiv kein Einzelfall. Dies würde in allen Institutionen passieren, die versuchen, ein Data-Science-Team zu bilden oder einige ihrer besten Mitarbeiter in andere Rollen zu versetzen, um Data-Science-Einheiten zu leiten. Deswegen, Ich dachte, ich würde ein paar Tipps für Leute geben, die diese Übergänge machen. Diese Tipps sollen Ihnen helfen, ein besserer Data Science Manager zu werden, wenn Sie noch nie in einem Data-Science-Setup waren.
Seien Sie Teil des gesamten Lebenszyklus des Analyseprojekts / Datenwissenschaft:
Nichts geht über diesen Rat. Egal, welche Forschung Sie aus der Erfahrung gewinnen können, die Sie als Teil des Projektteams sammeln. Sie werden verstehen, warum Marketinganalysen für ein Potenzial manchmal schwierig sein können und es Monate dauern kann, bis der Kunde Ihnen eine faire Chance gibt. Es wird Ihnen auch helfen zu verstehen, warum eine Datenbereinigung dauern kann, was von außen wie eine Ewigkeit aussieht. Zur selben Zeit, Die Implementierung einer Analyselösung kann Ihnen einen eigenen Teil des Lernens bieten: Was sind die Hindernisse, die Sie finden können? Warum müssen Sie paranoid sein, um es richtig zu machen??
Wenn es einen Tipp gibt, den Sie von diesem Beitrag erhalten möchten, nimm das einfach. Sie können ein Data-Science-Team erst dann effektiv führen, wenn die Zeit verstrichen ist (am liebsten praktisch) selbst an einem Projekt arbeiten..
Verstehen Sie die Data-Science-Landschaft:
Obwohl der erste Tipp dir hilft, tiefer in das Thema einzutauchen, Sie müssen auch den Umfang des Themas verstehen. Das unterscheidet einen guten Manager von einem brillanten Analysten.. als Manager, Sie müssen verstehen, welches Tool und welche Lösung für welche Art von Problem am besten geeignet sind.
Fordern Daten eine Big-Data-Lösung?? Oder funktioniert eine traditionelle Data-Science-Methode? Automatisieren Sie weiterhin Berichte in Excel oder wechseln Sie zu Tools wie QlikView oder Tableau? Dies sind einige der Fragen, mit denen Sie als Manager konfrontiert werden, und die Entscheidungen, die Sie treffen, werden sich auf Ihre Teammitglieder auswirken und wie sie ihre Zeit verbringen.
Dieser Beitrag kann ein guter Ausgangspunkt sein.
Werde großartig im strukturierten Denken:
Das ist fast eine Tatsache: Sie können kein guter Analytics-Manager sein, wenn Sie nicht gut in strukturiertem Denken sind. Als Analyst, Es wird erwartet, dass es unstrukturierten Problemen Struktur verleiht. als Manager, Es wird erwartet, dass es hervorragend ist, wenn es darum geht, Strukturen zu schaffen, in Minuten. Sie würden in Meetings eintreten, denen es an Struktur fehlt und die nur von ihnen profitieren würden, wenn Sie die Fähigkeit haben, der Diskussion eine Struktur zu geben.
Diese Beiträge können dir helfen, strukturiertes Denken zu verbessern: Die Kunst des strukturierten Denkens, Tools zur Förderung des strukturierten Denkens
Verbessere deine Storytelling-Fähigkeiten (unterstützt durch Daten):
Als Data Science Manager, erwartet, datengesteuerte Geschichten zu erklären. Die Grunderwartung besteht darin, gut darin zu sein, Ihre Gedanken zu kommunizieren.. Ein guter Manager muss in der Lage sein, Daten effektiv zu visualisieren und sie so zu präsentieren, dass sie eine zusammenhängende Geschichte erzählen. Hier sind ein paar Beispiele, um Ihr Gehirn zum Nachdenken zu bringen:
- Wenn Sie die regionale Verteilung Ihres Produkts verstehen müssen, Wie kann man es am besten verstehen? Durchdringung nach Regionen tabellieren? Durch Bündel? Oder zeichnen Sie einfach eine Heatmap, die über die geografische Karte gelegt wird?
- Wie kann man am besten zeigen, wie sich der Umsatz verändert hat? 15 Gruppen im Vergleich zum Vorjahr?
Je besser Sie sich mit Storytelling vertraut machen, desto besser kann Ihr Team die Lösungen vermarkten.
Definieren Sie Ihren eigenen Lernplan und Ihre Agenda und teilen Sie sie mit Ihrem Team:
Wenn Sie eine Data-Science-Administratorrolle einnehmen, hat in den nächsten Tagen viel zu lernen. Der beste Weg, dies zu tun, besteht darin, einen Lernplan zu erstellen und ihn mit Ihrem Team zu teilen.. Dies wird ihnen nicht nur helfen zu verstehen, was Sie bereits wissen und was Sie nicht wissen, aber auch, dass du bereit bist, das Fach zu lernen.
Sie können Teammitglieder auch bitten, ihren Lernplan zu erstellen und mit der Gruppe zu teilen und wöchentliche Sitzungen zum Wissensaustausch mit Teams abzuhalten, um ihr Lernen zu teilen / Erfahrung.
Abschließende Anmerkungen:
Was haltet ihr von diesen Tipps? Sind Sie bereit, die Leitung eines Teams von Analysten oder Data Scientists durchzusetzen?? Wenn Sie weitere Ratschläge aus Ihrer Erfahrung haben, Fühlen Sie sich frei, sie über die Kommentare unten zu teilen.
Bildquelle: iNostix-Blog
