Ho assunto ruoli e responsabilità molto diversi mentre svolgevo i miei lavori di data science aziendale. Non solo mi hanno dato molta visibilità sulla scienza dei dati, ma mi hanno anche insegnato a gestire i miei manager.
Ricordo molto bene uno dei ruoli. Riferito a una persona che non aveva mai svolto un progetto di data science prima o guidato un team di data science. Era una brava persona e un bravo manager in altri contesti, ma nel posto sbagliato per guidare un team di data science (almeno temporaneamente). La maggior parte della sua esperienza prima di assumere questo ruolo era nelle vendite. Alcune delle alternative per gestire le persone che hanno lavorato per lui in passato non funzioneranno in questa configurazione.
Come esempio, eravamo soliti avere 2 riunioni di squadra in una settimana, dove ognuno di noi ha aggiornato il resto del team su cosa stiamo lavorando e qual è il piano per il resto della settimana. Al di là di questi, c'erano aggiornamenti individuali e aggiornamenti associati al progetto. La maggior parte di noi non comprendeva gli obiettivi di quegli incarichi settimanali..
La situazione che ho descritto non è sicuramente unica. Questo accadrebbe in tutte le istituzioni che cercano di determinare un team di data science o cercano di trasferire alcuni dei loro migliori lavoratori in altri ruoli per guidare le unità di data science. Perché, Ho pensato di condividere alcuni suggerimenti per le persone che fanno queste transizioni. Questi suggerimenti dovrebbero aiutarti a diventare un manager di data science migliore, se non sei mai stato in una configurazione di data science prima.
Partecipa all'intero ciclo di vita del progetto di analisi / scienza dei dati:
Niente batte questo consiglio. Non importa quale ricerca puoi ottenere dall'esperienza che ottieni dall'essere parte del team che realizza il progetto. Capirai perché l'analisi di marketing per un potenziale può essere difficile a volte e potrebbero volerci mesi prima che il cliente ti dia una buona possibilità. Ti aiuterà anche a capire perché la pulizia dei dati può richiedere, quella che sembra un'eternità dall'esterno. Allo stesso tempo, l'implementazione di una soluzione di analisi può darti la sua parte di apprendimento: Quali sono gli ostacoli che puoi trovare? Perché devi essere paranoico per farlo bene??
Se c'è un suggerimento che vuoi ottenere da questo post, prendi questo. Non puoi guidare efficacemente un team di data science finché il tempo non è passato (preferibilmente pratico) lavorando su un progetto da soli..
Comprendi il panorama della scienza dei dati:
Anche se il primo suggerimento ti aiuta ad approfondire l'argomento, devi anche capire la portata dell'argomento. Questo è ciò che differenzia un buon manager da un brillante analista.. come manager, devi capire quale strumento e soluzione è migliore per quale tipo di problema.
I dati richiedono una soluzione per i big data?? Oppure funziona un metodo di data science tradizionale?? Continui ad automatizzare i report in Excel o passi a strumenti come QlikView o Tableau?? Queste sono alcune delle domande che dovrai affrontare come manager e le decisioni che prendi avranno un impatto sui membri del tuo team e su come trascorrono il loro tempo.
Questo post può essere un buon punto di partenza.
Diventa fantastico nel pensiero strutturato:
Questo è quasi un dato di fatto: non puoi essere un buon manager di analisi se non sei bravo a pensare in modo strutturato. Come analista, dovrebbe dare struttura a problemi non strutturati. come manager, ci si aspetta di eccellere nel mettere in atto la struttura, in pochi minuti. Entreresti in riunioni che mancherebbero di struttura e ne trarrebbero solo beneficio, se hai la capacità di dare una struttura alla discussione.
Questi post possono aiutarti a migliorare il pensiero strutturato: L'arte del pensiero strutturato, Strumenti per guidare il pensiero strutturato
Migliora le tue capacità di narrazione (supportato dai dati):
In qualità di responsabile della scienza dei dati, dovrebbe spiegare storie basate sui dati. L'aspettativa di base è di essere bravi a comunicare i tuoi pensieri.. Un buon manager deve essere in grado di visualizzare i dati in modo efficace e presentarli in un modo che racconti una storia coerente. Ecco un paio di esempi per far riflettere il tuo cervello:
- Se devi capire le distribuzioni regionali del tuo prodotto, Qual è il modo migliore per capirlo? Tabulare la penetrazione per regioni? A grappoli? ¿O simplemente dibujar un mappa di caloreun "mappa di calore" è una rappresentazione grafica che utilizza i colori per mostrare la densità dei dati in un'area specifica. Comunemente usato nell'analisi dei dati, Marketing e studi comportamentali, Questo tipo di visualizzazione consente di identificare rapidamente modelli e tendenze. Attraverso variazioni cromatiche, Le mappe di calore facilitano l'interpretazione di grandi volumi di informazioni, aiutando a prendere decisioni informate.... superpuesto al cartina geograficaUn mapa geográfico es una representación visual de la superficie terrestre, que muestra características físicas, políticas y culturales de una región. Utiliza símbolos y colores para identificar montañas, ríos, ciudades y fronteras. Los mapas geográficos son herramientas esenciales en la educación, la planificación urbana y la investigación, facilitando la comprensión del entorno y la relación entre diferentes lugares. Su estudio permite a los usuarios orientarse y analizar información geoespacial....?
- Qual è il modo migliore per mostrare come sono cambiate le vendite in 15 gruppi rispetto allo scorso anno?
Meglio acquisisci familiarità con la narrazione, meglio sarà per il tuo team commercializzare le soluzioni.
Definisci il tuo piano di apprendimento e agenda e condividili con il tuo team:
Se stai assumendo un ruolo di amministratore di data science, ha molto da imparare nei prossimi giorni. Il modo migliore per farlo è creare un piano di apprendimento e condividerlo con il tuo team.. Questo non solo li aiuterà a capire cosa sai già e cosa no, ma comunica anche che sei disposto ad imparare la materia.
Puoi anche chiedere ai membri del team di creare il loro piano di apprendimento e condividerlo con il gruppo e avere sessioni settimanali di condivisione delle conoscenze con i team per condividere il loro apprendimento. / Esperienza.
Note finali:
Cosa ne pensi di questi suggerimenti? Sei pronto a portare avanti la gestione di un team di analisti o data scientist?? Se hai altri consigli dalla tua esperienza, sentiti libero di condividerli attraverso i commenti qui sotto.
Fonte immagine: iNostix blog
