數據科學不僅僅是數據:培養業務知識和關係

2021-01-11 騰訊網

來源:CPDA數據分析師網 / 作者:數據君 /

從硬科學到數據科學

通過臨時代理機構在所有地方開始工作,當我離開學術研究並搬到波士頓時,我去了一家臨時公司,並在一家直銷公司找到了流通分析師,我利用這段經驗轉到了一家金融服務公司,沒有諸如數據科學的學士學位或碩士學位之類的東西,沒有數據科學訓練營,現在我們還不知道「數據科學」,就像許多其他早期數據科學家一樣,庫珀基本上也遭到了抨擊:她的僱主指派她與內部的原始數據科學小組合作,當我在金融服務部門工作時,我被招募到一個戰略決策支持小組,那時我才能夠學習SAS,該小組的經理具有運營研究背景,該小組中的其他人都是傳統統計數據和啟發式方法,以及呼叫中心統計信息。

該小組關注的領域之一是多渠道營銷,特別是跨不同渠道或上下文

例如,印刷,呼叫中心,Web聯繫客戶的問題,多渠道營銷已成為一個相當容易理解的問題,可能還包括火箭科學,團隊研究的許多問題都源於當時技術的局限性,在當今的數據科學中,一定程度上還是如此,這是工作中最令人興奮的方面之一。

業務精明才是關鍵

作為數據科學家,帶來的最重要的好處之一就是她了解技術秘訣如何映射到業務運營的能力,同樣的業務專業知識可幫助她預測人員和流程問題,這些問題和問題將隨著企業嘗試利用分析見解來優化或轉變其運營而產生,當人們看到我的簡歷時,他們知道我可以為他們提供幫助,因為我將技術與業務知識和戰略相結合,公司希望人們了解業務並能說業務,數據科學並非憑空發生的,數據科學創新可以並且將會改變企業的經營方式,在實踐中這往往會引起根深蒂固的利益相關者的壓制。

即使在業務轉型項目開始之初就遇到抵制並不罕見

我發現許多最棘手的問題不是技術問題,而是政治問題,當您考慮業務信息時,捕獲和描述信息的方式代表了特定業務領域或特定業務職能部門人員的世界觀當您嘗試將其與來自其他業務部門或其他職能領域的信息結合在一起時,您正在談論的是兩個或多個世界觀的碰撞,進行協調這是語言問題;這是(描述)您如何描述業務中發生的事情,這可能非常具有政治意義,只是描述(具有政治意義),然後添加執行的KPI都要對(或您通常如何定義一個指標)負責,所有這些都會影響您使用該指標的成功程度,其影響是深遠的。

CPDA數據分析師

推銷自己和成功

數據科學非常熱門,危險在於需求高漲可能會使數據科學家陷入一種毫無戒心的自滿情緒,作為兩次衰退的倖存者-這種工作保障是虛幻的,培養業務贊助商的支持並推銷您的分析成功非常重要,大多數企業不是矽谷的初創企業,他們願意接受這樣的想法,即分析研究和開發需要時間,並且往往導致失敗多於成功,最終他們希望獲得結果,如果數據科學家和高級分析從業人員還沒有根據他們產生的數據來衡量,那他們將是。

與重要的商業贊助商建立關係可以幫助您推銷所做的工作並促進職業發展

贊助和指導對於職業發展至關重要-是的,即使對於數據科學家也是如此,而且如果您有一個有同情心的商業贊助商,您將更有效率-您將擁有一個提拔您的工作的擁護者-您將在企業中擁有更多的知名度,這就是為什麼企業贊助對於成功至關重要的原因,特別是在解決政治問題方面,如果該項目是由組織的高層發起並獲得了企業最高層的支持,那麼您可以找到解決政治問題的解決方案,如果從這些討論發生的地方來側面贊助該項目,那麼獲得這些解決方案就會困難得多。

在日常業務決策中,達成共識是很好的,但難以捉摸

在大型企業中,執行權限才是完成工作的關鍵,我在其他企業中工作過,在這些企業中,同齡人小組只是試圖達成共識,而這些項目往往會長期徘徊,數據科學家和高級分析從業人員需要熟悉(並能夠在不同的)業務領域中綜合信息,這是一個特殊的挑戰,因為職業發展通常是這樣工作的:「能夠點點滴滴並進行廣泛思考確實有幫助,這在公司環境中不是典型的職業道路,通常您會升入一個職能區域或孤島[並且]獲得更廣泛的知識和經驗基礎所需的廣度的機會相對較少。」

聆聽的能力是一項重要(常常被忽視)的技,我試圖幫助組織中各個角色的人們相互理解,並在不同的職能領域之間進行轉換,其中一些只是出於好奇,有些則是很好的傾聽者。

相關焦點

  • 數據科學研究的現狀與趨勢全解
    大數據及其背後的數據科學在特定領域的應用是近幾年的熱門話題,尤其在生命科學、醫療保健、政府治理、教學教育和業務管理等領域的廣泛應用,出現了量化自我、數據新聞、大數據分析學等新的研究課題。  數據科學領域的人才培養。與傳統科學領域不同的是,數據科學領域人才培養目的是培養學生的「以數據為中心的思考能力」。
  • 數據科學二三事
    導 語 如今數字業務蓬勃發展,在無所不在且多樣化的數據源中持續生成海量數據。各行業機構面臨著數字資源挖掘和數據資產變現的新調整,如何通過數據發掘新商機,基於數據解決新問題,破解未查覺的潛在問題,那麼就需要藉助「數據科學」來實現。
  • 數據科學研究的現狀與趨勢全解 - 大數據_CIO時代網 - CIO時代—新...
    大數據及其背後的數據科學在特定領域的應用是近幾年的熱門話題,尤其在生命科學、醫療保健、政府治理、教學教育和業務管理等領域的廣泛應用,出現了量化自我、數據新聞、大數據分析學等新的研究課題。  數據科學領域的人才培養。與傳統科學領域不同的是,數據科學領域人才培養目的是培養學生的「以數據為中心的思考能力」。
  • 瀋陽師範大學 數據科學與大數據技術專業 培養方案
    本專業培養學生掌握面向數據分析的數學、統計學、計算機理論等學科基礎知識 及大數據處理技術,培養具有較強的數據建模能力、算法設計和分析能力、數據分析 和挖掘能力、學生行業實踐能力和溝通能力,能勝任大數據分析與挖掘算法研究工作 的高層次人才。
  • Analyzing the Analyzers 分析分析師 —— 數據科學部門如何建立?
    70% 的受訪者至少擁有碩士學位,而科學領域的(社會學或物理學,而非數學、計算機、統計、或工程學科)達40%。科學領域的研究生以上教育,提供了對真實數據的動手實踐,不僅僅描述現象,還要評價理論和辨析立場。物理學和天文學教授了嚴格的統計思維,而粒子加 速器和太空望遠鏡系統則提供了大量的需要小心處理的數據流。
  • 追本溯源:數據科學真的有那麼重要嗎?
    過去幾個月裡,關於數據科學的話題越來越多,人們不禁疑惑,它是如何變得如此重要的?為了得到答案,我們首先要了解數據科學的概念和簡史。數據科學是什麼?數據科學的官方定義是「使用科學方法、過程、算法和系統從數據中提取知識和見解的領域」。
  • 溫州大學數據科學與大數據技術專業:數據創造價值
    自2018年3月,溫州大學計算機與人工智慧學院獲批數據科學與大數據技術專業,取得了專業建設的歷史性突破,開創了本科人才培養的新局面。培養目標  本專業旨在培養具備大數據分析、挖掘及處理能力的綜合性人才!
  • 數據科學的發展,離不開實際的項目經驗
    數據科學的發展,離不開實際的項目經驗,數據科學家的長期工作,其實是在不斷地對數據進行處理和分析,從而對不斷改進的業務進行探索。工業機器學習,並不僅僅是機器學習技術本身,更是解決實際問題的問題思路。更重要的是要清楚自己目前做的工作的價值。
  • 領域大數據知識圖譜專題 《中國科學:信息科學》
    為推動領域大數據知識圖譜的研究,交流相關研究進展與成果,《中國科學: 信息科學》在2020年第50卷第7期組織出版「領域大數據知識圖譜專題」,經過嚴格的同行評議, 專題共收錄 7 篇文章, 主題涵蓋推薦系統、科技知識圖譜、事理認知圖譜、人物關係圖譜、地理知識圖譜、篇章事件連通圖、旅遊知識圖譜等方面的內容。
  • 香港新加坡留學統計和數據科學專業介紹,高薪專業!
    教學將統計和計算概念與方法均衡展開,為不僅僅限於業務或單個領域的應用提供支持。培養學生統計和計算機分析的夯實基礎,可以從計算機科學、數學、統計學相關領域中選修課程,課程涵蓋了時下最熱門的主題,培養強大的軟體分析方法和實際操作能力。
  • 解讀數據挖掘與數據科學之間鮮為人知的區別
    因此需要了解數據挖掘與數據科學之間的重要區別。什麼是數據科學?數據科學是一門專注於數據分析並在此基礎上取得最佳解決方案的科學。在以往,這些問題是由數學和統計學專家來處理的。隨著人工智慧的進步得到了更廣泛的應用,這使得將優化和信息學納入分析方法成為可能。
  • 數據科學中各職業都在做什麼?有什麼區別? | 網際網路數據資訊網-199...
    這對於職業滿意度和求職成功非常重要——如果你申請了一個適合你的角色,你將有更大的機會獲得這份工作;如果你做了自己喜歡的事情,那麼你會享受,而不是每天都想逃避!下面一起看看數據科學中的不同角色。我們會做一些擴展,以涵蓋對具有數據技能的候選人來說,所有可考慮的數據科學職業角色。從廣義上講,我們可以將數據角色分為兩類:業務導向或工程導向。
  • 迎接數據科學ML+和DL+時代的來臨
    加速數位化轉型、讓業務智能化,許多行業均認可這是全面提升企業競爭力最可靠、最主流的路徑,緊迫感如影隨形。專業的數據科學人才還遠遠無法補足市場,企業對人才的需求就已經升級為既懂業務又懂技術的複合型精英。為了快速提升競爭力獲得市場先機,企業決策者們選擇將目光投向更智能、更高效的AI平臺能力的建設及其應用。
  • 數據科學不一定適合你
    1.你不喜歡在整個職業生涯中必須不斷學習 數據科學是一個極為寬泛的術語,它對於不同的公司而言意味著不同的事物,不同的公司需要員工擁有不同的技能。例如,有些公司需要具備機器學習知識,有些公司需要會實驗設計和A/B測試,有些需要會Python編程,有些需要會R語言等等。
  • 數據驅動業務 新一代數據中心之靈魂
    【賽迪網訊】數據作為一種技術,是為應用而生的,最終會落到對具體業務的驅動上來。數據中心經過多年的發展,正在由數據的保管者和服務者轉變為數據的管理者和決策者,從被動的響應領導的要求轉變為主動向領導及各業務部門提供數據服務。這一職能的轉變,使得業務可以從數據上立即得以感知,業務可以用數據評價並由數據決策,也就是同方提出的用數據驅動業務,這也是新一代數據中心的靈魂所在。
  • 如何應用數據訪問服務層分離系統中的業務層和持久層之間耦合關係
    軟體項目實訓及課程設計指導——如何應用數據訪問服務層分離業務層和持久層之間耦合關係作者已經在本系列文章《軟體項目實訓及課程設計指導--如何正確地設計J2EE應用系統持久層中的各個組件結構及關係》中為讀者介紹了為什麼要設計和應用數據訪問服務接口的目的及如何設計該接口以真正達到利用數據訪問服務層組件隔離業務處理邏輯和數據訪問操作邏輯的應用效果
  • 數據科學邊界:數據不能解決什麼?
    如何構建學科體系數據世界觀數據分析整體框架問題分析/數據預處理/數據預分析數據分析核心:建模模型空間概述數據科學邊界(這篇文章)……數據科學 = 數學/統計學 + 科學方法論 + 計算機 (+ 業務經驗)我們在剛剛接觸一個新奇的事物的時候,總有一種衝動:這種東西可以改變全宇宙。比如:我們剛接觸區塊鏈的時候,啊,區塊鏈就要改變全宇宙了。
  • 數據分析的作用和意義
    這個過程是數據分析整個過程中最佔據時間的,也在一定程度上取決於數據倉庫的搭建和數據質量的保證。   數據處理主要包括數據清洗、數據轉化等處理方法。   4、數據分析   數據分析是指通過分析手段、方法和技巧對準備好的數據進行探索、分析,從中發現因果關係、內部聯繫和業務規律,為商業目提供決策參考。
  • 基因科學:數據共享和跨領域合作是趨勢
    ,而且不僅僅是看我們一個小時所獲得的數據,比如說正在做研究中的本身的數據,而是在這個數據中內涵的信息。也就是說它不僅僅是在數據當中的內容,也包括了他的背景知識,有一些是被發現的,有一些是沒有被發現的知識和背景,生物學中AI,人工智慧是可以得到應用的,按照他們之前的方式來做,也可以獲得一些挑戰,比如說如何更好的學習我們不會有太多數據的挑戰,有一些如何獲得原生數據,我們有一個挑戰是非常有限的黃金準則,而且如何用這些黃金準則,和不同質量的黃金準則,我們也有很多的方式要對這些做法和技能進行調整,從而在生物學上得到應用
  • Web網站分析:保證數據與業務的聯繫和價值 | 網際網路數據資訊網-199...
    解決的方法需要你從所擁有的數據中跳出來。重新審視獲得這些數據的過程。數據的獲取過程不應該開始於追蹤代碼或是網站分析工具。而是應該來自網站自身的業務需求。保證數據從一開始就與業務有緊密的聯繫。這個過程我在之前的文章《Google Analytics實施七步曲》中曾經簡單介紹過。這裡再從另一個角度進行說明。從數據中獲取洞察分為四個部分:第一部分是了解業務需求。